UPT Perpustakaan Unitama

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Penerapan Data Mining Korelasi Penjualan Spare Part Mobil Menggunakan Metode K-Means Clustering
Penanda Bagikan

CD Skripsi

Penerapan Data Mining Korelasi Penjualan Spare Part Mobil Menggunakan Metode K-Means Clustering

Putry Andini - Nama Orang;

ABSTRAK

PUTRY ANDINI, Penerapan Data Mining Korelasi Penjualan Spare Part Mobil Menggunakan Metode K-Means Clustering. (dibimbing oleh Ilham dan Randy Angriawan).

Permasalahan yang terjadi pada Korelasi Penjualan Spare Part Mobil Menggunakan Metode K-Means Clustering pada perusahaan terdapat kendala dalam tinjauan terhadap produk yang dijualnya, sehingga pengolahan data tidak efektif dan berakibat pada ketidak penuhan kebutuhan komsumen. Tujuan dari penelitian ini adalah memudahkan perusahaan dalam menyesuaikan starategi pemasaran dan mengoptimalkan barang. Data ini diperoleh melalui (1) Penelitian Lapangan (2) Penelitian Pustaka, (3) Wawancara. Metode yang digunakan dalam penelitian ini adalah K-Means Clustering yaitu salah satu metode pengelompokan yang non hirarki untuk mempartisi objek yang ada dalam satu atau lebih kelompok objek berdasarkan karakteristiknya, sehingga objek yang mempunyai karakteristik yang sama dikelompokka dalam satu cluster yang sama. Hasil penelitian ini menunjukkan bahwa terdapat 3 cluster atau kelompok, kelompok pertama yaitu spare part yang sangat laris berjumlah 798 data barang, kelompok ke dua spare part yang laris sebanyak 21 data barang, sedangkan kelompok yang ke tiga spare part kurang laris sebanyak 203 data barang. Sehingga perusahaan dapat mengoptimalkan stok spare part mobil dengan uji coba 2-29 jumlah cluster yang ideal menggunakan silhoutte dengan hasil akurasi 0.693.

Kata kunci: K-Means, Clustering, Spare Part, Data Mining, Analisis


Ketersediaan
#
Perpustakaan STMIK AKBA (A/849) CD/SKR/TI/2023 REF PUT p
2722/CD/SKR-Ti/24
Tersedia namun tidak untuk dipinjamkan - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
CDSKR PUT p
Penerbit
Makassar : UNITAMA., 2023
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
REF PUT p
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
Pembimbing I: Ilham Dan Pembimbing II: Randy Angriawan
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

UPT Perpustakaan Unitama
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?