Penerapan Clustering Algorithm Untuk Mendukung Promosi Server Pulsa Reload

Firman Nurdiyansyah, Samsul Arifin, Fitri Marisa

Abstract


Promosi sangat diperlukan bagi setiap bidang usaha, salah satunya server pulsa reload. Dalam strategi promo hal yang perlu diketahui salah satunya adalah data sebaran pelanggan dan karakteristiknya. Salah satu metode yang dapat diterapkan untuk menggali sebaran pelanggan dan karakteristik transaksinya adalah dengan mengelompokkan pelanggan menggunakan teknik clustering Algorithm. Teknik cluetering Algorithm cocok dipilih karena dapat memunculkan beberapa kelompok-kelompok yang memiliki keterhubungan yang sebelumnya tidak diketahui atributnya. Dengan demikian dapat dijadikan sebagai pengetahuan baru bagi pihak pemilik server pulsa reload untuk dapat dimanfaatkan sesuai kebutuhannya. Dalam data training ini mengambil atribut-atribut antara lain customer, jumlah transaksi, dan alamat. Jumlah centroid yang ditentukan berjumlah 3. Hasil pengelompokan berhenti pada iterasi ke-4 dengan nilai rasio 0.0553 di iterasi ke-3 dan ke-4. Dari hasil iterasi maka terbentuk 3 kelompok yaitu : C1 {C,D,H}, C2 {A,B,E}, C3 {F,G}.


Kata Kunci - clustering algoritm, server pulsa reload, K-Means.


Full Text:

PDF (Indonesian)

References


C. Setyo, Panduan Praktis Pemrograman Database Menggunakan MySQL dan Java, Bandung: Bandung, 2006, p. 10.

J. Simarmata and I. Paryudi, Basis Data, Yogyakarta: Andi Offset, 2006.

D. T. Octafian, "Desain Database Sistem Informasi Penjualan Barang," Teknomatika, vol. 1, no. 2, 2011.

A. S. Khazari, F. Marisa and I. D. Wijaya, "SISTEM REKOMENDASI PENENTUAN JUDUL SKRIPSI MENGGUNAKAN ALGORITMA DECISION TREE," Jurnal Teknologi dan Manajemen Informatika, vol. 3, no. 1, p. 124, 2017.

F. Marisa, "Educational Data Mining (Konsep dan Penerapan)," Jurnal Teknologi Informasi, vol. 4, no. 2, 2013.

R. Sitepu, I. Irmeilyana and B. Gultom, "Analisis Cluster Terhada Tingkat Pencemaran Udara Pada Sektor Industri di Sumatra Selatan," Jurnal Penelitian Sains, vol. 14, no. 3, p. 12, 2011.




DOI: http://dx.doi.org/10.37438/jimp.v3i2.174