Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K Means
Abstract
This research was conducted to study data mining using K-Means algorithm which is implemented in the selection of potential customers in MC Laundry. data collected through observation and interviews conducted to the owner of the company concerned. Further data is analyzed to determine the data needed in the process of determining potential customers. From experiments conducted using K-Means algorithm and using Tanagra Software can provide accurate results in classifying potential customers.
Keywords: Data Mining, K-Means Algorithm, Tanagra Software
References
Harryanto, F. F., & Hangsung, S. (2017). Penerapan Algoritma C4.5 untuk Meprediksi Penerimaan Calon Pegawai Baru di PT. WISE. JATISI, 3(2), 95-103
Haryati, S., Aji, S., & Eko, S. (2015). Implementasi Data Mining untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma C4.5. Jurnal Media Infotama, 11(2), 130-138
Nasari, F., & Surya, D. (2015). Penerapan K-Means Clustering pada Data Penerimaan Mahasiswa Baru (Studi Kasus Universitas Potensi Utama). Seminar Nasional Teknologi Informasi dan Multimedia, 3(1), 73-78
Ndaumanu, R. I., Kusrini, K., & Rudyanto, A. (2014). Analisis Prediksi Tingkat Pengunduran Diri Mahasiswa dengan Metode K-Nearest Neighbor. JATISI, 1(1), 1-15
Pralita, F. (2010). Penerapan Jaringan Syaraf Tiruan untuk Memprediksi Jumlah Penumpang Bus dengan Metode Back Propagationâ€, Skripsi. Fakultas MIPA, Universitas Islam Indonesia
Susanto, H., & Sudiyatno. (2014). Data Mining untuk Memprediksi Prestasi Siswa Berdasarkan Sosial Ekonomi, Motivasi, Kedisiplinan dan Prestasi Masa lalu. Jurnal Pendidikan Vokasi, 4(2), 222-231
Widiarina, W., & Romi, S. W. (2015). Algoritma Cluster Dinamik untuk Optimasi Cluster pada Algoritma K-Means dalam Pemetaan Nasabah Potensial. Journal of Intelligent Systems, 1(1), 3