Clustering Data Penjualan Produk pada Toko Yudha dngan Algoritma K-Means

Authors

  • Arnold Ropen Sinaga Fakultas Teknologi Informatika Universitas Informatika dan Bisnis Indonesia
  • Gema Dodi Pranata Fakultas Teknologi Informatika Universitas Informatika dan Bisnis Indonesia

DOI:

https://doi.org/10.37278/sisinfo.v3i2.638

Keywords:

Data mining, Naive Bayes, Prestasi

Abstract

Pesatnya perkembangan teknologi informasi yang menjadikan semua informasi dapat disimpan dalam jaringan komputer, membuat munculnya sistem basis data yang sangat besar. Data Mining salah satunya, merupakan teknologi yang sangat berguna untuk membantu perusahaan menemukan informasi yang sangat penting dari gudang data (Data Warehouse). Clustering merupakan salah satu metode dalam Data Mining yang bersifat tanpa arahan (unsupersived). Penggunaan algoritma K-Means adalah dapat membantu dalam mengelompokan data, informasi yang ditampilkan berupa nilai centeroid dari tiap-tiap cluster, untuk mengelompokan barang berdasarkan data penjualan produk pada Toko Yudha.

Downloads

Published

2023-06-14

How to Cite

Sinaga, A. R., & Pranata, G. D. (2023). Clustering Data Penjualan Produk pada Toko Yudha dngan Algoritma K-Means. SISINFO : Jurnal Sistem Informasi Dan Informatika, 3(2), 135–139. https://doi.org/10.37278/sisinfo.v3i2.638

Issue

Vol. 3 No. 2 (2021): SisInfo

Section

Articles

License

Authors who publish articles in SisInfo : Jurnal Sistem Informasi dan Informatika  agree to the following terms:

  1. Authors retain copyright of the article and grant the journal right of first publication with the work simultaneously licensed under a CC-BY-SA or The Creative Commons Attribution-ShareAlike License.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).