UIMUIM

UIM | Zeta - Math JournalUIM | Zeta - Math Journal

Supermarket adalah tempat perbelanjaan dimana menyediakan bermacam-macam bahan kebutuhan sehari-hari. Di supermarket banyak customer yang membeli barang kebutuhannya. Pertumbuhan supermarket semakin meningkat. Supermarket mempunyai berbagai macam produk yang berbeda merek, bermacam cabang dan berbagai tipe pelanggan. Untuk membuat strategi penjualan perlu diketahui produk-produk yang diminati customer. Dalam penelitian ini dilakukan klasterisasi produk supermarket berdasarkan dari data penjualan. Algoritma klasterisasi dalam penelitian ini adalah algoritma Density-Based Spatial Clustering with Noise (DBSCAN). Algoritma ini adalah sebuah algoritma pengelompokkan obyek data berdasarkan densitas atau kepadatan, yang dipengaruhi oleh parameter input, yaitu nilai parameter Eps yang merupakan ukuran jarak yang akan digunakan untuk menemukan titik-titik di sekitar titik mana pun dan nilai parameter MinPts yang merupakan jumlah titik minimum yang dikelompokkan bersama agar suatu kawasan dianggap padat. Dalam penelitian ini Dataset yang dipakai adalah data sekunder, yang berisi 100 data penjualan supermarket, dengan mengambil 2 atribut. Hasil klasterisasi menunjukkan dengan menggunakan nilai parameter Eps = 6 dan nilai MinPts = 9 data produk barang terbagi menjadi 3 cluster, Dimana cluster 1 beranggotakan produk yang tidak diminati atau jarang dibeli costumer, Cluster 2 beranggotakan data barang yang diminati costumer, dan cluster 3 beranggotakan produk yang sangan diminati.

Penelitian ini telah berhasil mengimplementasikan metode analisis mengenai Algoritma DBSCAN menunjukkan performa yang baik dalam proses clustering dengan data yang besar pada data penjualan di supermarket.Ditemukan faktor penentu popularitas penjualan barang di supermarket adalah harga per barang dan rating penjualan dari pembeli.Dari hasil pengujian, diperoleh kesimpulan pengujian penggunaan algoritma DBSCAN pada data penjualan di supermarket dalam empat tahun terakhir berhasil dilakukan dalam mendapatkan cluster.Dengan terbentuknya 3 cluster, untuk cluster 1 sebanyak 48 data dengan popularitas kurang diminati, cluster 2 sebanyak 25 data dengan popularitas diminati, dan cluster 3 sebanyak 27 data dengan popularitas sangat diminati.

Penelitian selanjutnya dapat mengeksplorasi pengaruh variasi parameter Eps dan MinPts pada algoritma DBSCAN terhadap kualitas klaster pada dataset penjualan supermarket yang lebih besar serta dengan menambahkan atribut lain seperti volume penjualan, kategori produk, atau waktu transaksi. Selain itu, perbandingan antara DBSCAN dengan algoritma clustering lain seperti K‑Means, hierarchical clustering, dan OPTICS perlu dilakukan untuk menilai keunggulan masing‑masing dalam hal akurasi, stabilitas, dan waktu komputasi pada data penjualan yang beragam. Selanjutnya, pengembangan model hibrida yang menggabungkan hasil klasterisasi DBSCAN dengan teknik klasifikasi atau prediksi, misalnya decision tree atau jaringan saraf tiruan, dapat membantu memprediksi tren penjualan di masa depan serta memberikan rekomendasi pengelolaan stok berdasarkan kelompok pelanggan yang teridentifikasi. Penelitian juga dapat menilai dampak penerapan klasterisasi dinamis yang memperbarui kelompok secara periodik seiring perubahan perilaku konsumen, sehingga sistem keputusan dapat beradaptasi dengan cepat. Akhirnya, evaluasi penerapan hasil klaster pada strategi pemasaran nyata, seperti penentuan promosi atau penataan rak, akan memberikan wawasan praktis mengenai kontribusi teknik clustering terhadap peningkatan penjualan dan kepuasan pelanggan.

  1. Radware Bot Manager Captcha. radware bot manager captcha apologize ensure keep safe please confirm human... doi.org/10.1088/1757-899X/1010/1/012030Radware Bot Manager Captcha radware bot manager captcha apologize ensure keep safe please confirm human doi 10 1088 1757 899X 1010 1 012030
  2. Pemetaan Siswa Berprestasi Menggunakan Metode K-Means Clustring | JURTEKSI (jurnal Teknologi dan Sistem... jurnal.stmikroyal.ac.id/index.php/jurteksi/article/view/28Pemetaan Siswa Berprestasi Menggunakan Metode K Means Clustring JURTEKSI jurnal Teknologi dan Sistem jurnal stmikroyal ac index php jurteksi article view 28
  3. Penerapan Datamining pada Data Gempa Bumi Terhadap Potensi Tsunami di Indonesia | Utomo | Prosiding Seminar... doi.org/10.30645/senaris.v1i0.91Penerapan Datamining pada Data Gempa Bumi Terhadap Potensi Tsunami di Indonesia Utomo Prosiding Seminar doi 10 30645 senaris v1i0 91
  4. (PDF) A Survey of Some Density Based Clustering Techniques. pdf survey density based clustering techniques... doi.org/10.13140/2.1.4554.6887PDF A Survey of Some Density Based Clustering Techniques pdf survey density based clustering techniques doi 10 13140 2 1 4554 6887
Read online
File size444.63 KB
Pages7
DMCAReport

Related /

ads-block-test