CLUSTERING DENGAN ALGORITMA K-MEANS UNTUK MENINGKATKAN PENJUALAN PADA PT PULAU BINTANG EMAS BATAM
DOI:
https://doi.org/10.33884/comasiejournal.v11i1.9012Keywords:
Data MiningAbstract
This study was conducted to study K-Means Clustering in knowledge retrieval. The purpose of this study is to obtain the results of the analysis of the application of clustering with the K-Means algorithm in determining the number of tourist interests in each travel agent that cooperates with PT Pulau Bintang Emas in Batam. The data used to support marketing strategy decisions include gender, age and travel agent, promos which are analyzed using the K-Means Clustering Algorithm so that the right customer cluster is known for the promotional approach. The data will be processed using Rapidminer data processing software with the K-Means Clustering Algorithm and a value of K = 3 so that the data will produce three clusters. The total data that has been tested using Rapidminer software is 398 records with 3 clusters obtained, namely: Cluster 0 totaling 130 items, Cluster 1 totaling 111 items and Cluster 2 totaling 157 items . With a computing speed of 0.01 seconds.
References
Shirazi, S., Baziyad, H., & Karimi, H. (2019). An Application-Based Review of Recent Advances of Data Mining in Healthcare. J Biostat Epidemiol., 5(4), 268–278.
Intermedia, Beon. (2020, Maret 17). Data Mining : Definisi, Fungsi, Metode dan Penerapannya. Diakses pada 14 Oktober 2020, dari https://www.jagoanhosting.com/blog/apa-itu-data-mining/
Prasetyo, E. (2018). Data Mining: Konsep dan Aplikasi menggunakan MATLAB. Yogyakarta: CV Andi Offset.
Ridwan, M., Suryono, H., & Sarosa, M. (2022). Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. EECCIS, 7(1), 59-64.
Kovács, L., & Ghous, H. (2020). Efficiency comparison of Python and RapidMiner. Multidiszciplináris Tudományok, 10(3), 212–220. https://doi.org/10.35925/j.multi.2020 .3.26
Pratama, M. (2020). Penerapan Metode Clustering untuk Pengelompokan Potensi Wisata di Kabupaten Sumedang (Doctoral dissertation, Universitas Komputer Indonesia).
Putri, D. L., & Santoso, H. A. (2019). Implementasi Algoritma K-Means Untuk Pengelompokan Penyakit Pasien ( Studi Kasus : Puskesmas Kajen ).
Purnomo, B. S., & Prasetyaningrum, P. T. (2021). Penerapan Data Mining Dalam Mengelompokkan Kunjungan Wisatawan Di Kota Yogyakarta Menggunakan Metode K-Means. Journal of Computer Science and Technology (JCS-TECH), 1(1), 27-32.
Rahmawati, E., & Sagirani, T. (2023). Penerapan K-Means Clustering Pada Pariwisata Kabupaten Bojonegoro Untuk Mendukung Keputusan Strategi Pemasaran. Jurnal Nasional Teknologi dan Sistem Informasi, 9(2), 141-149.
Sundari, S., Buaton, R., & Saragih, R. (2021). Clustering Kepuasan Layanan Pengguna Bus Trans Binjai Dengan Metode Cluster Data Mining Studi Kasus Dinas Perhubungan Kota Binjai. Seminar Nasional, 5.
Turban, E., Delen, D., & Sharda, R. (2018). Business intelligence, analytics, and data science: A managerial perspective. Harlow ; Munich: Pearson Prentice Hall.
Widyaningrum, S. R. (2016). Implementasi Data Mining Untuk Pengelompokkan Data Siswa Menggunakan Algoritma K-Means Clustering (Studi Kasus: SMKN 1 Kediri). Artikel Skripsi Universitas Nusantara PGRI Kediri.
Ridwan, M., Suryono, H., & Sarosa, M. (2013). Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. EECCIS, 7(1), 59-64.
Muningsih, E., & Kiswati, S. (2017). Penerapan Metode K-Means Untuk Clustering Produk Online Shop Dalam Penentuan Stok Barang. Jurnal Bianglala Informatika, 10-17.
Pattipeilohy, R. L., & Pakereng, M. A. I. (2023). Penerapan K-Means Clustering Pada Data Mahasiswa Fakultas Interdisiplin Program Studi D4 Destinasi Pariwisata Untuk Menentukan Strategi Promosi. J-SAKTI (Jurnal Sains Komputer dan Informatika), 7(1
Rumahorbo, N. R. S. S., & Arnomo, S. A. (2020). Implementasi Data Mining Untuk Market Basket Analysis Menggunakan Asosiation Rules Pada Minimarket 212 Mart Batam. Journal of Information System Research (JOSH), 1(4), 305-310.
Arnomo, S. A., & Yulia, Y. (2021). Clustering the potential bandwidth upgrade of FTTH broadband subscribers. ILKOM Jurnal Ilmiah, 13(1), 51-57.
