PENERAPAN K-MEDOIDS UNTUK MENGELOMPOKKAN HARGA JUAL IKLAN
Abstract
Penjualan dan pemesanan produk berupa iklan menjadi hal yang sangat penting nilainya bagi perusahaan. Peningkatan penjualan iklan akan mempengaruhi keuntungan dan pemasukan perusahaan. Pada penelitian dalam pengelompokkan harga penjualan menggunakan metode k-medoids dengan tahapan analisis data sebanyak 500 data, pra-pemrosesan (preprocessing) data dengan tahapan data cleaning atau pembersihan dari data yang tidak valid, salah, atau kosong. Kemudian transformasi data dengan mengubah platform online menjadi 0 dan print menjadi 1. Tahapan selanjutnya adalah perhitungan manual dengan algoritma k-medoids dan implementasi pada aplikasi rapidminer. Pengelompokkan menghasilkan 2 cluster yaitu cluster 1 berjumlah 68 items dan cluster 2 berjumlah 432 items. Harga yang terdiri dari (before_discount, after_discount, tax, dan after tax) dari cluster 1 lebih tinggi dari cluster 2. Cluster 1 juga mempunyai jumlah kelompok data yang lebih sedikit dibandingkan dengan cluster 2. Hal ini menunjukkan bahwa harga mempengaruhi penjualan iklan, harga yang murah akan lebih banyak dipesan. Sedangkan platform dengan nilai 0 atau online lebih banyak dipesan oleh cluster 2 dengan data pengelompokkan terbanyak. Hal ini juga menunjukkan bahwa online lebih banyak dipesan karena banyak terdapat pada cluster 2. Hasil tersebut dapat menjadi acuan bagi perusahaan untuk menentukan kebijakan dan strategi dalam penjualan atau pemesanan iklan agar lebih banyak mendapatkan keuntungan dan pemasukan.
Keywords
Full Text:
PDFReferences
Nurafni Syahfitri, Elvia Budianita, Alwis Nazir, and Iis Afrianty, “Pengelompokan Produk Berdasarkan Data Persediaan Barang Menggunakan Metode Elbow dan K-Medoid,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 3, pp. 1668–1675, 2023.
Imaduddin Syukra, Assad Hidayat, and Muhammad Zakiy Fauzi, “Implementation of K-Medoids and FP-Growth Algorithms for Grouping and Product Offering Recommendations,” Indonesian Journal of Artificial Intelligence and Data Mining (IJAIDM), vol. 2, no. 2, pp. 107–115, 2019.
Alkahfi Madani, Astriana Rahmah, Fadilah Nurunnisa, and Andi Elia, “Segmentasi Pelanggan pada BC HNI 2 Pekanbaru dengan Menerapkan Algoritma K-Medoids dan Model Recency, Frequency, Monetery (RFM),” in SENTIMAS: Seminar Nasional Penelitian dan Pengabdian Masyarakat, Institut Riset dan Publikasi Indonesia (IRPI), 2022, pp. 179–186.
Musthafa Haris Munandar, “APPLICATION OF DATA MINING IN SELECTING SUPERIOR PRODUCTS USING THE K-MEANS AND K-MEDOIDS ALGORITHM METHODS,” JURTEKSI (Jurnal Teknologi dan Sistem Informasi), vol. X, no. 4, pp. 685–692, 2024.
Rizka Zulfiana, Shofa Shofiah Hilabi, Fitria Nurapriani, and Baenil Huda, “Peningkatan Minat Digital Skill Menggunakan Algoritma K-Medoids Clustering Pada Karyawan,” Journal of Information System Research (JOSH), vol. 5, no. 3, pp. 811–818, 2024.
Dwi Utari Iswavigra, Lova Endriani Zen, Okfalisa, and Hafizah Hanim, “Marketing Strategy UMKM dengan CRISP-DM Clustering dan Promotion Mix Menggunakan Metode K-Medoids,” Jurnal Informasi dan Teknologi, vol. 5, no. 1, pp. 45–54, 2023.
Haykal Alya Mubarak, “Penerapan Algoritma K-Means dan K-Medoids Dalam Pengelompokan Data Inventaris Rig,” IJIRSE: Indonesian Journal of Informatic Research and Software Engineering, vol. 3, no. 2, pp. 127–135, 2023.
Aditya Rezky Pratama, Bima Maulana, Rahmad Didho Rianda, and Syaid El Hasyim, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Penjualan Video Game di Amerika Utara,” IJIRSE: Indonesian Journal of Informatic Research and Software Engineering, vol. 3, no. 2, pp. 111–118, 2025.
Agung Laksono Ridwan, Siswanto, and Rizka Tri Alinse, “Klasterisasi Pola Penjualan Produk Terlaris Dan Kurang Laris Pada Toko El Jhon Bengkulu Dengan Metode K-Medoid,” JURNAL KOMITEK, vol. 2, no. 2, pp. 637–642, 2022.
Alji Ridwan Syah Alam, Agisti Mutiara Ayulya, Agus Syaifullah, Della Oktoriani, and Mutiara Rahmadani, “Penerapan Data Mining Terhadap Vaksinasi Covid-19 Berdasarkan Efek Samping Setelah Vaksin Menggunakan Algoritma K-Medoids Clustering,” in SENTIMAS: Seminar Nasional Penelitian dan Pengabdian Masyarakat, Institut Riset dan Publikasi Indonesia (IRPI), 2022, pp. 105–110.
Nanda Try Luchia, Hani Handayani, Fathan Surya Hamdi, Dwi Erlangga, and Sania Fitri Octavia, “Perbandingan K-Means dan K-Medoids Pada Pengelompokan Data Miskin di Indonesia,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 2, no. 2, pp. 35–41, 2022.
Lila Agustini, Sumarno, and Ika Okta Kirana, “Pengelompokan Data Janjang Panen Kelapa Sawit Menggunakan Algoritma K-Medoids Pada PT SIR MANDAU,” Journal of Machine Learning and Data Analytics (MALDA), vol. 1, no. 1, pp. 36–44, 2022.
Hamdi Syukron, Muhammad Fauzi Fayyad, Farin Junita Fauzan, Yulia Ikhsani, and Umairah Rizkya Gurning, “Perbandingan K-Means K-Medoids dan Fuzzy C-Means untuk Pengelompokan Data Pelanggan dengan Model LRFM,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 2, no. 2, pp. 76–83, 2022.
Arief Wibowo, Moh Makruf, Inge Virdyna, and Farah Chikita Venna, “Penentuan Klaster Koridor TransJakarta dengan Metode Majority Voting pada Algoritma Data Mining,” JURNAL RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 3, pp. 565–575, 2021.
Ezy Sulastari, Herlina Latipa Sari, and Rizka Tri Alinse, “PENERAPAN METODE K-MEDOIDS DALAM CLUSTERING BARANG BERDASARKAN PENJUALAN BARANG DI TOKO AMANAH PLAFON,” Journal of Science and Social Research, vol. VII, no. 4, pp. 1489–1492, 2024.
DOI: https://doi.org/10.29100/jipi.v11i1.7414
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Website :https://jurnal.stkippgritulungagung.ac.id/index.php/jipi/index
Email: jipistkippti@gmail.com
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.