1 / 15

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 07.41010.0096. Latar Belakang. Paket Wisata. Pelanggan.

shalom
Download Presentation

Oleh I Putu Agus Hendra Krisnawan 07.41010.0096

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


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

  2. LatarBelakang • PaketWisata • Pelanggan • SistemPengelompokanPelangganPotensialMenggunakanMetode • K-means • Manager

  3. PerumusanMasalah Bagaimanamerancangdanmembangunsistempengelompokanpelangganpotensialmenggunakanmetodek-meansuntukpromosipaketwisata (studikasus PT. Bali SinarMentari).

  4. BatasanMasalah • Pembuatantugasakhirinimengambilstudikasuspada PT. Bali SinarMentari. • Paketwisata yang disediakanperusahaanhanyauntukwisatadidaerah Bali. • Tidakmembahasprosespemesanandanpenjualanpaketwisatasertapembuatanlaporankeuangan. • Sisteminihanyamembahasproses input data transaksipenjualanjasa, pendaftaranpelanggan, pembuatanpaketwisata.

  5. BatasanMasalah • Pengelompokankategoripaketwisataditentukanolehmanajemen PT. Bali SinarMentari. • Pelanggan yang dikelompokanadalahpelanggan yang telahterdaftarsebelumnyadanpernahmemakaijasaperusahaaninisertaharusmemilikie-mail. • Layanane-mail hanyamencakuppemberianpromosikepadapelanggan. • Aplikasiiniberbasisdekstopdan bahasa pemrograman yang digunakan adalah Visual Basic.Net 2005 dan Microsoft SQL Server 2005 sebagai basis datanya.

  6. Tujuan TujuanpadaTugasAkhiriniadalahmenghasilkansistempengelompokanpelangganpotensialmenggunakanmetodek-meansuntukpromosipaketwisata (studikasus PT. Bali SinarMentari).

  7. LandasanTeori • SistemInformasi • Sistem • Informasi • SistemInformasi Data Informasi Proses KomponenSistem Informasi Data

  8. LandasanTeori • SistemPendukungKeputusan • FasePengambilanKeputusan • KerangkaKerja SPK Intellligence Design Choice Terstruktur Tak Terstruktur Semi Terstruktur

  9. LandasanTeori • Data Mining • ProsesdalamKnowledge Discovery Selection Prepocessing Transformation Data Mining Interpretation and evaluation

  10. LandasanTeori • Clustering • K-Means Clustering • Eucledian Distance = Ya MenentukanJumlahCluster HitungCentroid Mulai AdaObjekBerpindahKelompok? HitungJarakObjekkeCentroid PengelompokanBerdasarkanJarakTerdekat Tidak Selesai

  11. PerancanganSistem • System Flow • Diagram Berjenjang • Data Flow Diagram (DFD) • Conceptual Data Model (CDM) • Physical Data Model (PDM)

  12. Demo Aplikasi . . .

  13. Kesimpulan • PengelompokanpelangganmenggunakanmetodeK-Means Clustering dapatditerapkandenganbaikdandapatmenghasilkanpelanggan yang potensialpadasistempengelompokanpelangganpotensialmenggunakanmetodek-meansuntukpromosipaketwisata (studikasus PT. Bali SinarMentari). • Sistempengelompokanpelangganpotensialmenggunakanmetodek-meansuntukpromosipaketwisata (studikasus PT. Bali SinarMentari) mampumengirimkanpromosipaketwisatakepadapelangganpotensialmenggunakanemail.

  14. Saran • Sistempengelompokanpelangganinidapatdiintegrasikandengansisteminformasi yang lain pada PT. Bali SinarMentari. Sehingganantinyamasing-masingsistemdapatsalingbertukar data, agar data padasisteminidapatdigunakanuntukkeperluan lain. • MetodeK-Means Clustering merupakansalahsatumetodedarisekianbanyakmetodepengelompokan data yang ada. Untukitu, tidakmenutupkemungkinanadanyametode yang lebihbaikjikadibandingkandenganmetodeK-Means Clustering ini, untukkemudiandapatdikembangkandalampenelitianselanjutnya.

  15. TerimaKasih . . .

More Related