Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jusikom: Jurnal Sistem Informasi Ilmu Komputer
Felix Toknady Kesuma
Unknown Affiliation
Decision Sciences, Operations Research & Management

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENERAPAN DATA MINING UNTUK MENENTUKAN PENJUALAN SPAREPART TOYOTA DENGAN METODE K-MEANS CLUSTERING: data mining;k-means-clustering Saut Parsaoran Tamba; Felix Toknady Kesuma; Feryanto .
Jurnal Sistem Informasi dan Ilmu Komputer Prima(JUSIKOM PRIMA) Vol. 2 No. 2 (2019)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (362.434 KB) | DOI: 10.34012/jusikom.v2i2.376

Abstract

Semakin berkembangnya persaingan dalam dunia bisnis khususnya dalam industri penjualan sparepart mobil dan jasa serivice menuntut para pengembang untuk menemukan suatu pola yang dapat meningkatkan penjualan dan pemasaran barang di perusahaan, salah satunya adalah dengan pemanfaatan data transaksi. CV Terang Jaya merupakan perusahaan yang begerak dalam bidang Otomotif yang melayani pembelian, penjualan sparepart mobil serta memberikan service untuk berbagai merek mobil. Namun demikian kurang dalam peninjauan produk-produk apa saja yang dibutuhkan konsumen dan penyimpanan data-data yang kurang efektif. Untuk mengatasi permasalahan tersebut analisis yang digunakan yaitu penerapan Clustering dengan menggunakan Algoritma K-Means. Clustering merupakan salah satu teknik dari salah satu fungsionalitas data mining, algoritma clustering merupakan algoritma pengelompokkan sejumlah data menjadi kelompok–kelompok data tertentu (cluster). Sehingga dengan adanya pengelompokan data ini pihak perusahaan dapat mengetahui barang paling laris, laris dan tidak laris. Sehingga barang yang ada digudang tidak menumpuk. Dari penitian ini output yang dihasilakan yaitu, barang paling laris sebanyak 15, barang yang laris sebanyak 45 dan kurang laris sebanyak 13. Dengan adanya pengolahan data yang dilakukan diharapkan dapat memberikan solusi kepada pihak perusahaan agar dapat mengetahui mana barang yang paling laris, laris dan mana barang yang tidak laris.
Co-Authors Feryanto . Saut Parsaoran Tamba