Data Mining untuk Pengelompokan Jenis Usaha di Rumah Bumn Batam Menggunakan Metode Clustering

Hernawan, Arif (2023) Data Mining untuk Pengelompokan Jenis Usaha di Rumah Bumn Batam Menggunakan Metode Clustering. Skripsi thesis, Prodi Teknik Infomatika.

	Text cover s.d bab III.pdf - Submitted Version Download (11MB)
	Text bab IV s,d bab V.pdf - Submitted Version Restricted to Registered users only Download (8MB) | Request a copy

Abstract

Pelaku usaha di Indonesia pada umumnya dikategorikan menjadi usaha besar dan usaha kecil menengah atau yang sering dikenal dengan UKM. Ada salah satu Badan Usaha Milik Negara yang memiliki peran menghimpun dan mendorong para pelaku UKM untuk naik kelas agar lebih sejahtera, yaitu Rumah BUMN Batam. Masih banyak pelaku UKM yang perlu dibantu untuk melakukan promosi agar mendapat jumlah pemesanan dengan frekuensi yang tinggi. Tujuan penelitian yaitu untuk mengelompokan jenis-jenis UKM berdasarkan frekuensi penjualan, sehingga nantinya perusahaan dapat melakukan promosi lebih lanjut terhadap UKM yang mendapat jumlah pemesanan dengan frekuensi rendah. Dalam Penelitian ini digunakan metode Clustering dengan algoritma K-means clustering. Algoritma k-means clustering dapat dimanfaatkan oleh Rumah BUMN Batam untuk mempermudah pengelompokan jenis usaha dan frekuensi pemesanan UKM pertahun. Penulis menggunakan proses Knowledge Discovery in Database (KDD) yang terdiri dari pembersihan data, integrasi data, seleksi data, transformasi data, penambangan data, evaluasi pola, dan presentasi pengetahuan. Pada tahap awal KDD akan dilakukan pembersihan data dan integrasi data secara manual melalui aplikasi WEKA 3.9.6. Selanjutnya dilakukan seleksi data, tranformasi data, dan penambangan data dengan menggunakan perangkat lunak yang dibuat. Tahap selanjutnya yaitu evaluasi pola dan presentasi pengetahuan. Hasil penelitian ini memiliki 4 cluster yang paling optimal sesuai dengan kebutuhan. Penelitian ini diharapkan dapat membantu mempermudah Rumah BUMN Batam untuk mengelompokan jenis-jenis usaha kedepannya.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Algoritma K-Means, Clustering, Data Mining: Algoritma K-Means, Clustering, Data Mining
Subjects:	000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 004.21 Sistem Analis dan Desain Komputer
Divisions:	Fakultas Teknik dan Komputer > Teknik Informatika
Depositing User:	Lia Priscilla
Date Deposited:	30 May 2023 04:39
Last Modified:	30 May 2023 04:39
URI:	http://repository.upbatam.ac.id/id/eprint/3082

Actions (login required)

View Item