BAB V

PENUTUP
5.1 Kesimpulan
Setelah dilakukan analisa, perancangan, dan pembuatan aplikasi clustering
transaksi penjualan dengan mengunakan metode PAM (Partitioning Arround
Medoid). Maka dapat ditarik kesimpulan bahwa:
1!br0ken!! Data transaksi Mega Duta omputindo terdapat dua implementasi
model cluster !aitu, "rekuensi tertinggi dari penjualan dan cluster berdasarkan
tanggal transaksi !ang kategorikan pada awal bulan, pertengahan bulan, dan akhir
bulan.
2!br0ken!! Setelah dilakukan analisa dan uji coba sistem pada sample data
transaksi penjualan, pada bulan no#ember $%&$'$%&( di Mega Duta omputindo
seban!ak $)) transaksi. Didapatkan in"ormasi bahwa cluster !ang memonopoli
penjualan "rekuensi tertinggi !aitu terletak pada pertengahan bulan mencapai
**,&+, sedangkan awal bulan mencapai (-,*., dan akhir bulan han!a &-,(),.
Sehingga disimpulkan bahwa acuan pada bulan sebelumn!a, maka pihak
perusahan akan melakukan pengkajian ulang pada item/item !ang memonopoli
penjualan tertinggi, sehingga dapat melakukan penambahan pen!etokan barang
pada item/item tertentu.
3!br0ken!! 0erdasarkan in"ormasi pada rentang waktu pertengahan bulan !ang
memonopoli transaksi tertinggi hingga mencapai **,&+, dari penjualan, maka
pihak perusahaan akan mempersiapkan segala konsep baik ketenaga kerjaan
maupun item/item tertentu !ang tidak boleh kosong.
5.2 Saran
Pada uji coba sistem !ang telah dilakukan dengan menggunakan metode PAM
(Partitioning Arround Medoid), untuk skala data besar metode ini kurang cukup
e"isien karena waktu eksekusi !ang dibutuhkan cukup lama, sehingga metode ini
dapat disandangkan pada metode 1A2A3S (Clustering Large Applications based
on Randomized Search) !ang merupakan pengembangan dari metode PAM
(Partitioning Arround Medoid).
8
7
80
DAFTAR PUSTAKA
4iawei 5an, Micheline 6amber ($%%.). Data Mining Concepts and echni!u (Second
"dition). Printed in the 7nited States o" America.
3g, 2a!mond 8.9 5an, 4iawei9 :CLARA#S $ A Method %or Clustering &b'ects %or
Spatial Data Mining(, ;<<< omputer Societ!, September ' =ctober $%%$.
>athans!ah. ($%%*). Sistem )asis Data. 0andung: Penerbit ;n"ormatika.
handra, se"ia , Antonius 2., 1ucia Dwi 6risnawati. Clustering agg Status
*aceboo+ Dengan Mengguna+an Algoritma ,-M"D&.DS
?udi @ibisono. Perbandingan Partition Around Medoids (PAM) dan ,-means
Clustering untuk /eets
http:''en.wikipedia.org'wiki'6/medoids
<nur ;rdians!ah. Penerapan Data Mining pada Pen'ualan Produ+ Minuman di P.
P"PS. Cola .ndobe0erages Mengguna+an Metode Clustering. 7ni#ersitas
6omputer ;ndonesia (73;6=M), 4l. Dipati 7kur 3o. &&$/&&., 0andung
*%&($.
S4S7 0enjamin 1am ($%%-). Data Mining 1ith Clustering and Classi%ication.
0rian S. <#eritt, Sabine 1andau, Mor#en 1eese, Daniel Stahl ($%&&), Cluster
Anal2sis, 3th "dition. @alter A. Shewhart, Samuel S. @ilks.