Penerapan Data Mining Untuk Mengelompokkan Salesman Pada Penjualan Mobil Toyota Auto2000 Menggunakan Algoritma K-Means
DOI:
https://doi.org/10.53513/jct.v2i8.1742Abstract
Pada masa modern seperti saat ini, banyak orang yang berkeinginan bekerja di perusahaan atau organisasi dikarenakan memiliki gaji yang lumayan besar, lingkungan kerja yang baik, serta dapat bonus dari perusahaan. Oleh karena itu, di perusahaan atau organisasi tersebut memiliki banyak karyawan yang bekerja seperti salesman. Maka diperlukan suatu sistem yang bisa digunakan untuk menyeleksi karyawan yang benar-benar bekerja untuk menghindari kerugian perusahaan. Berdasarkan masalah penelitian ini, digunakan untuk menyeleksi karyawan yang memiliki produktifitas rendah dalam melakukan penjualan dikeluarkan dari perusahaan dan penelitian ini juga menggunakan data mining yang mampu Untuk Mengelompokkan Salesman Pada Penjualan Mobil Toyota Auto2000 dengan Menggunakan Algoritma K-Means yang mampu menghitung secara tepat dan konsisten.Oleh karena itu dirancang sebuah aplikasi berbasis desktop dengan menerapkan data mining algoritma K-Means untuk mengelompokkan data Salesman. Hasil yang akan diperoleh dengan menggunakan aplikasi data mining dengan metode algoritma K-Means yaitu dapat mengelompokkan data Salesman dengan cepat dan akurat.References
Yulia Darmi and Agus Setiawan, “PENERAPAN METODE CLUSTERING K-MEANS DALAM PENGELOMPOKAN PENJUALAN PRODUK,†J. Media Infotama, vol. 12, no. 2, 2016, doi: 1858-2680.
I. Sumadikarta and E. Abeiza, “PENERAPAN ALGORITMA K-MEANS PADA DATA MINING UNTUK MEMILIH PRODUK DAN PELANGGAN POTENSIAL (Studi Kasus : PT Mega Arvia Utama).â€
K. Devasenapathy and S. Duraisamy, “Evaluating the Performance of Teaching Assistant Using Decision Tree ID3 Algorithm,†2017. [Online]. Available: www.educationaldatamining.org.
Windania Purba, Willy Siawin, and Hardih, “IMPLEMENTASI DATA MINING UNTUK PENGELOMPOKKAN DAN PREDIKSI KARYAWAN YANG BERPOTENSI PHK DENGAN ALGORITMA K-MEANS CLUSTERING,†J. Sist. Inf. Ilmu Komput. Prima (JUSIKOM PRIMA, vol. 2, no. 2, 2019, doi: 2580-2879.
