{"title":"IMPLEMENTASI DATA MINING UNTUK PENGELOMPOKAN CUSTOMER PT. KASANA TEKNINDO GEMILANG MENGGUNAKAN ALGORITMA K-MEANS","authors":"Teguh Budi Santoso","doi":"10.59134/jsk.v3i1.436","DOIUrl":null,"url":null,"abstract":"PT. Kasana Teknindo Gemilang merupakan perusahaan yang bergerak dibidang distributor penjualan dan service alat-alat berat yang berada di kawasan jakarta barat. Salah satu hal yang penting dalam pengelolaan customer adalah bagaimana suatu perusahaan dapat mempertahankan customer yang dimilikinya. Usaha untuk mempertahankan customer ini menjadi hal yang penting bagi PT. Kasana Teknindo Gemilang mengingat semakin banyaknya perusahaan-perusahaan pesaing membuat PT. Kasan Teknindo Gemilang harus mempunyai strategi baru agar dapat mempertahankan customer potensialnya dengan cara memberikan diskon.Penerapan data mining dapat membantu untuk menganalisa data yang di peroleh dari transaksi. Pada penelitian ini dilakukan dengan penggunaan algoritma K-Means, dengan harapan dapat memberikan solusi untuk penentuan customer potensial berdasarkan pengelompokan. Pada penelitian ini proses algoritma K-Means akan diimplementasikan kedalam software untuk menghasilkan penentuan penggalian data dalam mencari penentuan coustomer potensial yang selama ini data sudah ada pada PT. Kasana Teknindo Gemilang.Berdasarkan proses algoritma k-means pada penelitian ini dengan memiliki himpunan attribut yaitu: quantity, jumlah transaksi dan total harga, dapat ditarik kesimpulan berdasarkan pengelompokan dimana hasil didapat untuk menjadi titik centroid yaitu C1 (PT. Sumiden Serasi Wire Products), C2 (PT. Surya Intan Sentana Jaya), C3 (PT. Ika Maestro Industri). Dalam penelitian ini telah berhasil di buat program K-Means untuk pengelompokan customer potensial, informasi yang ditampilkan berupa nilai centroid dari tiap-tiap cluster dan kelompok-kelompok pelanggan potensial","PeriodicalId":164714,"journal":{"name":"JURNAL SATYA INFORMATIKA","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-08-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JURNAL SATYA INFORMATIKA","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.59134/jsk.v3i1.436","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
IMPLEMENTASI DATA MINING UNTUK PENGELOMPOKAN CUSTOMER PT. KASANA TEKNINDO GEMILANG MENGGUNAKAN ALGORITMA K-MEANS
PT. Kasana Teknindo Gemilang merupakan perusahaan yang bergerak dibidang distributor penjualan dan service alat-alat berat yang berada di kawasan jakarta barat. Salah satu hal yang penting dalam pengelolaan customer adalah bagaimana suatu perusahaan dapat mempertahankan customer yang dimilikinya. Usaha untuk mempertahankan customer ini menjadi hal yang penting bagi PT. Kasana Teknindo Gemilang mengingat semakin banyaknya perusahaan-perusahaan pesaing membuat PT. Kasan Teknindo Gemilang harus mempunyai strategi baru agar dapat mempertahankan customer potensialnya dengan cara memberikan diskon.Penerapan data mining dapat membantu untuk menganalisa data yang di peroleh dari transaksi. Pada penelitian ini dilakukan dengan penggunaan algoritma K-Means, dengan harapan dapat memberikan solusi untuk penentuan customer potensial berdasarkan pengelompokan. Pada penelitian ini proses algoritma K-Means akan diimplementasikan kedalam software untuk menghasilkan penentuan penggalian data dalam mencari penentuan coustomer potensial yang selama ini data sudah ada pada PT. Kasana Teknindo Gemilang.Berdasarkan proses algoritma k-means pada penelitian ini dengan memiliki himpunan attribut yaitu: quantity, jumlah transaksi dan total harga, dapat ditarik kesimpulan berdasarkan pengelompokan dimana hasil didapat untuk menjadi titik centroid yaitu C1 (PT. Sumiden Serasi Wire Products), C2 (PT. Surya Intan Sentana Jaya), C3 (PT. Ika Maestro Industri). Dalam penelitian ini telah berhasil di buat program K-Means untuk pengelompokan customer potensial, informasi yang ditampilkan berupa nilai centroid dari tiap-tiap cluster dan kelompok-kelompok pelanggan potensial