Oleh I Putu Agus Hendra Krisnawan

Presentasi berjudul: "Oleh I Putu Agus Hendra Krisnawan"— Transcript presentasi:

1 Oleh I Putu Agus Hendra Krisnawan 07.41010.0096
RANCANG BANGUN SISTEM PENGELOMPOKAN PELANGGAN POTENSIAL MENGGUNAKAN METODE K-MEANS UNTUK PROMOSI PAKET WISATA (STUDI KASUS PT. BALI SINAR MENTARI) Oleh I Putu Agus Hendra Krisnawan

2 Sistem Pengelompokan Pelanggan Potensial Menggunakan Metode
Latar Belakang Paket Wisata Pelanggan Sistem Pengelompokan Pelanggan Potensial Menggunakan Metode K-means Manager

3 Perumusan Masalah Bagaimana merancang dan membangun sistem pengelompokan pelanggan potensial menggunakan metode k-means untuk promosi paket wisata (studi kasus PT. Bali Sinar Mentari).

4 Batasan Masalah Pembuatan tugas akhir ini mengambil studi kasus pada PT. Bali Sinar Mentari. Paket wisata yang disediakan perusahaan hanya untuk wisata di daerah Bali. Tidak membahas proses pemesanan dan penjualan paket wisata serta pembuatan laporan keuangan. Sistem ini hanya membahas proses input data transaksi penjualan jasa, pendaftaran pelanggan, pembuatan paket wisata.

5 Batasan Masalah Pengelompokan kategori paket wisata ditentukan oleh manajemen PT. Bali Sinar Mentari. Pelanggan yang dikelompokan adalah pelanggan yang telah terdaftar sebelumnya dan pernah memakai jasa perusahaan ini serta harus memiliki . Layanan hanya mencakup pemberian promosi kepada pelanggan. Aplikasi ini berbasis dekstop dan bahasa pemrograman yang digunakan adalah Visual Basic.Net 2005 dan Microsoft SQL Server 2005 sebagai basis datanya.

6 Tujuan Tujuan pada Tugas Akhir ini adalah menghasilkan sistem pengelompokan pelanggan potensial menggunakan metode k-means untuk promosi paket wisata (studi kasus PT. Bali Sinar Mentari).

7 Landasan Teori Sistem Informasi Sistem Informasi Data Informasi Proses
Komponen Sistem Informasi Data

8 Landasan Teori Sistem Pendukung Keputusan Fase Pengambilan Keputusan
Kerangka Kerja SPK Intellligence Design Choice Terstruktur Tak Terstruktur Semi Terstruktur

9 Interpretation and evaluation
Landasan Teori Data Mining Proses dalam Knowledge Discovery Selection Prepocessing Transformation Data Mining Interpretation and evaluation

10 Landasan Teori Clustering K-Means Clustering Eucledian Distance =
Ya Menentukan Jumlah Cluster Hitung Centroid Mulai Ada Objek Berpindah Kelompok? Hitung Jarak Objek ke Centroid Pengelompokan Berdasarkan Jarak Terdekat Tidak Selesai

11 Perancangan Sistem System Flow Diagram Berjenjang
Data Flow Diagram (DFD) Conceptual Data Model (CDM) Physical Data Model (PDM)

12 Demo Aplikasi . . .

13 Kesimpulan Pengelompokan pelanggan menggunakan metode K-Means Clustering dapat diterapkan dengan baik dan dapat menghasilkan pelanggan yang potensial pada sistem pengelompokan pelanggan potensial menggunakan metode k-means untuk promosi paket wisata (studi kasus PT. Bali Sinar Mentari). Sistem pengelompokan pelanggan potensial menggunakan metode k-means untuk promosi paket wisata (studi kasus PT. Bali Sinar Mentari) mampu mengirimkan promosi paket wisata kepada pelanggan potensial menggunakan .

14 Saran Sistem pengelompokan pelanggan ini dapat diintegrasikan dengan sistem informasi yang lain pada PT. Bali Sinar Mentari. Sehingga nantinya masing-masing sistem dapat saling bertukar data, agar data pada sistem ini dapat digunakan untuk keperluan lain. Metode K-Means Clustering merupakan salah satu metode dari sekian banyak metode pengelompokan data yang ada. Untuk itu, tidak menutup kemungkinan adanya metode yang lebih baik jika dibandingkan dengan metode K-Means Clustering ini, untuk kemudian dapat dikembangkan dalam penelitian selanjutnya.

15 Terima Kasih . . .