PORTALPUBLIKASIPORTALPUBLIKASI

Journal of Research and Publication InnovationJournal of Research and Publication Innovation

Studi ini menggunakan algoritma clustering K-Means untuk mempelajari pola penjualan alat perabotan di Toko Eka Perabot Kota Tangerang. Toko dapat membuat strategi pengelolaan persediaan dan pemasaran yang lebih baik dengan mengetahui pola penjualan. Penelitian ini menganalisis data penjualan untuk menemukan pola pengelompokan berdasarkan harga dan jumlah produk. Pengumpulan data penjualan, preprocessing, dan penerapan algoritma K-Means melalui perangkat lunak RapidMiner adalah semua bagian dari proses penelitian. Data yang telah bersih kemudian dikelompokkan ke dalam beberapa cluster berdasarkan kesamaan karakteristik, yang menghasilkan kelompok produk dengan karakteristik tertentu, seperti produk dengan harga rendah dan penjualan tinggi. Hasil penelitian menunjukkan bahwa pengorganisasian dengan K-Means berhasil membagi produk ke dalam beberapa kategori yang sesuai dengan toko. Metode K-Means Clustering terbukti efektif dalam membantu Toko Eka Perabot memahami preferensi pelanggan dan membuat strategi penjualan yang lebih baik karena setiap cluster memiliki karakteristik unik yang dapat digunakan sebagai dasar pengambilan keputusan bisnis.

Implementasi K-Means berhasil membagi produk ke dalam kategori yang sesuai dengan toko.Metode K-Means Clustering efektif membantu Toko Eka Perabot memahami preferensi pelanggan dan membuat strategi penjualan lebih baik karena setiap cluster memiliki karakteristik unik sebagai dasar pengambilan keputusan bisnis.

Penelitian lanjutan dapat menguji algoritma clustering alternatif seperti K-Medoids untuk membandingkan efisiensinya dalam pengelompokan penjualan. Selain itu, analisis dapat diperluas dengan memasukkan faktor demografis pelanggan atau data temporal untuk memahami fluktuasi permintaan. Terakhir, pengujian metode ini pada toko perabotan dengan skala dan lokasi berbeda dapat memberikan wawasan tentang adaptasi algoritma dalam konteks bisnis yang beragam.

  1. KLASIFIKASI DATA NASABAH KREDIT PINJAMAN MENGGUNAKAN DATA MINING DENGAN METODE K-MEANS PADA MEGA CENTRAL... doi.org/10.53564/akademika.v14i2.866KLASIFIKASI DATA NASABAH KREDIT PINJAMAN MENGGUNAKAN DATA MINING DENGAN METODE K MEANS PADA MEGA CENTRAL doi 10 53564 akademika v14i2 866
  2. Perbandingan Evaluasi Metode Davies Bouldin, Elbow dan Silhouette pada Model Clustering dengan Menggunakan... doi.org/10.30998/STRING.V8I1.16388Perbandingan Evaluasi Metode Davies Bouldin Elbow dan Silhouette pada Model Clustering dengan Menggunakan doi 10 30998 STRING V8I1 16388
  3. Pengelompokkan Daerah Produksi Kelapa Sawit Menggunakan Algoritma K-Means Clustering: Grouping Oil Palm... e-journal.poltek-kampar.ac.id/index.php/JSIT/article/view/108Pengelompokkan Daerah Produksi Kelapa Sawit Menggunakan Algoritma K Means Clustering Grouping Oil Palm e journal poltek kampar ac index php JSIT article view 108
  4. Implementation of K-Means Clusstering in Grouping Chicken Meat Production by Provinces in Indonesia |... ejournal.unama.ac.id/index.php/processor/article/view/853Implementation of K Means Clusstering in Grouping Chicken Meat Production by Provinces in Indonesia ejournal unama ac index php processor article view 853
  1. #pengumpulan data#pengumpulan data
  2. #data alat#data alat
Read online
File size959.63 KB
Pages10
Short Linkhttps://juris.id/p-32T
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test