PEMANFAATAN DATA MINING DENGAN METODE CLUSTERING UNTUK EVALUASI BIAYA DOKUMEN EKSPOR DI PT WINSTAR BATAM

 (*)Yuli Siyamto Mail (Universitas Putera Batam Batam Jl. Raden Patah Nagoya - Batam, Indonesia)

(*) Corresponding Author

Abstract

Data Mining is a technology that already exists and grows long enough. Many companies are less use of old data stored in the database, to be used as much as possible. This research is trying to apply Data Mining technology by using the clustering method to get new knowledge, which is expected to be useful for the continuity and development of the company. The algorithm used is K-Means Clustering which is the process of grouping a number of data or objects into a cluster (group) so that each cluster will contain data that is as similar as possible and different from other cluster objects. Tests were performed with the Rapid Miner 5.3 application. The result is clustered clustering customer data suggested for the evaluation of the cost of processing the export documents.

Full Text:

PDF


Article Metrics

Abstract view : 2023 times
PDF - 1874 times

References

Alfina, T., Santosa, B. dan Barakbah, A.R. (2012).“Analisa Perbandingan Metode Hierarchical Clustering, K-Means Dan Gabungan Keduanya Dalam Cluster Data (studi kasus : problem kerja praktek jurusan teknik industri ITS)”. Jurnal Teknik ITS.1. 521-525.

Pudjiantoro, T. H., Renaldi, F. dan Teogunadi, A. (2011).“Penerapan Data Mining Untuk Menganalisis Kemungkinan Pengunduran Diri Calon Mahasiswa Baru”. Konferensi Nasional Sistem dan Informatika. 51-60.

Lindawati.(2008).“Data Mining Dengan Teknik Clustering Dalam Pengklasifikasian Data Mahasiswa Studi Kasus Prediksi Lama Studi Mahasiswa Universitas Bina Nusantara”. Seminar Nasional Informatika. 174-180.

Ediyanto, Mara, M.N. dan Satyahadewi, N. (2013). “Pengklasifikasian karakteristik Dengan Metode K-Means Cluster Analysis”. Buletin Ilmiah Mat.Stat, dan Penerapannya (Bimaster).2 (2). 133-136.

Rismawan, T.dan Kusumadewi, S. (2008).“Aplikasi K-Means Untuk Pengelompokan Mahasiswa Berdasarkan Nilai Body Mass Index (BMI) & Ukuran Kerangka”. Seminar Nasional Aplikasi Teknologi Informatika. E43-E48.

Handoyo, R., Rumani, R. dan Nasution, S.M. (2014). ”Perbandingan Metode Clustering Menggunakan Metode Single Linkage Dan K-Means Pada Pengelompokan Dokumen”. JSM STMIK Mikroskil. 15 (2). 73-82.

Suprihatin. (2011). “Klastering K-Means Untuk Penentuan Nilai Ujian”. Jusi. 1 (1). 53-62. Ikhwan, A., Nofriansyah, D. dan Sriani. (2015). “Penerapan Data Mining Dengan Algoritma Fp- Growth Untuk Mendukung Strategi Promosi Pendidikan (Studi Kasus Kampus STMIK Triguna Dharma)”. Jurnal Ilmiah SAINTIKOM. 14 (3). 211- 226.

Aravind, H.,C. Rajgopal. dan K.P. Soman. (2010).“A Simple Approach to Clustering in Excel”. International Journal of Computer Applications. 11 (7). 19-25.

Prasetyo, E. (2014).” Data Mining Mengolah Data Menjadi Informasi Menggunakan Matlab”. Yogyakarta : CV Andi Offset. Ong, J.O.(2013).“Implementasi Algoritma K-Means Clustering Untuk Menentukan Strategi Marketing Di President University”. Jurnal Ilmiah Teknik Industri. 12 (1). 10-20.

Tayal, M.A. dan Raghuwanshi, M.M. (2010). “Review on Various Clustering Methods for the Image Data”. Journal of Emerging Trends in Computing and Information Sciences. 2. 34-38.

Ridwan, M., Suyono, H. dan Sarosa, M. (2013). “Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier”. Jurnal EECCIS. 7 (1). 59-64.

Sharma, N., Bajpai, A. and Litoriya, R. (2012). “Comparison the various clustering algorithms of Weka Tools”. International Journal of Emerging Technology and Advanced Engineering. 2 73-80.

Sidhu, N.K. and Kaur, R. (2013).” Clustering In Data Mining”. International Journal of Computer Trends and Technology (IJCTT). 4. 710-7014.

Krotha, R.S. and Merugula, S. (2013). ”A Brief Survey On Document Clustering Techniques Using MATLAB”. International Journal of Computer & Organization Trends. 3. 1-6.

Sutrisno, Afriyudi, Widiyanto. (2013). ”Penerapan Data Mining Pada Penjualan Menggunakan Metode Clustering Study Kasus PT. Indomarco Palembang”. Jurnal Ilmiah Teknik Informatika Ilmu Komputer.10 (10). 1-11.

Oyelade, O. J., Oladipupo, O.O. and Obagbuwa, I.C. (2010).” Application of k-Means Clustering algorithm for prediction of Students’ Academic Performance”. (IJCSIS) International Journal of Computer Science and Information Security. 7 (1). 292-295.

Sirait, T.H. dan Ong, J.O. (2011). ”Analisis Keberhasilan Mahasiswa dengan Metode Cluster ing K-Means.”. SNASTIA. 1-6.

Ali, H. dan Wangdra, T.(2010). “Technopreneurship dalam perspektif bisnis online”. 1. Batam : Baduose Media. Mardiani. (2014).” Perbandingan Algoritma K-Means dan EM untuk Clusterisasi Nilai Mahasiswa Berdasarkan Asal Sekolah”. Citec Journal. 1 (4). 316-325.

Refbacks

  • There are currently no refbacks.


Copyright (c) 2017 MEDIA INFORMATIKA BUDIDARMA




JURNAL MEDIA INFORMATIKA BUDIDARMA
STMIK Budi Darma
Secretariat: Sisingamangaraja No. 338 Telp 061-7875998
Email: mib.stmikbd@gmail.com

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.