Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Implementasi Data Mining Metode Clustering Pada Toko Buku BI-OBSES Bandung Dengan Penerapan Algoritma K-Means
Muhammad Alfariqi NIM. (2017) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
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.
Ringkasan Alternatif
Biobses is a computer bookstore that has implemented e-commerce system on it transaction activities. The discounts granted system is also applied to e-commerce for each customer transactions. Unfortunately, the existing e-commerce is having difficulties on discount granted process especially on giving additional discounts to customers that is caused by ungrouping customerÃâs data of their amount of transaction in each month. Clustering method in data mining is the right solution to overcome the problem of grouping customerÃâs data. By applying the k-means algorithm customer group formation begins by determining the number of clusters that will be formed, specifying the value of the centroid of each cluster, calculating the distance between the data and grouping the data by considering the minimum distance of the objects. Through data mining applications with clustering method the grouping process of customer data on e-commerce system become easier. In addition, the granted of additional discounts problem can be overcome and it becomes easier with a discount system that can be customized in every month by company.