PENERAPAN DATA MINING DENGAN MENGGUNAKAN METODE CLUSTERING K-MEANS UNTUK TRANSAKSI PENJUALAN
OBAT PADA APOTIK RIDHO SEHAT
Total View This Week0
Total View This Week0
Institusion
Universitas Duta Bangsa
Author
KURNIAWAN, Aditya Candra
Subject
T Technology (General)
Datestamp
2021-08-05 04:09:07
Abstract :
PENERAPAN DATA MINING DENGAN MENGGUNAKAN METODE CLUSTERING K-MEANS UNTUK TRANSAKSI PENJUALAN OBAT PADA APOTIK KLINIK RIDHO SEHAT Oleh : Aditya Candra Kurniawan 160103034 Ketersediaan obat harus dikelola secara baik untuk menjamin obat yang dibutuhkan oleh masyarakat selalu tersedia dengan jumlah yang cukup dan memadai. Clusterisasi pada data mining dapat digunakan untuk menganalisa pemakaian obat yang terjadi selama ini pada apotik Ridho Sehat untuk digunakan sebagai salah satu alat bantu penunjang untuk mengajukan permintaan obat pada periode yang akan datang . Dalam perkembangannya, data mining berhubungan erat dengan analisa data, maka dari itu data mining mampu mengolah dan mengelompokan data dalam jumlah yang besar berdasarkan kesamaan dalam sekumpulan data. Algoritma K-Means merupakan metode pengelompokan yang mudah digunakan. Pada proses penentuan titik pusat klaster (centroid) awal merupakan kelemahan bagi K-Means karena sifatnya yang acak. Dalam perkembangannya, data mining berhubungan erat dengan analisa data, maka dari itu data mining mampu mengolah dan mengelompokan data dalam jumlah yang besar berdasarkan kesamaan dalam sekumpulan data. Dari 25 data transaksi obat uji di penelitian ini terdapat C1 berjumlah 10 data, C2 berjumlah 10, C3 berjumlah 5 . Pengujian menggunakan Black Box testing untuk menguji tampilan dan fungsi menu. Hasil dari pengujian menunjukan bahwa system data mining menggunkan metode k-means berjalan dengan baik. Hasil dari penelitian ini dapat mengelompokkan tingkat penjualan yang akan diolah akan mendapatkan klaster C1 yaitu obat dengan penjualan tinggi dan klaster C2 yaitu obat dengan penjualan sedang dan C3 dengan penjualan rendah yang digunakan sebagai alat rekomendasi dala melakukan permintaan obat dibulan berikutnya pada apotik Ridho Sehat sukoharjo. Kata kunci : Data mining, k-means, obat, web, php
PENERAPAN DATA MINING DENGAN MENGGUNAKAN METODE CLUSTERING K-MEANS UNTUK TRANSAKSI PENJUALAN OBAT PADA APOTIK KLINIK RIDHO SEHAT Oleh : Aditya Candra Kurniawan 160103034 Ketersediaan obat harus dikelola secara baik untuk menjamin obat yang dibutuhkan oleh masyarakat selalu tersedia dengan jumlah yang cukup dan memadai. Clusterisasi pada data mining dapat digunakan untuk menganalisa pemakaian obat yang terjadi selama ini pada apotik Ridho Sehat untuk digunakan sebagai salah satu alat bantu penunjang untuk mengajukan permintaan obat pada periode yang akan datang . Dalam perkembangannya, data mining berhubungan erat dengan analisa data, maka dari itu data mining mampu mengolah dan mengelompokan data dalam jumlah yang besar berdasarkan kesamaan dalam sekumpulan data. Algoritma K-Means merupakan metode pengelompokan yang mudah digunakan. Pada proses penentuan titik pusat klaster (centroid) awal merupakan kelemahan bagi K-Means karena sifatnya yang acak. Dalam perkembangannya, data mining berhubungan erat dengan analisa data, maka dari itu data mining mampu mengolah dan mengelompokan data dalam jumlah yang besar berdasarkan kesamaan dalam sekumpulan data. Dari 25 data transaksi obat uji di penelitian ini terdapat C1 berjumlah 10 data, C2 berjumlah 10, C3 berjumlah 5 . Pengujian menggunakan Black Box testing untuk menguji tampilan dan fungsi menu. Hasil dari pengujian menunjukan bahwa system data mining menggunkan metode k-means berjalan dengan baik. Hasil dari penelitian ini dapat mengelompokkan tingkat penjualan yang akan diolah akan mendapatkan klaster C1 yaitu obat dengan penjualan tinggi dan klaster C2 yaitu obat dengan penjualan sedang dan C3 dengan penjualan rendah yang digunakan sebagai alat rekomendasi dala melakukan permintaan obat dibulan berikutnya pada apotik Ridho Sehat sukoharjo. Kata kunci : Data mining, k-means, obat, web, php
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
