Penerapan Algoritma K-Means untuk Mengelompokan Penjualan Mebel
Abstract
Toko mebel menjual barang furniture untuk keperluan rumah tangga, kantor atau pun instansi. Dalam transaksi
jual beli selama ini toko mebel masih menggunakan laporan transaksi secara manual pada buku laporan. Cara
tersebut memiliki kelemahan diantaranya buku laporan tersimpan secara acak dan mudah hilang. Sehingga,
pemilik toko mebel sulit unuk mengetahui transaksi penjualan. Maka dalam mengatasi permasalahan tersebut
dilakukam penelitan untuk pencatatan tertata rapih dan mengelompokkan barang dengan menggunakan Algoritma
K-Means. Penelitian dilakukan dengan cara perhitungan manual menggunakan Microsoft Excel kemudian
dievaluasi menggunakan tools Rapidminer 9.2. Penelitian ini menghasilkan tiga clustering. Clustering 1 yaitu
cluster sedang yang mendapatkan hasil 14 kode barang, clustering 2 yaitu cluster tinggi yang mendapatkan hasil
empat kode barang, dan cluster 3 yaitu clustering rendah yang mendapatkan hasil 98 kode barang.
References
[2] K. Fatmawati and A.P.Windarto, “Data mining Penerapan RapidMiner dengan K-Means Cluster
pada daerah terjangkit Demam Berdarah Dengue berdasarkan provinsi,”Jurnal of Computer
Engineering System and Science, p.175,2018.
[3] Sulastri, H., & Gufroni, A. I. Penerapan data mining dalam pengelompokan penderita
thalassaemia. Nasional Teknologi dan Sistem Informasi, vol 2, 2017Siregar, A. M., &
Paspahuana, A.. Pengolahan Data Menjadi Informasi Dengan Rapidminer. Surakarta:
Civi.Kekata Grow. 2017
[4] Yunita, F. Penerapan Data mining Menggunakan Algoritma K-Means Clustering pada
Penerimaan Mahasiswa Baru. Jurnal Sistemasi Vol. 7 No. 3, pp 238 – 249.2018
[5] Maulidia, L. Penerapan Data mining Dalam Mengelompokkan Kunjungan Wisata Unggulan Di
Prov, DKI Jakarta Dengan K-Means. 2018
[6] MacQueen, J. 1967. Some methods for clasification and analysis of multivariate observations. In
proceedings of the Fufth Berkeley Symposium on Mathematical Statistic and Probability, Volume
1 : Statistic. Berkeley, Calif.: University of California Press.
[7] Achmad, Y. Implementasi Automatic Clustering menggunakan Differential Evolution dan CS
Measure untuk Analisis Data Kemahasiswaan. Jurnal Ilmiah NERO Vol. 1 No. 2
[8] W.M.W Mobd, A. H. Beg, T. Herawan and K. F. Rabbi, “MaxD K-means: A Clustering
Algorithm for Auto-generation of centroids and distance of data points in cluster,”
Communication in Computer and Information Science, pp. 192-199.2012
