Implementasi K-Means Untuk Pengelompokan Produk Terbaik PT. Koko Pelli

Muhammad Dahria, Rudi Gunawan, Zulkifli Lubis

Abstract


PT. Koko Pelli adalah sebuah perusahaan yang bergerak dibidang retail. Dimana pada prosesnya masih memiliki kendala yang belum mampu menentukan produk terbaik untuk promosi kedepannya. Akibat dari hal tersebut sering terjadi kekurangan stok produk yang digemari konsumen.  Untuk mengatasi masalah tersebut diperlukan sebuat sistem yang mampu menentukan produk terbaik yang tidak berpatokan pada satu produk saja melainkan kelompok produk terbaik. Pengelompokan produk terbaik akan dihitung menggunakan metode K-Means yang mampu menghitung secara tepat dan konsisten. Aplikasi yang dibangun dapat mengelompokan produk terbaik  dengan cepat yang akan membantu mengatasi masalah yang ada pada PT. Koko Pelli.

Kata Kunci: Retail, pengelompokan produk, k-means, clustering, promosi produk


Full Text:

PDF

References


Wu, X., Kumar, V., Ross, Q. J., Ghosh, J., Yang, Q., Motoda, H., … Steinberg, D. (2008). Top 10 algorithms in data mining. Knowledge and Information Systems. https://doi.org/10.1007/s10115-007-0114-2

Huang, Z. (1997). A Fast Clustering Algorithm to Cluster Very Large Categorical Data Sets in Data Mining. Research Issues on Data Mining and Knowledge Discovery. https://doi.org/10.1.1.6.4718

Bienkowski, M., Feng, M., & Means, B. (2014). Enhancing teaching and learning through educational data mining and learning analytics: An issue brief. In Educational Improvement Through Data Mining and Analytics.

Münz, G., Li, S., & Carle, G. (2007). Traffic Anomaly Detection Using K-means Clustering. Leistungs-, Zuverlassigkeits- Und Verlasslichkeitsbewertung von Kommunikationsnetzen Und Verteilten Systemen.

Huang, J. Z., Ng, M. K., Rong, H., & Li, Z. (2005). Automated variable weighting in k-means type clustering. IEEE Transactions on Pattern Analysis and Machine Intelligence. https://doi.org/10.1109/TPAMI.2005.95

Zhang, B., Hsu, M., & Dayal, U. (1999). K-Harmonic means - A data clustering algorithm. HP Laboratories Technical Report.

Shi, N., Liu, X., & Guan, Y. (2010). Research on k-means clustering algorithm: An improved k-means clustering algorithm. 3rd International Symposium on Intelligent Information Technology and Security Informatics, IITSI 2010. https://doi.org/10.1109/IITSI.2010.74

Sumathi, S., & Esakkirajan, S. (2007). Data mining and data warehousing. Studies in Computational Intelligence. https://doi.org/10.1007/978-3-540-48399-1_10

Singh, A., Yadav, A., & Rana, A. (2013). K-means with Three different Distance Metrics. International Journal of Computer Applications. https://doi.org/10.5120/11430-6785


Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Seminar Nasional Sains dan Teknologi Informasi (SENSASI)