Implementasi Algortima K-Means Data Penjualan UMKM Hijab Leshamysha
INTEGER: Journal of Information Technology · 2025
DOI: 10.31284/j.integer.0.v10i2.8282 ↗Kurz gefasst
Fachartikel in der Zeitschrift INTEGER: Journal of Information Technology, 2025. Verfasst von Raka Panangkaran Ferdinandus und 3 weiteren Autor:innen.
Abstract (Originalsprache)
Algoritma K-Means digunakan untuk pengelompokan data berdasarkan kemiripan. Metode K-Means digunakan untuk penelitian ini untuk mengidentifikasi produk penjualan di UMKM Hijab Leshamysha. Dataset yang digunakan berasal dari data penjualan selama tahun 2023, yang mencakup 38 item produk. Dalam implementasinya, dilakukan dua pendekatan: K-Means standar dan K-Means dengan centroid menggunakan nilai rata-rata (mean) dan varian. Proses clustering diuji dan dievaluasi menggunakan dua metrik, yaitu Sum of Squared Error (SSE) dan Davies-Bouldin Index (DBI). Hasil evaluasi menunjukkan bahwa metode K-Means dengan centroid awal memberikan hasil clustering nilai SSE 0,9215 dan DBI 1,6697 yang menunjukkan tingkat kedekatan data cukup baik. K-Means dengan pendekatan Centroid menghasilkan nilai SSE 41,3127 dan DBI 2,3607 yang menujukkan tingkat keseragaman cukup tinggi
Zitieren
APA
Ferdinandus, R. P., Nugroho, H., Firmansyah, M. R. D. E., & Yuliastuti, G. E. (2025). Implementasi Algortima K-Means Data Penjualan UMKM Hijab Leshamysha. INTEGER: Journal of Information Technology. https://doi.org/10.31284/j.integer.0.v10i2.8282
Vancouver
Ferdinandus RP, Nugroho H, Firmansyah MRDE, Yuliastuti GE. Implementasi Algortima K-Means Data Penjualan UMKM Hijab Leshamysha. INTEGER: Journal of Information Technology. 2025. doi:10.31284/j.integer.0.v10i2.8282
BibTeX
@article{Ferdinandus2025,
author = {Ferdinandus, Raka Panangkaran and Nugroho, Hendro and Firmansyah, Muhammad Rafel Daffa Eka and Yuliastuti, Gusti Eka},
title = {Implementasi Algortima K-Means Data Penjualan UMKM Hijab Leshamysha},
journal = {INTEGER: Journal of Information Technology},
year = {2025},
doi = {10.31284/j.integer.0.v10i2.8282}
}
EUVIMED