Penerapan Data Mining Untuk Evaluasi Data Penjualan Menggunakan Metode Clustering Dan Agoritma Hirarki Divisive Studi Kasus Toko Sembako Pujo

Ade Eka Febriyanti, Syaiful Zuhri Harahap, Masrizal Masrizal

Abstract


The larger a company, the longer the company stands, the more companies have branches, of course, the greater the data owned. These data can be consumer data, purchase data, sales data, payroll data, and many other data. All data will usually be stored in a database. But many companies, even the Information Technology (IT) division, do not realize how valuable the pile of old data generated by the company in transactions and activities. Data mining is the study of methods for generating knowledge or finding patterns for processing data. So it's not just information, it's knowledge. Data Mining has several methods including clustering. Clustering is a well-known and widely used method in data mining. The main purpose of this clustering method is to Group a number of data/objects into clusters (groups) so that the cluster will contain the same data as each group. In this study, Divisive hierarchy algorithm is used to form clusters. From the pattern obtained is expected to provide knowledge for the company Media World Pekanbaru as a supporting tool to take policy.


Keywords


Divisive Hierarchy Algorithm, Clustering, Data Mining.

Full Text:

PDF

References


A. K. Patnaik, P. K. Bhuyan, and K. V. Krishna Rao, “Divisive Analysis (DIANA) of hierarchical cluster-ing and GPS data for level of ser-vice criteria of urban streets,” Alexandria Eng. J., vol. 55, no. 1, pp. 407–418, 2016, doi: 10.1016/j.aej.2015.11.003.

A. R. Jannah, D. Arifianto, and M. Kom, “Penerapan Metode Clustering dengan Algoritma K-Means untuk Prediksi Kelulusan Mahasiswa Ju-rusan Teknik Informatika di Un-iversitas Muhammadiyah Jember,” J. Manaj. Sist. Inf. dan Teknol., vol. 1, no. 1210651237, pp. 1–10, 2015.

D. Juliawan, F. Amir, and E. Desi, “Pene-rapan Data Mining Metode Clus-tering Pada CV. Secom Infotech Menggunakan Algoritma K-Means,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. September, p. 96, 2019, doi: 10.30645/senaris.v1i0.12.

D. Missa, S. Achmadi, and A. Mahmudi, “Penerapan Metode Clustering Dengan Algoritma K-Means Pada Pengelompokan Data Penghasilan Orang Tua Siswa,” JATI (Jurnal Mhs. Tek. Inform., vol. 5, no. 1, pp. 125–133, 2021, doi: 10.36040/jati.v5i1.3275.

Dodi Nofri Yoliad, “Data mining Dalam Analisis Tingkat Penjualan Barang ElektronikMenggunakan Al-goritma K-means,” Insearch (In-formation Syst. Res. J., vol. 3, no. 1, 2023.

E. D. Purnamasari et al., “Critical Success Factors In Agile Software Project : Case Study Astra Gra-phia Information Technology,” vol. 3, pp. 4997–5006, 2023.

E. K. A. Rizkiyanti, “Penerapan Metode K-Means Clustering Pada Sistem Pendukung Keputusan Penentuan Kualitas Beras Berdasarkan Ciri Fisik,” Skripsi. Tidak diterbitkan. Fak. Sains dan Teknol. Univ. Is-lam Negeri Sultan Syarif Kasim Riau Pekanbaru, 2021.

I. A. Kasoqi, M. N. Hayati, and R. Goe-jantoro, “Pengelompokan Desa Atau Kelurahan Di Kutai Karta-negara Menggunakan Algoritma Divisive Analysis,” J. Stat. Univ. Muhammadiyah Semarang, vol. 9, no. 2, p. 101, 2021, doi: 10.26714/jsunimus.9.2.2021.101-108.

I. W. Rahayu, I. Atastina, and A. Herdia-ni, “Analisis Dan Implementasi Algoritma Agglomerative Hierar-chical Untuk Deteksi Komunitas Pada Media Sosial Facebook,” e-Proceeding Eng., vol. 5, no. 1, pp. 1460–1468, 2018.

N. Agustin, “Hierarchical Agglomerative Clustering Pada Klasifikasi Pro-duk Susu Formula Bayi Di Bawah Umur 1 Tahun Di Hypermart Ko-ta Malang,” 2022.

O. Somantri, S. Wiyono, and D. Dairoh, “Metode K-Means untuk Optima-si Klasifikasi Tema Tugas Akhir Mahasiswa Menggunakan Support Vector Machine (SVM),” Sci. J. Informatics, vol. 3, no. 1, pp. 34–45, 2016, doi: 10.15294/sji.v3i1.5845.

R. Kurniawan and R. Dewi, “Penerapan Algoritma K-Means Clustering Dalam Persentase Merokok Pada Penduduk Umur Di Atas 15 Ta-hun Menurut Provinsi,” J. Sist. Komput. dan Inform. Hal, vol. 2, no. 2, pp. 178–186, 2021, doi: 10.30865/json.v2i2.2770.

R. Takdirillah, “Penerapan Data Mining Menggunakan Algoritma Apriori Terhadap Data Transaksi Sebagai Pendukung Informasi Strategi Penjualan,” Edumatic J. Pendi-dik. Inform., vol. 4, no. 1, pp. 37–46, 2020, doi: 10.29408/edumatic.v4i1.2081.

Ramadhana, Islamiyah, and A. P. A. Ma-sa, “Penerapan Data Mining Menggunakan Metode K-Means Clustering Pada Data Ekspor Ba-tubara,” Adopsi Teknol. dan Sist. Inf., vol. 2, no. 1, pp. 35–42, 2023, doi: 10.30872/atasi.v2i1.595.

S. W. Hadi, M. F. Julianto, S. Rahmatul-lah, and W. Gata, “Analisa Clus-ter Aplikasi Pada App Store Den-gan Menggunakan Metode K-Means,” Bianglala Inform., vol. 8, no. 2, pp. 86–90, 2020, doi: 10.31294/bi.v8i2.8191.

T. Tonny, I. R. Munthe, and M. H. Mu-nandar, “Perancangan Aplikasi Pengenalan Tokoh Penemu Ben-da-Benda Penting Di Dunia Ber-basis Android Menggunakan Me-tode Sequential Search,” MEANS (Media Inf. Anal. dan Sist., vol. 6, no. 1, pp. 90–94, 2021, doi: 10.54367/means.v6i1.1254.

W. Apriani, “Jurnal Mantik Jurnal Man-tik,” Sist. Pendukung Keputusan Pemilihan Pimpinan Dengan Me-tod. Multi Attrib. Util. Theory di PT. Sagami Indones., vol. 3, no. 2, pp. 10–19, 2019.

W. Lestari, “Clustering Data Mahasiswa Menggunakan Algoritma K-Means Untuk Menunjang Strategi Promosi (Studi Kasus : STMIK Bina Bangsa Kendari),” Simkom, vol. 4, no. 2, pp. 35–48, 2019, doi: 10.51717/simkom.v4i2.37.

W. W. Kristianto and C. Rudianto, “Pe-nerapan Data Mining Pada Penju-alan Produk Menggunakan Me-tode K-Means Clustering (Studi Kasus Toko Sepatu Kakikaki),” J. Pendidik. Teknol. Inf., no. 5, pp. 90–98, 2020.

W. Widyawati, W. L. Y. Saptomo, and Y. R. W. Utami, “Penerapan Ag-glomerative Hierarchical Cluster-ing Untuk Segmentasi Pelang-gan,” J. Ilm. SINUS, vol. 18, no. 1, p. 75, 2020, doi: 10.30646/sinus.v18i1.448.

Z. Muttaqin, “Implementasi Unsuper-vised Learning Pada Nilai Jasmani Kesamaptaan Sekolah Polisi Negara Dengan Metode Cluster-ing Analysis,” PROSISKO J. Pengemb. Ris. dan Obs. Sist. Komput., vol. 10, no. 1, pp. 18–23, 2023, doi: 10.30656/prosisko.v10i1.6269.




DOI: https://doi.org/10.36987/informatika.v12i3.6161

Hasil gambar untuk committee on publication ethics logo

Jurnal ini mengikuti pedoman dari Committee on Publication Ethics (COPE)dalam menghadapi semua aspek etika publikasi dan, khususnya, bagaimana menangani kasus penelitian dan kesalahan publikasi. Pernyataan ini menjelaskan etika perilaku semua pihak yang terlibat dalam proses penerbitan artikel di jurnal ini, termasuk Penulis, Pemimpin Redaksi, Dewan Redaksi, Mitra Bebestari, dan Penerbit (Akademi Kepolisian Republik Indonesia). INFORMATIKA berkomitmen untuk mengikuti praktik terbaik tentang masalah etika, kesalahan, dan pencabutan. Pencegahan malpraktek publikasi merupakan salah satu tanggung jawab penting dewan redaksi. Segala jenis perilaku tidak etis tidak dapat diterima, dan jurnal tidak mentolerir plagiarisme dalam bentuk apa pun.

 

INFORMATIKA
Journal URL: https://jurnal.ulb.ac.id/index.php/informatika
Journal DOI: 10.36987/informatika
P-ISSN: 2303-2863
E-ISSN: 2615-1855

Alamat Redaksi :
Fakultas Sains dan Teknologi, Universitas Labuhanbatu
Gedung Fakultas Sains dan Teknologi,
Jalan Sisingamangaraja No.126 A KM 3.5 Aek Tapa, Bakaran Batu, Rantau Sel., Kabupaten Labuhan Batu, Sumatera Utara 21418