TEKNIK DATA MINING DI DALAM PENGELOMPOKAN (CLUSTERING) KONSUMEN

Amrullah, Fakhrul - 025410044 (2006) TEKNIK DATA MINING DI DALAM PENGELOMPOKAN (CLUSTERING) KONSUMEN. Skripsi thesis, STMIK AKAKOM Yogyakarta.

	Text SKRIPSI.doc - Published Version Download (44kB)
	Text Halaman Persetujuan.doc - Published Version Restricted to Repository staff only Download (38kB)
	Text DAFTAR ISI.doc - Published Version Download (39kB)
	Text BAB I.doc - Published Version Download (46kB)
	Text BAB II.doc - Published Version Restricted to Repository staff only Download (432kB)
	Text BAB III.doc - Published Version Restricted to Repository staff only Download (942kB)
	Text BAB IV.doc - Published Version Restricted to Repository staff only Download (1MB)
	Text BAB V.doc - Published Version Download (28kB)
	Text DAFTAR PUSTAKA.doc - Published Version Download (30kB)
	Text manual aplikasi.doc - Published Version Download (1MB)
	Text Source Code.doc - Published Version Restricted to Repository staff only Download (302kB)

Abstract

Skripsi yang berjudul “ Teknik Data Mining di dalam Pengelompokan (Clustering) Konsumen dikembangkan dengan menggunakan bahasa pemrograman Visual Basic .Net 2005 dan menggunakan Oracle 10g sebagai databasenya. Aplikasi tersebut digunakan untuk membantu dalam mengambil keputusan di dalam suatu penjualan. Pada aplikasi ini terdapat tiga tahap yaitu tahap pertama yang berisi data mentah kemudian tahap tahap kedua yaitu data warehouse yaitu data- data yang berasal dari data mentah yang telah di bersihkan dan dipilih attribut yang akan diteliti, pada tahap ketiga yaitu data mining, disini user menginputkan jumlah cluster dan jumlah iterasi untuk melakukan perhitungan sehingga outputnya berupa hasil perhitungan dan berupa grafik dari hasil perhitungan tersebut. Metode yang digunakan pada data mining yaitu metode K-Means Clustering. Pada metode ini diberikan suatu cluster data kemudian data dimasukkan ke cluster tertentu secara acak kemudian nilai tengah setiap cluster akan dihitung setelah itu cari suatu kelompok data baru dengan menunjuk setiap data sampel ke nilai tengah cluster terdekat setelah itu hitung nilai tengah cluster yang baru. Kondisi ini terus menerus diulang sampai iterasi yang diinginkan tercapai Dari hasil penelitian ini dapat ditarik kesimpulan bahwa metode K-Means Clustering dapat menunjukkan pola pembelian dari konsumen dan pengelompokan data yang terjadi sehingga dari pengetahuan ini memudahkan mengambil keputusan. Kata Kunci : Data warehouse, Data Mining, K-Means Clustering

Item Type:	Thesis (Skripsi)
Additional Information:	Pembimbing : Sri Redjeki, S.Si, M.Kom. Endang Wahyuningsih, S.Kom. Call Number : 784 Amr t
Uncontrolled Keywords:	Kata Kunci : Data warehouse, Data Mining, K-Means Clustering
Subjects:	A Karya Umum (General) > Ilmu Komputer (Computer Science) > Pemrograman (Programming)
Divisions:	Jenjang Strata Satu > Teknik Informatika (Informatic Engineering)
Depositing User:	V Sudarmi
Date Deposited:	05 Des 2016 06:27
Last Modified:	05 Des 2016 06:27
URI:	http://eprints.akakom.ac.id/id/eprint/1853

Actions (login required)

View Item