PENERAPAN ALGORITMA FORGY INITIALIZATION DAN K-MEANS++ DALAM METODE K-MEANS CLUSTERING UNTUK ANALISIS DATA PENJUALAN TOKO AKSESORIS DAZZLE

Abdillah, Muhamad Hilmi (2024) PENERAPAN ALGORITMA FORGY INITIALIZATION DAN K-MEANS++ DALAM METODE K-MEANS CLUSTERING UNTUK ANALISIS DATA PENJUALAN TOKO AKSESORIS DAZZLE. Other thesis, UPN Veteran Yogyakarta.

	Text 2. Cover_123190069_Muhamad Hilmi Abdillah.pdf Download (133kB)
	Text 3. Abstrak_123190069_Muhamad Hilmi Abdillah.pdf Download (10kB)
	Text 4. Lembar Pengesahan_123190069_Muhamad Hilmi Abdillah.pdf Download (1MB)
	Text 5. Daftar Isi_123190069_Muhamad Hilmi Abdillah.pdf Download (115kB)
	Text 6. Daftar Pusaka_123190069_Muhamad Hilmi Abdillah.pdf Download (141kB)
	Text 1. Skripsi_Fulltext_123190069_Muhamad Hilmi Abdillah.pdf Restricted to Repository staff only Download (5MB)

Abstract

Semakin ketatnya persaingan dalam dunia bisnis mendorong perusahaan perusahaan untuk intensif dalam meningkatkan performa karyawan mereka. Hal ini dipicu oleh peran krusial teknologi dalam mengoptimalkan efisiensi waktu kerja dan akurasi pengolahan data. Oleh karena itu, banyak perusahaan yang beralih dari sistem manual ke sistem digital guna mengatasi lonjakan data perusahaan yang terus meningkat setiap tahun. Tantangan utama terletak pada pengelolaan bank data, terutama dalam bagian penjualan, yang jika tidak ditangani dengan baik dapat berdampak fatal bagi kelangsungan perusahaan.

Penelitian ini memiliki tujuan untuk menerapkan algoritma forgy initialization dan Kmeans++ untuk inisialisasi awal centroid dalam metode K�Means Clustering, serta melakukan valuasi jumlah cluster yang paling optimal pada clustering dengan menggunakan metode silhouette coefficient. Implementasi metode yang dilakukan pada penelitian diharapkan mampu meningkatkan tingkat akurasi pada hasil clustering.

Berdasarkan hasil penelitian yang dilakukan, penerapan algoritma Kmeans++ dalam metode K-Means Clustering dengan 2 (dua) cluster mendapatkan nilai silhouette coefficient paling tinggi sebesar 0.9232095. Hasil tersebut menunjukkan pengaruh dari penerapan Kmeans++ sebagai metode inisialisasi yang membuat hasil clustering menjadi lebih optimal.

Penelitian ini dapat dijadikan sebagai acuan untuk pemilihan metode inisialisasi awal cluster dalam K-Means Clustering sehingga hasil yang didapatkan lebih optimal sehingga resiko terhadap kesalahan strategi pemasaran dapat diminimalisir.

Kata Kunci : Forgy Initialization, Kmeans++,K-means Clustering, Silhouette coefficient

Item Type:	Thesis (Other)
Additional Information:	Muhamad Hilmi Abdillah (123190069) ; Frans Richard Kodong (Pembimbing)
Uncontrolled Keywords:	Forgy Initialization, Kmeans++,K-means Clustering, Silhouette coefficient
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Setya Pambudi
Date Deposited:	10 Apr 2025 02:05
Last Modified:	10 Apr 2025 02:05
URI:	http://eprints.upnyk.ac.id/id/eprint/42315

Actions (login required)

View Item