<![CDATA[Dalam sebuah bisnis, diperlukan upaya memaksimalkan keuntungan. Diantaranya dengan melakukan promosi. Ketepatan promosi dapat dipelajari dari database sebuah perusahaan ritel utamanya pola belanja pada produk yang baiasa dibeli bersamaan. Informasi tentang pola belanja pelanggan yang tidak akurat menyebabkan kebijakan promosi tidak tepat dan efisien.Salah satu upaya lazim untuk memperoleh dan menggali pola belanja pelanggan adalah menggunakan data mining yang dikenal sebagai Knowledge Discovery in Database (KDD). Pendekatan yang biasa digunakan adalah asosiasi. Permasalahannya adalah aturan asosiasi cenderung mengabaikan dataset yang besar. Untuk mengatasi hal tersebut dilakukan klasifikasi barang yang dibeli dan tidak dibeli bersamaan. Algoritma Self Organizing Map (SOM) dan K-Medoids cocok untuk diterapkan dalam mengkluster dataset besar. Penelitian ini akan menguji kevalidan dan kecepatan algortima Self Organizing Map (SOM) dan K-Medoids jika dikombinasi dengan Frequent Pattern-Growth (FP-Growth).]]>
Copyrights © 2017
