Manurung, Wantri Junedi (2019) Penerapan Data Mining dalam Menentukan Stock Barang Produk Online Shop dengan Metode K-Means Clustering. Skripsi thesis, Program Studi Teknik Informatika.
![[img]](http://repository.upbatam.ac.id/style/images/fileicons/text.png) |
Text
cover s.d bab III.pdf - Submitted Version Download (16MB) |
|
Text
bab IV s.d bab V.pdf - Submitted Version Restricted to Registered users only Download (4MB) | Request a copy |
Abstract
Pengaturan stok yang dilakukan secara tidak akurat, mengakibatkan biaya simpan yang tinggi dan kurang ekonomis. Hal ini tentu akan merugikan semua pelaku bisnis atau usaha sama halnya online shope. Penelitian ini bertujuan untuk mengelompokkan produk yang dijual pada online shope habibibe menjadikan lebih dari satu cluster untuk melihat produk mana yang paling diminati sehingga jumlah stok harus banyak, produk diminati untuk jumalh stok sedang, dan produk kurang diminati untuk jumlah stok sedikit. Metode yang digunakan dalam penelitian ini adalah data mining k-means merupakan salah satu metode dalam agoritma clustering, dimana k-means akan mencari partisi yang optimal dari data dengan memperkecil kriteria jumlah kesalahan kuadrat dengan prosedur iterasi yang optimal. Variabel yang digunakan adalah kode produk, jumlah transaksi, stok awal barang dan volume penjualan. Penelitian juga mengunakan software Rapidminer untuk pengolahan data dengan metode K-Means. Hasil akhir dari penelitian adalah berupa suatu program aplikasi yang dapat mengelompokkan produk menjadi kategori jumlah stok banyak, sedang dan sedikit berdasarkan transaksi penjualan.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Uncontrolled Keywords: | data mining, k-means, stok barang, rapidminer: data mining, stock of goods, clustering, rapidminer. |
| Subjects: | 000 Karya Umum > 000-009 Ilmu Umum dan Komputer > 006.3 Kecerdasan Buatan |
| Divisions: | Fakultas Teknik dan Komputer > Teknik Informatika |
| Depositing User: | Susila Novmbrita |
| Date Deposited: | 25 Oct 2023 09:23 |
| Last Modified: | 25 Oct 2023 09:23 |
| URI: | http://repository.upbatam.ac.id/id/eprint/5015 |
Actions (login required)
 |
View Item |
