Prabowo, Haryo (2012) Clustering Data Transaksi Penjualan Menggunakan Genetic K-Means Algorithm (Gka). Sarjana thesis, Universitas Brawijaya.
Abstract
Banyak informasi yang dapat digali dengan mengelompokkan data transaksi penjualan milik sebuah perusahaan ritel, diantaranya adalah dapat mengenali kelas dari produk yang banyak terjual dan mengelompokkan rata-rata jumlah transaksi dalam sehari di waktu yang berbeda. Teknik yang dapat digunakan untuk melakukan pengelompokkan data transaksi penjualan tersebut adalah clustering. Salah satu metode clustering adalah Genetic K-Means Algorithm (GKA). GKA memanfaatkan mekanisme seleksi alam milik Genetic Algorithm (GA) dan performansi yang tinggi dari K-Means. Sebagai hasilnya GKA akan lebih cepat konvergen ke optimum global. Dimana akan berdampak pada pembentukan cluster yang optimal. Pada penelitian ini, metode clustering GKA diterapkan untuk mengenali kelas dari produk yang banyak terjual dan mengelompokkan rata-rata jumlah transaksi dalam sehari di waktu yang berbeda dengan menggunakan langkah-langkah antara lain melakukan inisialisasi populasi, menghitung nilai fitness, melakukan seleksi elitism, melakukan mutasi, dan melakukan clustering dengan operator kmeans. Setelah dilakukan uji coba menggunakan evaluasi Davies–Bouldin index (DBI), algoritma GKA memiliki nilai DBI yang sama dengan K-Means. Hal ini dikarenakan, nilai fitness seluruh kromosom pada populasi terakhir yang dihasilkan GKA telah menunjukkan nilai fitness yang konvergen, sehingga menyebabkan hasil clustering GKA tidak mengalami perubahan kembali dan memiliki hasil clustering yang sama dengan K-Means.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/MIPA/2012/335/051203242 |
Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
Depositing User: | Endang Susworini |
Date Deposited: | 25 Sep 2012 15:00 |
Last Modified: | 23 Oct 2021 19:19 |
URI: | http://repository.ub.ac.id/id/eprint/153167 |
Other
Laporan.pdf Download (1MB) |
|
Preview |
Text
Lampiran_Tambahan.pdf Download (1MB) | Preview |
Other
Cover.pdf Download (1MB) |
Actions (login required)
View Item |