Implementasi Data Mining Metode Clustering Pada Toko Buku BI-OBSES Bandung Dengan Penerapan Algoritma K-Means

Alfariqi, Muhammad (2017) Implementasi Data Mining Metode Clustering Pada Toko Buku BI-OBSES Bandung Dengan Penerapan Algoritma K-Means.

Full text not available from this repository.
Official URL: http://elib.unikom.ac.id/gdl.php?mod=browse&op=rea...

Abstract

Biobses bookstore adalah toko buku komputer yang telah menerapkan sistem e-commerce dalam kegiatan transaksi jual belinya. Pada sistem ini juga diterapkan sistem pemberian diskon untuk setiap transaksi pelanggan mereka. Sistem e-commerce yang ada saat ini mengalami kesulitan pada proses pemberian diskon khususnya diskon tambahan untuk pelanggan, hal ini disebabkan oleh tidak adanya pengelompokan pelanggan berdasarkan jumlah transaksi yang mereka lakukan setiap bulannya. Metode clustering dalam data mining merupakan solusi yang tepat untuk mengatasi permasalahan pengelompokkan data pelanggan. Dengan menerapkan algoritma k-means pembentukan kelompok pelanggan dimulai dengan menentukan jumlah cluster yang akan di bentuk, menentukan nilai centroid masing-masing cluster, menghitung jarak antar data, dan mengelompokkan dengan memperhitungkan jarak minimum objek. Melalui aplikasi data mining dengan metode clustering proses pengelompokan data pelanggan pada sistem e-commerce Biobses bookstore menjadi lebih mudah. Selain itu, permasalahan pada pemberian diskon tambahan dapat diatasi dan menjadi lebih mudah dengan sistem diskon yang bisa di customize setiap bulannya oleh perusahaan.

Item Type: Article
Uncontrolled Keywords: Biobses, Clustering, Data Mining, Pengelompokan
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2016
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Date Deposited: 10 Nov 2017 03:32
Last Modified: 10 Nov 2017 03:32
URI: https://repository.unikom.ac.id/id/eprint/53352

Actions (login required)

View Item View Item