Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

PENERAPAN DATA MINING PADA PENJUALAN SEPEDA MOTOR KAWASAKI D

No description
by

Bije Jepiash

on 29 January 2018

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of PENERAPAN DATA MINING PADA PENJUALAN SEPEDA MOTOR KAWASAKI D

PENERAPAN DATA MINING PADA PENJUALAN SEPEDA MOTOR KAWASAKI DENGAN METODE CLUSTERING STUDY KASUS PT. SUPER SUKSES MOTOR (SSM)
TRISNAWATI
11130812

Program Studi Sistem Informasi
Sekolah Tinggi Manajemen Informatika dan Komputer
NUSA MANDIRI
2014

Latar Belakang
Informasi saat ini menjadi hal yang sangat berharga dan diminati bagi para perusahaan
Sistem informasi sebagai "satu" kunci bagi perusahaan untuk memperoleh keunggulan yang kompetitif
Seiring berkembangnya perusahaan dan bertambahnya jumlah pelanggan serta barang, maka jumlah transaksi antara pihak-pihak yang bersangkutan pun juga mengalami peningkatan.
Jumlah transaksi yang besar dan penumpukan data yang kurang dimanfaatkan
teknologi data warehouse & data mining dibutuhkan untuk memahami kegiatan pelanggan dan kecenderungan pasar untuk perencanaan strategi pengambilan keputusan bagi perusahaan
dengan pemanfaatan data mining pengolahan data yang dilakukan dapat menghasilkan informasi yang berguna bagi perusahaan
PT. Super Sukses Motor (SSM), sistem basis data operasional yang ada sekarang tidak menyediakan informasi yang dibutuhkan untuk membuat keputusan
   Untuk memenuhi kebutuhan sistem informasi ini, diperlukan suatu sistem yang berbeda dari sistem basis data operasional. Hal ini sejalan dengan paradigma data mining yang diharapkan dapat menyajikan informasi yang cepat dan akurat untuk mendukung pengambilan keputusan.
Identifikasi Masalah
1. Bagaimana cara menerapkan data mining pada penjualan motor kawasaki di PT. SSM dengan menggunakan metode Clustering.
2. Proses pengolahan data penjualan yang dihasilkan dari aplikasi yang sudah ada di PT. SSM belum dapat dijadikan suatu informasi yang bermanfaat untuk perencanaan strategis penjualan.
Rumusan Masalah
1. Tingkat penjualan motor dapat dilihat dari lokasi dealer dan tipe motor yang terdapat pada data penjualan. Data mining diharapkan dapat membantu menyajikan informasi tentang tingkat penjualan tipe motor kawasaki dengan menggunakan data penjualan motor kawasaki.
2. Bagaimana data mining yang akan diterapkan menghasilkan informasi yang berguna untuk perencanaan strategis penjualan.
Maksud Dan Tujuan
1. maksud
2. Tujuan
1. Menerapkan data mining dengan metode Clustering pada perusahaan di mana penulis bekerja agar manajemen dapat mengambil langkah strategis dalam bidang pemasaran.
2. Mempermudah menganilisis data penjualan motor pada perusahaan
3. Untuk melihat penjualan tipe motor kawasaki yang paling diminati konsumen di beberapa wilayah
4. Hasil akhir dari penerapan data mining adalah adanya sebuah grafik yang menunjukan tingkat penjualan yang tinggi terhadap penjualan motor kawasaki.
Metode Penelitian
Metode penelitian yang digunakan adalah metode analisis deskritif dengan pendekatan kuantitatif
Teknik Pengumpulan Data
Observasi
Wawancara
Studi Kepustakaan
LANDASAN TEORI
- Data
Himpunan data (data-set) merupakan kumpulan dari objek dan atributnya.
- Data Mining
Menurut Hermawati (2013:3) menyimpulkan bahwa “Data mining merupakan proses iteratif dan interaktif untuk menemukan pola atau model baru yang sahih (sempurna), bermanfaat dan dapat dimengerti dalam suatu database yang sangat besar (massive databases).”
PROSES KDD
- Clustering
Analisis cluster merupakan salah satu teknik data mining yang bertujuan untuk mengidentifikasi sekelompok obyek yang mempunyai kemiripan karakteristik tertentu yang dapat dipisahkan dengan kelompok obyek lainnya, sehigga obyek yang berada dalam kelompok yang sama relatif lebih homogen daripada obyek yang berada pada kelompok yang berbeda.
- Tujuan Analisa Cluster
1. Membuat segmen pasar (Segmenting the Market)
2. Memahami perilaku pembeli
3. Mengenali peluang baru
4. Mereduksi data
Pada clustering ukuran similaritas yang digunakan adalah Euclidiean Distance jika atributnya kontinyu, dan permasalahan lain dengan ukuran tertentu (Herawati, 2013:16).
- K-Means Clustering
Penelitian terkait
Tahapan Penelitian
Transformasi Data
Implementasi Data Mining
Metode Yang Diusulkan
Eksperimen dan pengujian model
Hasil Clustering dan Pembahasan
A. Wilayah Kalimantan Timur
B. Wilayah Kalimantan Selatan
Daftar anggota cluster wilayah Kalimantan Selatan
C. Wilayah Kalimantan Barat
Daftar anggota cluster wilayah Kalimantan Barat
D. Wilayah Kalimantan Tengah
Daftar anggota cluster wilayah Kalimantan Tengah
E. Wilayah Jakarta
Daftar anggota cluster wilayah Jakarta
Kesimpulan
1. Data mining merupakan suatu perkembangan teknologi untuk membantu berbagai perusahaan dalam menemukan informasi penting dari data warehouse atau gudang data perusahaan.
2. Pengelompokan pada wilayah Kalimantan Timur menghasilkan 3 cluster dengan anggota cluster_0 sebanyak 1099 data, cluster_1 sebanyak 77 data, dan cluster_2 sebanyak 500 data. Berdasarkan hasil analisa dengan metode Clustering K-Means tipe motor terlaris di wilayah kalimantan timur adalah KLX150 dan Ninja 250 New dengan jenis bayar menggunakan Cash dan pilihan warna Lime.
3. Pengelompokan pada wilayah Kalimantan Selatan menghasilkan 3 cluster dengan anggota cluster_0 sebanyak 400 data, cluster_1 sebanyak 151 data, dan cluster_2 sebanyak 1200 data. Berdasarkan hasil analisa dengan metode Clustering K-Means tipe motor terlaris di wilayah kalimantan timur adalah KLX150 S dan Ninja 250 New dengan jenis bayar menggunakan Cash dan pilihan warna Lime.
4. Pengelompokan pada wilayah Kalimantan Barat menghasilkan 3 cluster dengan anggota cluster_0 sebanyak 803 data, cluster_1 sebanyak 2446 data, dan cluster_2 sebanyak 152 data. Berdasarkan hasil analisa dengan metode Clustering K-Means tipe motor terlaris di wilayah kalimantan timur adalah KLX150 dan Ninja RR dengan jenis bayar menggunakan Cash dan pilihan warna Lime.
5. Pengelompokan pada wilayah Kalimantan Tengah menghasilkan 3 cluster dengan anggota cluster_0 sebanyak 39 data, cluster_1 sebanyak 11 data, dan cluster_2 sebanyak 22 data. Berdasarkan hasil analisa dengan metode Clustering K-Means tipe motor terlaris di wilayah kalimantan timur adalah KLX150 S dan Ninja 250 New dengan jenis bayar menggunakan Cash dan pilihan warna Lime.
6. Pengelompokan pada wilayah Jakarta menghasilkan 3 cluster dengan anggota cluster_0 sebanyak 1533 data, cluster_1 sebanyak 258 data, dan cluster_2 sebanyak 103 data. Berdasarkan hasil analisa dengan metode Clustering K-Means tipe motor terlaris di wilayah kalimantan timur adalah Ninja KR150 L dan Ninja 250 New dengan jenis bayar menggunakan Cash dan pilihan warna Red.
7. Pihak marketing PT. Super Sukses Motor (SSM) dapat melakukan promosi dengan mengirim tim marketing yang sesuai dengan tipe motor paling diminati pelanggan di setiap wilayah.
8. Menyediakan stok tambahan di setiap wilayah berdasarkan jumlah penjualan tipe terlaris di wilayah tersebut.
Saran
1. Menggunakan dataset dengan jumlah data yang tidak terlalu besar, untuk meningkatkan akurasi.

2. Melakukan penelitian lebih lanjut untuk mengatasi kelemahan kekurangan metode clustering k-means yang mengakibatkan pengklateran kurang efektif.

3. Mengembangkan penelitian lebih lanjut untuk menganalisa potensi lokasi dealer terhadap jumlah penjualan tipe motor.
SEKIAN
TERIMA KASIH
Daftar anggota cluster wilayah Kalimantan Timur
seleksi Atribut
Jehan Oscar Ong (06:2013) dengan judul penelitian “Implementasi algoritma K-Means Clustering untuk menentukan strategi marketing President University”.
Sutrisno, Afriyudi dan Widiyanto (11:2013) dengan judul “Penerapan Data Mining pada Penjualan Menggunakan Metode Clustering Study Kasus PT. Indomarco Palembang”.
Full transcript