Fahmi Candra, - (2019) PENERAPAN ALGORITMA CLUSTERING K-MEANS UNTUK MENENTUKAN POTENSI WILAYAH PENDISTRIBUSIAN BARANG. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 1 Cover.pdf Download (446kB) | Preview
Preview	Text 02 LEMBAR PENGESAHAN.pdf Download (290kB) | Preview
Preview	Text (abstrak) 03 Abstrak Indonesia & Inggris.pdf - Published Version Download (188kB) | Preview
Preview	Text 04 Kata Pengantar.pdf Download (470kB) | Preview
Preview	Text 06 BAB I.pdf Download (225kB) | Preview
Preview	Text 05 Daftar isi.pdf Download (384kB) | Preview
Preview	Text 07BAB II.pdf Download (1MB) | Preview
Preview	Text 08 BAB III.pdf Download (476kB) | Preview
Preview	Text 09 BAB IV.pdf Download (1MB) | Preview
	Text (BAB V) 10 BAB V.pdf - Published Version Restricted to Repository staff only Download (1MB)
Preview	Text 11 BAB VI.pdf Download (282kB) | Preview
Preview	Text 12 Daftar Pustaka.pdf Download (293kB) | Preview

Abstract

PT. Indomarco Adi Prima Pekanbaru dalam pengolahan data belum melakukan penganalisaan terhadap data yang ada, sehingga data tersebut perlu diolah untuk menghasilkan informasi-informasi penting bagi perusahaan kedepanya yang bisa membuat bussines solution dalam mengambil keputusan. Pada penelitian ini diterapkan algortima clustering k-means untuk mendapatkan informasi tentang potensi distribusi produk pada suatu daerah sesuai dengan tingkat distribusinya. Perhitungan dari algoritma ini dilakukan per bulan selama satu tahun. Data yang digunakan pada penelitian ini data pendistribusian barang selama satu tahun pada tahun 2016, dengan masing-masing tiap bulan memiliki 2860 record data. Parameter yang digunakan adalah nama barang, tujuan distribusi dan jumlah barang. Pada penelitian ini menghasilkan 3 cluster yaitu tingkat pendistribusian tinggi (C1), pendistribusian sedang (C2) dan pendistribusian rendah (C3). Pendistribusian barang untuk satu tahun yang menunjukan distribusi paling dominan tinggi terdapat pada bulan September dengan jumlah 544 produk dan November dengan jumlah 327 produk pendistribusian. Pengujian menggunakan perbandingan Between-Class Variation (BCV) dan Within-Class Variation (WCV) mendapatkan nilai rasio yang tinggi yaitu 0,0000976 dan artinya tingkat penggunaan nilai centeroid memiliki kualitas yang sangat baik. Dapat disimpulkan bahwa penerapan algoritma clustering k-means untuk menentukan potensi wilayah pendistribusian barang berhasil digunakan sesuai dengan tujuan yang diingingkan sebelumnya. Kata kunci: Between-Class Variation (BCV), Clustering K-Means, Data Mining, Pendistribusian, PT. Indomarco Adi Prima, Within-Class Variation (WCV).

Actions (login required)

View Item