ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN STRATEGI PEMASARAN DI CV. INTEGREET KONSTRUKSI
##plugins.themes.academic_pro.article.sidebar##
Downloads
##plugins.themes.academic_pro.article.main##
Abstract
Semakin ketatnya persaingan bisnis, menuntut setiap perusahan untuk bekerja semaksimal mungkin agar dapat tetap unggul dalam persaingan. Salah satu caranya adalah dengan menentukan strategi pemasaran yang paling tepat guna menarik konsumen yang lebih banyak. CV.Integreet Konstruksi merupakan sebuah perusahaan jasa yang bergerak di bidang konstruksi, untuk sebuah perusahaan yang cukup besar perusahaan ini masih sering kesulitan dalam menentukan strategi pesaran seperti apa yang paling tepat, hal tersebut berdampak pada jumlah penjualan yang menurun setiap bulannya. Informasi dari data penjualan sebenarnya dapat di olah untuk dijadikan dasar dalam penentuan strategi pemasaran yang tepat. Diperlukan suatu teknik atau perangkat untuk membantu mentransformasikan data tersebut menjadi informasi berguna yaitu dengan penerapan data mining. Salah satu metode dari data mining yang dapat digunakan adalah metode Clustering, di mana metode ini akan mengidentifikasi objek yang memiliki kesamaan karakteristik tertentu. Algoritma yang digunakan untuk pembentukan cluster adalah algoritma K-Means. Dalam penelitian ini data yang digunakan adalah data penjualan dari bulan Agustus-November yang terdiri dari 212 sampel data. Cluster yang terbentuk berjumlah tiga cluster, dengan cluster pertama berjumlah 103 data, cluster dua berjumlah 58 data, dan cluster ke tiga berjumlah 51 data. Hasil dari penelitian ini dapat digunakan sebagai bahan dasar dalam penentuan strategi pemasaran yang paling tepat.
##plugins.themes.academic_pro.article.details##
Pemberitahuan Hak Cipta
Usulan kebijakan untuk jurnal yang menawarkan akses terbuka Syarat yang dibutuhkan penulis adalah sebagai berikut:
1. Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama secara bersamaan di bawah lisensi di bawah Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0), yang mengizinkan orang lain untuk menyalin dan mendistribusikan ulang materi ini dalam bentuk atau format apa pun termasuk menyusun, memodifikasi, dan membuat turunan materi ini untuk tujuan apa pun, termasuk tujuan komersial.
2. Penulis dapat membuat pengaturan kontrak terpisah untuk distribusi non-eksklusif dari versi dekaden publikasi jurnal (misalnya mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan mengakui publikasi aslinya di jurnal ini.
3. Penulis diizinkan dan didorong untuk memposting artikel secara online (misalnya di repositori institusional atau di situs web mereka) seperti pada Garuda, Academia, researchgate atau repository lainnya sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif dan kutipan artikel yang diterbitkan lebih awal dan lebih maju (periksa: Efek Akses Terbuka)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Anisya. (2020). Data Mining Dalam Prediksi Pasokan Kelapa Sawit. RANGTEKNIKJOURNAL, 21(1), 1–9. https://doi.org/10.31869/rtj.v3i1.1332
Bahar, A., Pramono, B., & Sagala, L. H. S. (2016). Penentuan strategi penjualan alat-alat tattoo di studio sonyxtattoo menggunakan metode. SemanTIK, 2(2), 75–86.
Basalamah, M. R., Athia, I., & Jannah, M. (2018). Strategi Pemasaran Yang Tepat Guna Dalam Menghadapi Persaingan Pasar UMKM. Jurnal Ketahanan Pangan, 2(2), 190–197.
Herliana, A., Setiawan, V. A., & Prasetio, R. T. (2018). Penerapan Inferensi Backward Chaining Pada Sistem Pakar Diagnosa Awal Penyakit Tulang. Jurnal Informatika, 5(1), 50-60.
Marsono. (2019). Analisis Data Mining Pada Strategi Penjualan Produk PT Aquasolve Sanaria Dengan Menggunakan Metode K-Means Clustering. Teknologi Sistem Informasi Dan Sistem Komputer TGD, 2(1), 32–41.
Metisen, B. M., & Sari, H. L. (2015). Analisis clustering menggunakan metode K-Means dalam pengelompokkan penjualan produk pada Swalayan Fadhila. Jurnal Media Infotama, 11(2), 110–118.
Mulaki, S. F., Setiyawati, N., & Wijaya, A. F. (2018). Analisis Data Mahasiswa Menggunakan Algoritma K-Means Clustering sebagai Dasar Pelaksana Promosi. JBASE - Journal of Business and Audit Information Systems, 1(2), 30–39. https://doi.org/10.30813/.v1i2.1259
Nduru, E. K., Buulolo, E., & Pristiwanto, P. (2018). IMPLEMENTASI ALGORITMA K-Modes UNTUK MENENTUKAN STRATEGI MARKETING STMIK BUDI DARMA. KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 2(1),12–19. https://doi.org/10.30865/komik.v2i1.903
Nurjoko, & Darmawan, A. (2015). Penerapan Data Mining Menggunakan Association Rules untuk Mendukung Strategi Pemasaran Calon Mahasiswa baru (Studi Kasus IBI Darmajaya). TIM Darmajaya, 01(01), 17–32.
Prasetio, R. T., & Riana, D. (2015, November). A comparison of classification methods in vertebral column disorder with the application of genetic algorithm and bagging. In 2015 4th international conference on instrumentation, communications, information technology, and biomedical engineering (ICICI-BME) (pp. 163-168). IEEE.
Prasetio, R. T., & Pratiwi, P. (2015). PENERAPAN TEKNIK BAGGING PADA ALGORITMA KLASIFIKASI UNTUK MENGATASI KETIDAKSEIMBANGAN KELAS DATASET MEDIS. Jurnal Informatika, 2(2).
Prasetio, R. T. (2014). Inventory Control Using Statistics Forecasting on Manufacture Company. Jurnal Informatika, 1(2).
Prasetio, R. T., & Ripandi, E. (2019). Optimasi Klasifikasi Jenis Hutan Menggunakan Deep Learning Berbasis Optimize Selection. Jurnal Informatika, 6(1), 100-106.
Prasetio, R. T., Rismayadi, A. A., & Anshori, I. F. (2018). Implementasi Algoritma Genetika pada k-nearest neighbours untuk Klasifikasi Kerusakan Tulang Belakang. Jurnal Informatika, 5(2), 186-194.
Prasetio, R. T., & Susanti, S. (2019). Prediksi Harapan Hidup Pasien Kanker Paru Pasca Operasi Bedah Toraks Menggunakan Boosted k-Nearest Neighbor. JURNAL RESPONSIF: Riset Sains & Informatika, 1(1), 64-69.
Prasetio, R. T. (2020). SELEKSI FITUR DAN OPTIMASI PARAMETER k-NN BERBASIS ALGORITMA GENETIKA PADA DATASET MEDIS. Jurnal Responsif: Riset Sains & Informatika, 2(2), 213-221.
Prasetio, R. T. (2020). Genetic Algorithm to Optimize k-Nearest Neighbor Parameter for Benchmarked Medical Datasets Classification. Jurnal Online Informatika, 5(2), 153-160.
Prasetio, R. T., Rismayadi, A. A., Suryana, N., & Setiady, R. (2020). Features Selection and k-NN Parameters Optimization based on Genetic Algorithm for Medical Datasets Classification. Heart Disease (SPECTF), 267(44), 2.
Ramdhani, Y., Mubarok, A., Hidayatulloh, S., & Wiguna, W. (2020). Attribute Optimization: Genetic Algorithms and Neural Network for Voice Analysis Classification of Parkinson's Disease.
Ramdhani, Y., & Mubarok, A. (2019). Analisis Time Series Prediksi Penutupan Harga Saham Antm. Jk Dengan Algoritma SVM Model Regresi. Jurnal Responsif: Riset Sains & Informatika, 1(1), 77-82.
Ramdhani, Y., Susanti, S., Adiwisastra, M. F., & Topiq, S. (2018). Penerapan Algoritma Neural Network Untuk Klasifikasi Kardiotokografi.
Ramdhani, Y., & Riana, D. (2017, November). Hierarchical Decision Approach based on Neural Network and Genetic Algorithm method for single image classification of Pap smear. In 2017 Second International Conference on Informatics and Computing (ICIC) (pp. 1-6). IEEE.
Ramdhani, Y. (2015). Komparasi Algoritma LDA Dan Naïve Bayes Dengan Optimasi Fitur Untuk Klasifikasi Citra Tunggal Pap Smear. Jurnal Informatika, 2(2).
Riana, D., Ramdhani, Y., Prasetio, R. T., & Hidayanto, A. N. (2018). Improving Hierarchical Decision Approach for Single Image Classification of Pap Smear. International Journal of Electrical and Computer Engineering (IJECE), 8(6), 5415–5424. https://doi.org/10.11591/ijece.v8i6.pp5415-5424
Wulandari, G. F. (2014). Segmantasi Pelanggan Menggunakan Algoritma K-Means Untuk Customer Relationship Management ( CRM ) Pada Hijab Miulan. Industrial Marketing Management, I(segmentasi pelanggan), 7.