PPKIAPPKIA

Journal of Big Data Analytic and Artificial IntelligenceJournal of Big Data Analytic and Artificial Intelligence

Penelitian ini bertujuan untuk membantu toko pernak-pernik dalam mencapai target penjualan bulanan melalui penerapan teknik data mining dengan metode klasterisasi K-Medoids. Penelitian dilakukan melalui enam tahapan utama, yaitu: (1) pengumpulan data, (2) pembersihan data (data cleaning), (3) implementasi data mining, (4) evaluasi hasil klasterisasi menggunakan nilai Davies-Bouldin Index (DBI), (5) penentuan jumlah klaster optimal (k-terbaik), dan (6) visualisasi hasil klasterisasi. Data yang digunakan terdiri dari tiga atribut yang dipilih dari enam atribut yang tersedia. Proses klasterisasi dengan metode K-Medoids menghasilkan klaster yang bervariasi karena pemilihan titik pusat (centroid) dilakukan secara acak. Berdasarkan evaluasi DBI, jumlah klaster optimal ditemukan pada k=3, yang memberikan hasil klasterisasi terbaik untuk mendukung strategi pemasaran toko.

Hasil penelitian menunjukkan bahwa pengelompokkan data penjualan menggunakan K-Medoids efektif dalam mendukung strategi pemasaran.Klaster optimal diperoleh pada k=3 dengan evaluasi DBI.Variasi hasil klaster disebabkan oleh pemilihan centroid secara acak.Penerapan teknik data mining membantu toko meningkatkan efisiensi manajemen produk dan promosi.

1. Pengembangan metode optimasi pemilihan centroid untuk meningkatkan stabilitas hasil klasterisasi. 2. Perbandingan kinerja K-Medoids dengan algoritma lain seperti K-Means atau DBSCAN dalam konteks data penjualan. 3. Aplikasi metode ini pada data penjualan dari sektor bisnis yang berbeda untuk menguji generalisabilitas hasil. Penelitian lanjutan dapat fokus pada pengembangan algoritma yang lebih adaptif terhadap perubahan tren pasar dan kebutuhan spesifik pelaku usaha.

Read online
File size313.04 KB
Pages6
DMCAReport

Related /

ads-block-test