PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA K-MEANS DALAM SISTEM CLUSTERING DATA UMKM KOTA PADANG

Marchella, Anrisya (2020) PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA K-MEANS DALAM SISTEM CLUSTERING DATA UMKM KOTA PADANG. Diploma thesis, Universitas Andalas.

Preview	Text (Cover dan Abstrak) cover dan abstrak.pdf - Published Version Download (52kB) | Preview
Preview	Text (BAB I) BAB I.pdf - Published Version Download (102kB) | Preview
Preview	Text (BAB AKHIR) BAB Akhir.pdf - Published Version Download (39kB) | Preview
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.

Actions (login required)

View Item