Penerapan Algoritma K-Means Untuk Menentukan Bahan Bangunan Laris (Studi Kasus Pada UD. Toko Bangunan YD Indarung)

Baginda Harahap

Abstract

Bahan bangunan sudah menjadi kebutuhan yang harus dipenuhi dalam pembangunan, serta salah satu bisnis yang saat ini berkembang pesat yaitu bisnis properti, sehingga kebutuhan masyarakat akan tempat tinggal menjadi peluang usaha yang dicari oleh masyarakat. Oleh sebab itu, UD. Toko Bangunan YD Indarung dalam menentukan pengelompokan bahan bangunan sangat laris,  laris dan kurang laris. Pengembangan perangkat lunak dan pendukung dalam pengolahan data dalam pengambilan keputusan, penulis melakukan penelitian untuk menerapkan Data Mining K-Means yang tergolong bahan bangunan sangat laris, laris dan kurang laris.

Keywords

Clustering; K-Means; Bahan Bangunan Sangat Laris; Laris dan Kurang Laris; RapidMiner Studio.

Full Text:

PDF

References

Agustin.W.Erlin., 2016. Implementasi Metode K-measn Cluster Analysis untuk Memilih Strategi Promosi Penerimaan Mahasiswa Baru. Seminar Nasional Ilmu Komputer (SNIK 2016)-Semarang. ISSN : 978-602-1034-40-8.

Chang.E.C.dkk., 210. Using K-means method and spectral clustering technique in an outfitter’s value analysis. ©Spiringer Science+Business Media B.V. 2009.

Chowdhury.T.dkk., 2017. An Efficient MapReduce-based Adaptive K-Means Clustering for Large Dataset. 978-1-5386-1356-6/17 $31.00© IEEE.

Defit.S., 2013. Penggunaan Algoritma Apriori Dalam Menganalisa Prilaku Mahasiswa Dalam Memilih Mata Kuliah (Studi Kasus : FKIP UPI ”YPTK”). Jurnal Media Processor Vol.8, No.3, Oktober 2013.

Du.W.dkk., 2016. A New Projection-based K-Means Initialization Algorithm. Proceedings of 2016 IEE Chinese Guidance, Navigation and Controll Conference. 978-1-4673-8318-9/16/S31.00©2016 IEEE.

Gornitz.N.dkk., 2017. Support Vector Data Descriptions and k-Means Clustering : One Clas?. 2162-237X© 2017.

Hu.J.dkk., 2017. Improved K-Means Algorithm Based on Hybrid Fruit Fly Optimization and Differential Evolution. 978-1-5090-2508-4/17/$31.00©2017 IEEE.

Gu.L., 2016. A Novel Locality Sensitive k-Means Clustering Algorithm based on Subtractive Clustering. IEEE. 978-1-4673-9904-3/16/S31.00 ©2016.

Ikhwan.A.dkk., 20015. Penerapan Data Mining dengan Algoritma Fp-Growth untuk Mendukung Strategi Promosi Pendidikan. Jurnal Ilmiah SAINTIKOM Sains dan Komputer. ISSN : 1978-6603.

Ong.J.O., 2013. Implementasi Algoritma K-Means Cluster Untuk menentukan Strategi Marketing President University. Jurnal Ilmiah Teknik Industri. ISSN : 1412-6869.

Mythili.S., Madhiya.E., 2014. An Analysis on Clustering Algorithms in Data Mining. IJCSMC, Vol.3, Issue. A, January 2014, pg.334-340.

Sharma.G.dkk., 2016. Analysis of K-Means clustering for Human Capital trends. IEEE. 978-1-5090-5515-9/16/S31.00©2016.

Siska.S.T., 2016. Analisa dan penerapan Data Mining Untuk menentukan Kubikasi Air Terjual Berdasarkan pengelompokan Pelanggan menggunakan Algoritma K-Means Cluster. STMIK-AMIK Riau : Jurnal Teknologi Informasi & Pendidikan. ISSN : 20186-4981.

Tampubolon.K.dkk., 2013. Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat Kesehatan. Majalah Ilmiah Informasi dan Teknologi Ilmiah (INTI). ISSN : 2339-210X.

Widiarlina., 2015. Algoritma Cluster Dinamik untuk Optimasi Cluster pada Algoritma K-Means dalam Pemetaan nasabah Potensial. Journal of Intelligent Systems. ISSN : 2356-3982.Vol.1.

Zhong.S.dkk., 2016. The expansibility Research of K-Means Algorithm under the GPU. IEEE. 978-1-4673-9904-3/16/S31.00©2016.

Refbacks

  • There are currently no refbacks.