PERBANDINGAN KINERJA K-MEANS DENGAN DBSCAN UNTUK METODE CLUSTERING DATA PENJUALAN ONLINE RETAIL

Bena Siti Ashari, Steven Christ Otniel, Rianto Rianto

Abstract


Perkembangan Online Shop melalui media internet sudah dikenal oleh masyarakat saat ini. Beragam kemudahan dalam berbelanja dan bermacam jenis produk maupun jasa yang ditawarkan membuat masyarakat menjadikan Online Shop sebagai salah satu sarana yang sering digunakan. Mengetahui karakteristik dari penjualan yang terjadi merupakan suatu hal sangat bermanfaat bagi peningkatan penjualan. Terdapat berbagai metode yang dapat digunakan dalam pengelompokan data, diantaranya : K-Means dan DBSCAN. Belum diketahuinya kinerja kedua metode ini, sehingga perlu pemahaman yang baik ketika akan menggunaknnya. Tujuan dari penelitian ini untuk melakukan pengelompokan data penjualan menggunakan metode K-Means dan DBSCAN. Percobaan dilakukan menggunakan dataset sebanyak 500 data dan memiliki 3 atribut: deskripsi, kuantitas barang per transaksi dan harga barang per unit. Hasilnya percobaan pada penelitian ini menunjukan, penerpapan K-Means menghasilkan 3 cluster dengan masing-masing berjumlah 103 anggota, 261 anggota dan 134 anggota. Sedangkan menggunakan DBSCAN dengan epsilon 1,005 dan minimum points 11 menghasilkan 3 cluster dengan masing-masing berjumlah 30 anggota, 47 anggota dan 347 anggota, serta 74 data noise.

Full Text:

PDF 64-67

References


] F. Rahadi, "Pengertian Pemrosesan Data," p. 1, 14 November 2011.

] N. P. I. S. I. Devi, "Implementasi Metode Clustering DBSCAN pada Proses Pengambilan Keputusan," vol. 6, p. 3, 2015.

] A. H. Astqolani, Online Shop di Era Multi Technology, 2013.

] A. I. G. Heni Sulastri, "PENERAPAN DATA MINING DALAM PENGELOMPOKAN PENDERITA THALASSEMIA," Jurnal Nasional Teknologi dan Sistem Informasi, vol. 03, 2017.

] B. Santosa, Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis, Yogyakarta: Graha Ilmu, 2007.

] D. S. D. I. Sisca Agustin Diani Budiman, "PERBANDINGAN METODE K- MEANS DAN METODE DBSCAN PADA PENGELOMPOKAN RUMAH KOST MAHASISWA DI KELURAHAN TEMBALANG SEMARANG," Jurnal Gaussian, vol. 5, pp. 757-762, 2016.

] S. Santoso, Statistik Multivariant, Jakarta: Alex Media Komputindo, 2010.

] E. Prasetyo, Data Mining Konsep dan Aplikasi menggunakan MATLAB, Yogyakarta: Andi, 2012.

] P. S. M. K. V. Tan, Introduction to Data Mining, New York: Pearson Addison Wesley, 2006.

] Eriyanto, Teknik Sampling Analisis Opini Publik, Yogyakarta: LKis Yogyakarta, 2007.




DOI: https://doi.org/10.37058/jssainstek.v5i2.1283

Refbacks

  • There are currently no refbacks.