Penerapan Data Mining Dalam Pengelompokan Data Reseller di Telkomsel Authorized Partner (TAP) Deli Tua Dengan Algoritma K-Means

Dwina Pri Indini, Mesran, Dito Putro Utomo, Daftar Pustaka
{"title":"Penerapan Data Mining Dalam Pengelompokan Data Reseller di Telkomsel Authorized Partner (TAP) Deli Tua Dengan Algoritma K-Means","authors":"Dwina Pri Indini, Mesran, Dito Putro Utomo, Daftar Pustaka","doi":"10.33998/mediasisfo.2023.17.2.1391","DOIUrl":null,"url":null,"abstract":"Perkembangan dunia kerja membuat Telkomsel Authorized Partner (TAP) Deli Tua harus bersaing dalam mempertahankan reseller. Proses yang dapat dilakukan untuk mempertahankan reseller pada TAP Deli Tua yaitu dengan mengelompokan reseller menjadi 2 kelompok yaitu reseller prioritas dan reseller non-prioritas. Proses penentuan reseller prioritas dan non-prioritas dapat dilihat berdasarkan dengan data penjualan yang sudah tersimpan pada TAP Deli Tua. Namun, proses pengelompokan harus dilakukan dengan baik dan benar. Dalam melakukan pengelompokan data reseller TAP Deli Tua harus teliti, maka dalam pemrosesan pengolahan data reseller yang melakukan order produk dilakukan dengan data mining dengan teknik clustering. Penelitian ini menggunakan algoritma K-Means yang dapat membagi data menjadi beberapa cluster yang diperlukan. Dengan adanya penerapan data mining dengan algoritma K-Means dapat membantu dalam mengelompokan data reseller di TAP Deli Tua. Hasil penelitian ini memperlihatkan bahwa data mining dengan penerapan algoritma K-Means dapat membantu TAP Deli Tua dalam menghasilkan keputusan yang lebih efektif dalam pengelompokan data reseller sehingga dapat mengetahui reseller prioritas dan reseller non-prioritas. Dari 15 data sampel 12 reseller berada dalam cluster 0 dan 3 reseller berada dalam cluster 1.","PeriodicalId":259845,"journal":{"name":"Jurnal Ilmiah Media Sisfo","volume":"65 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-10-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Ilmiah Media Sisfo","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.33998/mediasisfo.2023.17.2.1391","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Perkembangan dunia kerja membuat Telkomsel Authorized Partner (TAP) Deli Tua harus bersaing dalam mempertahankan reseller. Proses yang dapat dilakukan untuk mempertahankan reseller pada TAP Deli Tua yaitu dengan mengelompokan reseller menjadi 2 kelompok yaitu reseller prioritas dan reseller non-prioritas. Proses penentuan reseller prioritas dan non-prioritas dapat dilihat berdasarkan dengan data penjualan yang sudah tersimpan pada TAP Deli Tua. Namun, proses pengelompokan harus dilakukan dengan baik dan benar. Dalam melakukan pengelompokan data reseller TAP Deli Tua harus teliti, maka dalam pemrosesan pengolahan data reseller yang melakukan order produk dilakukan dengan data mining dengan teknik clustering. Penelitian ini menggunakan algoritma K-Means yang dapat membagi data menjadi beberapa cluster yang diperlukan. Dengan adanya penerapan data mining dengan algoritma K-Means dapat membantu dalam mengelompokan data reseller di TAP Deli Tua. Hasil penelitian ini memperlihatkan bahwa data mining dengan penerapan algoritma K-Means dapat membantu TAP Deli Tua dalam menghasilkan keputusan yang lebih efektif dalam pengelompokan data reseller sehingga dapat mengetahui reseller prioritas dan reseller non-prioritas. Dari 15 data sampel 12 reseller berada dalam cluster 0 dan 3 reseller berada dalam cluster 1.
利用 K-Means 算法对 Telkomsel 授权合作伙伴 (TAP) Deli Tua 的经销商数据进行分组的数据挖掘应用
工作领域的发展使得 Telkomsel 授权合作伙伴 (TAP) Deli Tua 必须在留住代理商方面展开竞争。TAP Deli Tua 保留经销商的方法是将经销商分为两组,即优先经销商和非优先经销商。根据 TAP Deli Tua 存储的销售数据,可以看出确定优先和非优先经销商的过程。但是,分组过程必须正确无误。在对 TAP Deli Tua 的经销商数据进行分组时,必须小心谨慎,因此在处理订购产品的经销商数据时,要使用聚类技术进行数据挖掘。本研究使用的 K-Means 算法可以将数据划分为所需的群组。使用 K-Means 算法进行数据挖掘有助于对 TAP Deli Tua 的经销商数据进行聚类。研究结果表明,采用 K-Means 算法的数据挖掘可以帮助 TAP Deli Tua 在对经销商数据进行分组时做出更有效的决策,从而找出优先经销商和非优先经销商。在 15 个样本数据中,12 个经销商属于第 0 组,3 个经销商属于第 1 组。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信