%L katalog1454
%D 2018
%I Universitas Kristen Duta Wacana
%X Penggunaan mesin EDC (Electronic Data Capturer) sebagai sarana transaksi sudah sangat sering digunakan oleh pelanggan. Data yang ada pasti sudah sangat banyak, tetapi terkadang data tersebut dibiarkan, tidak diolah untuk apapun, padahal data yang didapatkan dari setiap transaksi dapat diolah untuk dijadikan menjadi data yang berguna, pola transaksi misalnya. Dengan data yang sangat banyak untuk mendapatkan pola transaksi pelanggan secara manual kemungkinan memakan waktu yang lama dan tidak akurat. Klasterisasi salah satu cara untuk mendapatkan pola yang belum diketahui tersebut. Dengan cara melakukan klasterisasi, sistem dapat mengelompokkan pelanggan berdasarkan dengan kelompok yang memiliki kemiripannya masing-masing, dan setiap kelompok yang terbentuk pasti memiliki suatu kemiripan yang berujung dengan nominal transaksi yang mirip satu dengan yang lainnya. Penelitian ini akan membuat sebuah sistem yang dapat memenuhi kebutuhan diatas dengan mengimplementasikan algoritma K-Means. Dengan melakukan implementasi algoritma K-Means yang merupakan salah satu algoritma clustering berjenis unsupervised learning, sangat cocok sebagai algoritma klasterisasi yang belum diketahui kelompok seperti apakah yang akan terbentuk nantinya. Hasil pengelompokan klaster dari penelitian yang menggunakan algoritma K-Means ini sudah sesuai dengan karakteristik data yang tingkat dari jumlah nominal transaksi dipengaruhi oleh 2 atribut/fitur dengan nilai korelasi tertinggi dengan atribut nominal, yaitu umur dan jumlah penghasilan nasabah. Kesimpulan yang didapatkan bahwa semakin tinggi umur dan tingkat penghasilan, maka semakin tinggi kemungkinan bahwa jumlah nominal transaksi akan semakin tinggi juga.
%A JORDI RIADI 71140038
%T ANALISIS PROFILE PELANGGAN MENGGUNAKAN METODE K-MEANS CLUSTERING BERDASARKAN DATA ELECTRONIC DATA CAPTURER (EDC)
%K Unsupervised Learning, Klasterisasi, K-Means, Scater Plot, Euclidean Distance