CLUSTERING DATA PENJUALAN PRODUK PADA RESTORAN CEPAT SAJI MENGGUNAKAN METODE ALGORITMA K-MEANS (Studi Kasus: PT. Fast Food Indonesia Tbk)

Kazte, Miseadila Fanny (2022) CLUSTERING DATA PENJUALAN PRODUK PADA RESTORAN CEPAT SAJI MENGGUNAKAN METODE ALGORITMA K-MEANS (Studi Kasus: PT. Fast Food Indonesia Tbk). Skripsi thesis, INSTITUT INFORMATIKA DAN BISNIS DARMAJAYA BANDAR LAMPUNG.

[img] Text
1. cover.pdf
Download (36kB)
[img] Text
2. abstark.pdf
Download (39kB)
[img] Text
3. halam persetujuan.pdf
Download (738kB)
[img] Text
4. daftar isi.pdf
Download (54kB)
[img] Text
5. bab 1.pdf
Download (66kB)
[img] Text
6. bab 2.pdf
Download (217kB)
[img] Text
7. bab 3.pdf
Download (398kB)
[img] Text
8. bab 4.pdf
Download (2MB)
[img] Text
9. bab 5.pdf
Download (40kB)
[img] Text
10. daftar pustaka.pdf
Download (82kB)
[img] Text
11. lampiran.pdf
Download (79kB)

Abstract

CLUSTERING DATA PENJUALAN PRODUK PADA RESTORAN CEPAT SAJI MENGGUNAKAN METODE ALGORITMA K-MEANS (Studi Kasus: PT. Fast Food Indonesia Tbk) Oleh Miseadila Fanny Kazte fannykazte@gmail.com Permasalahan yang sering terjadi pada restoran yaitu meningkatkan jumlah peminat terhadap produk yang tersedia dan semakin menurunnya konsumen yang membeli produk PT. Fast Food Indonesia khususnya KFC Kedaton Lampung. Hal ini disebabkan oleh persaingan yang dilakukan oleh perusahaan yang bergerak dalam bidang sejenis. Agar konsumen atau pelanggan yang ada tidak beralih kepada perusahaan lain dengan produk sejenis, maka perusahaan dituntut untuk lebih memahami segala kebutuhan dan keinginan konsumen, maka dari itu PT. Fast Food Indonesia perlu melakukan analisa untuk mengetahui kekurangan atau kebutuhan konsumen terhadap produk yang tersedia dengan cara menganalisa data penjualan dengan menggunakan data mining sehingga keputusan yang akan diambil akan lebih tepat. Penerapan pengolahan data clustering penjualan produk menggunakan metode Algoritma K-Means pada PT. Fast Food Indonesia dengan cara menggunakan teknik Euclidean yang melalui tahap iterasi secara berkala sehingga pengujian memberikan hasil terbaik yang dapat digunakan sebagai pengolahan pengelompokan jenis produk untuk tahun-tahun berikutnya. Kata Kunci: Data Clustering, Algoritma K-Means.

Item Type: Thesis (Skripsi)
Subjects: Ilmu Komputer
eSkripsi
Divisions: Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Sistem Informasi
Depositing User: Miseadila fanny Kazte
Date Deposited: 25 Jul 2022 02:33
Last Modified: 25 Jul 2022 02:33
URI: http://repo.darmajaya.ac.id/id/eprint/7780

Actions (login required)

View Item View Item