PENGELOMPOKAN PRODUK KOMPONEN ELEKTRONIKA DENGAN ALGORITMA K-MEANS PADA PT. JARINGAN GLOBAL ROBOTIK (TBOTICS)

PENGELOMPOKAN PRODUK KOMPONEN ELEKTRONIKA DENGAN ALGORITMA K-MEANS PADA PT. JARINGAN GLOBAL ROBOTIK (TBOTICS)

• By SUPRIYADI;
• Skripsi
• 11
• 1-50

Perkembangan robotika dalam pendidikan anak sekolah bertujuan mengintegrasikan bakat dan minat siswa, menumbuhkan kreativitas teknis, serta meningkatkan keterampilan kognitif. Di Indonesia, tantangan terkait keterbatasan tenaga pengajar dan material masih ada. PT Jaringan Global Robotik (tbotics) mengajukan kerja sama dengan sekolah untuk menyediakan tenaga pengajar dan komponen material, dengan syarat bahwa komponen yang rusak atau hilang harus diganti oleh siswa. Dengan banyaknya pembelian material komponen oleh siswa, membuat PT Jaringan Global Robotik (tbotics) sulit mengetahui barang dan komponen yang sering dibeli oleh siswa. Penelitian ini menggunakan algoritma K-Means, metode pengelompokan dalam machine learning, untuk mengelompokkan data penjualan komponen robotika. Analisis menunjukkan bahwa K-Means mampu mengidentifikasi pola dalam transaksi penjualan, menentukan produk yang paling diminati siswa. RapidMiner digunakan untuk pengujian informasi dan melihat hasil akurasi. Evaluasi menunjukkan komponen terlaris di setiap bulannya dalam satu semester dari Agustus hingga November. Berdasarkan cluster dengan nilai rata-rata titik centroid terdekat, cluster_2 sebesar (-0.000), Cluster_1 sebesar (-304.667), dan komponen tidak laris di cluster_0 sebesar (-803.710). Resistor menjadi komponen terlaris pada bulan Agustus, Oktober, dan November, sementara kancing baterai terlaris pada bulan September.

Kata kunci: Robotika dalam pendidikan, kreativitas teknis siswa, pengelompokan data penjualan dengan algoritma K-Means, machine learning, RapidMiner, analisis transaksi penjualan, komponen robotika terlaris, pola pembelian siswa, centroid cluster.

• Katakunci Robotika dalam pendidikan, kreativitas teknis siswa, pengelompokan data penjualan dengan algoritma K-Means, machine learning, RapidMiner, analisis transaksi penjualan, komponen robotika terlaris, pola pembelian siswa, centroid cluster.
• URL http://
• Penerbit Universitas Bina Sarana Informatika, Jakarta DKI Jakarta

REFERENSI

Afifi, A. A. (2020). Demand forecasting of short life cycle products using data mining techniques. IFIP Advances in Information and Communication Technology, 583 IFIP, 151–162. https://doi.org/10.1007/978-3-030-49161-1_14

Aji Dian Permana, M., Martanto, M., & Hayati, U. (2024). Analisis Pengelompokan Penjualan Menggunakan Metode K-Means Pada Bisnis Center Smk Wahidin. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 925–936. https://doi.org/10.36040/jati.v8i1.8695

Alamgir, Z., Akram, H., Karim, S., & Wali, A. (2024). Enhancing Student Performance Prediction via Educational Data Mining on Academic Data. Informatics in Education, 23(1), 1–24. https://doi.org/10.15388/infedu.2024.04

Amagata, D., Arai, Y., Fujita, S., & Hara, T. (2022). Learned k-NN Distance Estimation (Vol. 1, Issue 1). Association for Computing Machinery. http://arxiv.org/abs/2208.14210

Anjani, A., Hananto, A. L., & Shofiah, S. (2024). Klasterisasi Data Penjualan Terlaris Produk Kosmetik You Menggunakan Algoritma K-Means. 9(1), 17–25.

Bu, J., Simchi-Levi, D., & Xu, Y. (2022). Online Pricing with Offline Data: Phase Transition and Inverse Square Law. Management Science, 68(12), 8568–8588. https://doi.org/10.1287/mnsc.2022.4322

Bui, M. A., Bahtiar, A., Cirebon, K., Mining, D., Dengan, K., & Algoritma, M. (2024). Implementasi Metode Algoritma K-Means Clustering Untuk Mengelompokkan Transaksi Penjualan Barang Di Toko Arino. 8(2), 1451–1456.

Caballero González, Y. A., & García-Valcárcel Muñoz-Repiso, A. (2020). Robots en la educación de la primera infancia: aprender a secuenciar acciones usando robots programables. RIED. Revista Iberoamericana de Educación a Distancia, 24(1), 77. https://doi.org/10.5944/ried.24.1.27508

Damanik, A. R., Sumijan, S., & Nurcahyo, G. W. (2021). Prediksi Tingkat Kepuasan dalam Pembelajaran Daring Menggunakan Algoritma Naïve Bayes. Jurnal Sistim Informasi Dan Teknologi, 3, 88–94. https://doi.org/10.37034/jsisfotek.v3i3.49

Gomez-Luria, J., Guo, Y., Brocard, S., Legriel, J., Cimadomo, R., Oliveira, G. F., Singh, G., & Mutlu, O. (2022). Machine Learning Training on a Real Processing-in-Memory System. Proceedings of IEEE Computer Society Annual Symposium on VLSI, ISVLSI, 2022-July, 292–295. https://doi.org/10.1109/ISVLSI54635.2022.00064

Hutagalung, J., & Sonata, F. (2021). Penerapan Metode K-Means Untuk Menganalisis Minat Nasabah. Jurnal Media Informatika Budidarma, 5(3), 1187. https://doi.org/10.30865/mib.v5i3.3113

Ismiyana Putri, D., & Yudhi Putra, M. (2023). Komparasi Algoritma Dalam Memprediksi Perubahan Harga Saham Goto Menggunakan Rapidminer. Jurnal Khatulistiwa Informatika, 11(1), 14–20. https://doi.org/10.31294/jki.v11i1.16153

Kerimbayev, N., Nurym, N., Akramova, A., & Abdykarimova, S. (2023). Educational Robotics: Development of computational thinking in collaborative online learning. Education and Information Technologies, 28(11), 14987–15009. https://doi.org/10.1007/s10639-023-11806-5

Kholifa, N., Suarna, N., & Prihartono, W. (2024). Analisis Data Transaksi Kue Mengggunakan Metode K-Means Clustering Pada Toko Rafa Cake. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3449–3457. https://doi.org/10.36040/jati.v7i6.8221

Mufti, Y. (2022). Implementasi K-Means Clustering Menggunakan Rapidminer Untuk Mengelompokkan Perangkat Daerah Kabupaten Kebumen Pada Penggunaan Sertifikat Elektronik. Journal of Data Science Theory and Application, 1(1), 1–11. https://doi.org/10.32639/jasta.v1i1.55

Nikolaos Drakatos, & Sotiris Stavridis. (2023). The perspective of STEM education through the usage of Robotics. World Journal of Advanced Research and Reviews, 18(3), 901–913. https://doi.org/10.30574/wjarr.2023.18.3.1146

Recalde-varela, P. M. (2020). Diego Heriberto Álvarez-Peralta. 5(03), 92–104. https://doi.org/10.23857/pc.v5i3.1324

Sanchez-Rivero, J., Talaván, D., Garcia-Alonso, J., Ruiz-Cortés, A., & Murillo, J. M. (2023). Operating with Quantum Integers: An Efficient ‘Multiples of’ Oracle. Communications in Computer and Information Science, 1847 CCIS, 105–124. https://doi.org/10.1007/978-3-031-45728-9_7

Shelke, C. (2021). Machine Leaning and it’s Various Algorithms-A Study. 8(5), 258–265.

Sholeh, M., Nurnawati, E. K., & Lestari, U. (2023). Penerapan Data Mining dengan Metode Regresi Linear untuk Memprediksi Data Nilai Hasil Ujian Menggunakan RapidMiner. JISKA (Jurnal Informatika Sunan Kalijaga), 8(1), 10–21. https://doi.org/10.14421/jiska.2023.8.1.10-21

Suwarni, E., Astuti Handayani, M., Fernando, Y., Eko Saputra, F., Fitri, F., & Candra, A. (2022). Penerapan Sistem Pemasaran berbasis E-Commerce pada Produk Batik Tulis di Desa Balairejo. Jurnal Pengabdian Masyarakat Indonesia, 2(2), 187–192. https://doi.org/10.52436/1.jpmi.570

Sychugov, A. (2023). Application of Machine Learning to Analyze the Technical Characteristics and Parameters of the Rolling Stock in Operation on High-Speed Railway Lines. Bulletin of Scientific Research Results, 2023(2), 171–180. https://doi.org/10.20295/2223-9987-2023-2-171-180

Syukron Nawawi, M., Sembiring, F., & Erfina, A. (2021). Implementasi Algoritma K-Means Clustering Menggunakan Orange Untuk Penentuan Produk Busana Muslim Terlaris. Program Studi Teknik Informatika-Universitas Pgri Madiun, 789–797.

Tabianan, K., Velu, S., & Ravi, V. (2022). K-Means Clustering Approach for Intelligent Customer Segmentation Using Customer Purchase Behavior Data. Sustainability (Switzerland), 14(12), 1–15. https://doi.org/10.3390/su14127243

Wahyunisari, N., & Kurniawan, R. (2024). Penerapan Algoritma K-Means Clustering Untuk Pengelompokan Data Penjualan Pakaian ( Studi Kasus : Umkm Lima Media Kuningan ). 8(2).

Wei, L., Ma, H., Yin, Y., & Geng, C. (2023). Kmeans-CM Algorithm with Spectral Angle Mapper for Hyperspectral Image Classification. IEEE Access, 11, 26566–26576. https://doi.org/10.1109/ACCESS.2023.3257859