Marchella, Anrisya (2020) PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA K-MEANS DALAM SISTEM CLUSTERING DATA UMKM KOTA PADANG. Diploma thesis, Universitas Andalas.
|
Text (Cover dan Abstrak)
cover dan abstrak.pdf - Published Version Download (52kB) | Preview |
|
|
Text (BAB I)
BAB I.pdf - Published Version Download (102kB) | Preview |
|
|
Text (BAB AKHIR)
BAB Akhir.pdf - Published Version Download (39kB) | Preview |
|
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf - Published Version Download (41kB) | Preview |
|
Text (SKRIPSI FULL TEXT)
full skripsi.pdf - Published Version Restricted to Repository staff only Download (6MB) |
Abstract
Usaha Mikro, Kecil, Menengah (UMKM) merupakan kegiatan usaha yang mampu memperluas lapangan kerja dan memberikan pelayanan ekonomi secara luas kepada masyarakat. Dinas Koperasi dan UMKM Kota Padang berperan dalam pendataan UMKM serta mengembangkan dan meningkatkan pendapatan usaha masyarakat Kota Padang. Namun, berdasarkan pendataan yang dilakukan, belum didapatkan informasi yang menunjukkan kelompok usaha yang memiliki kinerja usaha yang baik yang dilihat dari beberapa aspek seperti, aset dan omset usaha. Salah satu cara yang dapat dilakukan yaitu menggunakan data mining. Data UMKM diolah menggunakan metode clustering dengan algoritma K-Means untuk mengelompokkan usaha berdasarkan kinerja usaha, guna memberikan kemudahan dalam menghitung UMKM yang menghasilkan kinerja usaha yang baik, serta mengetahui daerah dan jenis UMKM mana yang termasuk ke dalam kelompok kinerja usaha yang baik. Tahapan penelitian yang dilakukan adalah identifikasi masalah, studi literatur, pengumpulan data, pre-processing data, proses clustering dengan algoritma K-Means, perancangan sistem, implementasi dan pengujian, serta analisis hasil. Pembangunan sistem pada penelitian ini menggunakan bahasa pemrograman PHP dan framework Laravel. Pengujian cluster menggunakan metode Elbow menghasilkan jumlah cluster yang terbaik, yaitu dengan tiga cluster, sehingga hasil clustering data UMKM untuk cluster satu menghasilkan jumlah anggota sebesar 12,4% dari jumlah data usaha secara kesuluruhan yang merupakan kelompok kinerja usaha yang cukup, cluster dua menghasilkan jumlah anggota sebesar 86,2% dari jumlah data usaha secara kesuluruhan yang merupakan kelompok kinerja usaha yang kurang, dan cluster tiga menghasilkan jumlah anggota sebesar 1,4% dari jumlah data usaha secara kesuluruhan yang merupakan kelompok kinerja usaha yang baik.
Item Type: | Thesis (Diploma) |
---|---|
Primary Supervisor: | Meza Silvana, M.T. |
Uncontrolled Keywords: | UMKM, Data Mining, Clustering, K-Means |
Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software |
Divisions: | Fakultas Teknologi Informasi > Sistem Informasi |
Depositing User: | s1 sistem informasi |
Date Deposited: | 29 Jan 2020 14:51 |
Last Modified: | 29 Jan 2020 14:51 |
URI: | http://scholar.unand.ac.id/id/eprint/57045 |
Actions (login required)
View Item |