vii
ABSTRAK
Mohamad Yogi Sukma Pradana (16180051), Penerapan Metode K-Medoids Clustering Untuk Pengelompokan Data Toko di PT Sumber Alfaria Trijaya Tbk.
Kebutuhan data toko yang akurat dan realtime merupakan kebutuhan yang pokok untuk divisi bagian kerja lokasi di PT. Sumber Alfaria Trijaya Tbk terutama di cabang bandung 2. Ketersediaan data toko tersebut harus di kelola dengan baik karena dapat menentukan data sewa toko termasuk dari penjualan. Clustering merupakan salah satu metode dalam data mining yang dapat digunakan sebagai alat bantu untuk mempermudah pekerjaan bagian lokasi pada PT Sumber Alfaria Trijaya Tbk dalam proses bisnis, baik perpanjangan sewa toko kepada pemilik dan penentuan lokasi toko baru. Metode yang digunakan pada penelitian ini adalah metode K-Medoid yang merupakan suatu metode klasterisasi dalam data mining.
Terdapat 247 data toko dan akan dibagi 3 cluster dengan perhitungan algoritma manhattan. Penelitian ini di dukung dengan software Rapidminer untuk pengolahan data toko dengan menggunakan metode K-Medoid. Hasil dari penelitian ini adalah data yang dihasilkan dapat dipergunakan untuk kebijakan bisnis di PT. Sumber Alfaria Trijaya Tbk.
Kata Kunci : Data Mining, K-Medoids.
viii
ABSTRACT
Mohamad Yogi Sukma Pradana (16180051), Implementatoin K-Medoids Clustering Methods for Grouping Store Data at PT.Sumber Alfaria Trijaya Tbk.
An accurate and realtime store data is a basic requirement for locations section at PT. Sumber Alfaria Trijaya Tbk, especially in the Bandung branch 2.
Availability of store data must be managed properly because it can determine the rental data including the sale of the store. Clustering is one of the methods in data mining that can be used as a tool to facilitate the work of the location section at PT Sumber Alfaria Trijaya Tbk in business processes, both extending store leases to owners and determining the location of new stores. The method that we used in this study is K-Medoid method, which is a clustering method in data mining.
There are 247 data stores and will be divided into 3 clusters with manhattan algorithm calculations. This research was supported by Rapidminer software for store data processing using the K-Medoid method. The results of this study are the data generated can be used for business policy at PT. Sumber Alfaria Trijaya Tbk.
Kata Kunci : Data Mining, K-Medoids, Clustering
