PENERAPAN DATA MINING DALAM ANALISIS POLA PENJUALAN PRODUK СЕТАКАN DENGAN K-MEANS CLUSTERING

Sari, Reina Ahlaq Karim Narsa - 215610006 (2025) PENERAPAN DATA MINING DALAM ANALISIS POLA PENJUALAN PRODUK СЕТАКАN DENGAN K-MEANS CLUSTERING. Skripsi thesis, UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI).

[img] Text
1_215610006_HALAMAN_DEPAN.pdf - Published Version

Download (1MB)
[img] Text
2_215610006_BAB_I.pdf - Published Version

Download (93kB)
[img] Text
3_215610006_BAB_II.pdf - Published Version

Download (915kB)
[img] Text
4_215610006_BAB_III.pdf - Published Version

Download (393kB)
[img] Text
5_215610006_DAFTAR_PUSTAKA.pdf - Published Version

Download (78kB)
[img] Text
6_215610006_CARA_MENJALANKAN_PROGRAM.pdf - Published Version

Download (96kB)
[img] Text
7_215610006_LISTING_PROGRAM.pdf - Published Version
Restricted to Repository staff only

Download (70kB)

Abstract

Penelitian ini bertujuan untuk menganalisis pola penjualan produk cetakan dengan menerapkan metode data mining menggunakan algoritma K-Means Clustering. Data yang digunakan merupakan data penjualan produk cetakan dari wilayah Sulawesi, Indonesia. Tahapan penelitian meliputi exploratory data analysis (EDA), preprocessing data untuk Keywords: K-Means, Clustering, Elbow Method, Silhouette Score, Pola Penjualan normalisasi dan encoding, penerapan metode Elbow untuk menentukan jumlah cluster optimal, serta evaluasi hasil clustering menggunakan Silhouette Score. Hasil penelitian menunjukkan terbentuknya dua cluster optimal dengan nilai Silhouette Score sebesar 0.56. Masing-masing cluster memiliki karakteristik produk yang berbeda, di mana Cluster 1 memiliki keragaman produk yang tinggi, dengan beberapa jenis produk menonjol namun tidak dominan secara tunggal. Sementara itu, Cluster 0 cenderung terfokus pada sedikit produk utama yang mendominasi. Perbedaan ini menunjukkan adanya segmentasi pasar yang jelas, yang dapat dimanfaatkan dalam strategi pengelolaan stok, perencanaan produksi, dan pemasaran. Penelitian ini memberikan wawasan strategis bagi perusahaan dalam memahami preferensi konsumen berdasarkan distribusi produk dalam setiap cluster. Untuk pengembangan lebih lanjut, disarankan penggunaan algoritma alternatif seperti DBSCAN untuk mengatasi keterbatasan K-Means dalam mengidentifikasi cluster dengan distribusi data yang tidak beraturan.

Item Type: Thesis (Skripsi)
Additional Information: Pembimbing : Deborah Kurniawati, S.Kom., M.Cs
Uncontrolled Keywords: K-Means, Clustering, Elbow Method, Silhouette Score, Pola Penjualan
Subjects: A Karya Umum (General) > Ilmu Komputer (Computer Science) > Analisis Sistem
A Karya Umum (General) > Ilmu Komputer (Computer Science) > E-commerce
A Karya Umum (General) > Ilmu Komputer (Computer Science) > Database > Data Mining
Divisions: Jenjang S1 > Informatika (S1)
Depositing User: Mr. Andi Setyanto
Date Deposited: 24 Jul 2025 08:16
Last Modified: 24 Jul 2025 08:16
URI: http://eprints.utdi.ac.id/id/eprint/10780

Actions (login required)

View Item View Item