Dalam persaingan dunia bisnis saat ini, kita dituntut untuk senantiasa mengembangkan bisnis agar selalu bertahan dalam persaingan . Fachry property Land merupakan salah satu bidang usaha yang fokus di bidang property. Di mana toko ini memenuhi kebutuhan konsumen yang sedang trend saat ini. Pada Fachry Property Land terdapat beberapa permasalahan yang selalu muncul terkait penjualan. Dimana banyak karyawan yang tidak memenuhi target penjualannya. Berdasarkan hal tersebut maka diharapkan bisa mepermudah pihak Fachry Property Land dalam menilai kelayakan atas karyawannya dalam menentukan karyawan yang memenuhi target, belum memenuhi target dan tidak memenuhi target, dalam proses pengelompokan maka akan digunakan sebuah metode pengelompokan menggunakan Algoritma K-Means Clustering dengan implementasinya menggunakan sebuah software Data Mining yaitu, RapidMiner Studio versi 9.2. Dengan adanya aplikasi Rapid Miner Studio ini diharapkan pemilik Fachry Propertyland dapat melihat hasil pengelompokkan karyawan yang memenuhi target, belum memenuhi target dan tidak memenuhi target. Sehingga pemilik Fachry Propertyland dapat melakukan tindakan kepada karyawannya tersebut.
Peer Review Jurnal Bianglala
Jurnal Bianglala SEJ
Alfian, T., Sandi, A., Raharjo, M., & Putra, J. L.
(2018). CLUSTERING KESETIAAN PELANGGAN E-RITEL DENGAN MODEL RFM, 14(2), 239–246. Retrieved from
https://ejournal.nusamandiri.ac.id/index.php/pilar/article/view/74
Asroni Asroni, R. A. (2015). Penerapan Metode
K-Means Untuk Clustering Mahasiswa
Berdasarkan Nilai Akademik Dengan
Weka Interface Studi Kasus Pada Jurusan
Teknik Informatika UMM Magelang, 18(1),
76–82. Retrieved from
https://www.researchgate.net/publication/3
29831347_Penerapan_Metode_K-
Means_Untuk_Clustering_Mahasiswa_Be
rdasarkan_Nilai_Akademik_Dengan_Wek
a_Interface_Studi_Kasus_Pada_Jurusan_
Teknik_Informatika_UMM_Magelang_Impl
ementation_Method_for_K-
Means_Clusteri
Dhuhita, W. M. P. (2015). CLUSTERING
MENGGUNAKAN METODE K MEANS
UNTUK MENENTUKAN STATUS GIZI
BALITA, 15(2). Retrieved from
https://www.neliti.com/id/publications/1037
65/clustering-menggunakan-metode-k-
mean-untuk-menentukan-status-gizi-balita
Garg, S. K. dan K. (2016). Document Clustering
using Improved K-means Algorithm.
International Journal of Engineering
Research and General Science, 4(3).
Retrieved from
http://www.indianjournals.com/ijor.aspx?ta
rget=ijor:ijrss&volume=6&issue=9&article=
017
Jayant Tikmani, Sudhanshu Tiwari, S. K.
(2015). n Approach to Customer
Classification using k-means. International
Journal of Innovative Research in
Computer and Communication
Engineering, 3(11). Retrieved from
http://www.ijircce.com/upload/2015/novem
ber/29_An.pdf
M.Hasyim Siregar, S.Kom., M. K. (2018).
KLASTERISASI PENJUALAN ALAT-
ALAT BANGUNAN MENGGUNAKAN
METODE K-MEANS, 1(2), 83–91.
Retrieved from
https://ejournal.uniks.ac.id/index.php/JTO
S/article/view/24
Mardalius. (2018). PENGELOMPOKAN DATA
PENJUALAN AKSESORIS
MENGGUNAKAN ALGORITMA K-
MEANS, IV(2), 401–411. Retrieved from
https://www.researchgate.net/publication/3
30609314_PEMANFAATAN_RAPID_MIN
ER_STUDIO_82_UNTUK_PENGELOMP
OKAN_DATA_PENJUALAN_AKSESORIS
_MENGGUNAKAN_ALGORITMA_K-
MEANS
Nasari, F., & Darma, S. (2015). PENERAPAN
K-MEANS CLUSTERING PADA DATA
PENERIMAAN MAHASISWA BARU, 6–8.
Retrieved from
https://www.ojs.amikom.ac.id/index.php/se
mnasteknomedia/article/viewFile/837/801
Ong, J. O. (2013). IMPLEMENTASI
ALGORITMA K-MEANS CLUSTERING
UNTUK MENENTUKAN STRATEGI
MARKETING, (April), 10–20. Retrieved
from
http://journals.ums.ac.id/index.php/jiti/articl
e/view/651
Prasetyo, E. (2012). Data Mining Konsep dan
Aplikasi Menggunakan Matlab.
Yogyakarta: CV. Andi Offset.
Widodo. (2004). Psikologi Belajar. jakarta:
Rineka Cipta.