Survey
* Your assessment is very important for improving the workof artificial intelligence, which forms the content of this project
* Your assessment is very important for improving the workof artificial intelligence, which forms the content of this project
Bagaimana merancang dan membangun sistem pengelompokan pelanggan potensial menggunakan metode k-means untuk promosi paket wisata (studi kasus PT. Bali Sinar Mentari). 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. 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 e-mail. Layanan e-mail 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. 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). Sistem Informasi › Sistem › Informasi Data Informasi › Sistem Informasi Proses Data Komponen Sistem Informasi Sistem Pendukung Keputusan › Fase Pengambilan Keputusan Intellligence Design Choice Tak Terstruktur Semi Terstruktur › Kerangka Kerja SPK Terstruktur Data Mining › Proses dalam Knowledge Discovery Selection Prepocessing Transformation Data Mining Interpretation and evaluation Clustering K-Means Clustering Ya Mulai Menentukan Jumlah Cluster Hitung Jarak Objek ke Centroid Pengelompokan Berdasarkan Jarak Terdekat Eucledian Distance = Hitung Centroid Ada Objek Berpindah Kelompok? Tidak Selesai System Flow Diagram Berjenjang Data Flow Diagram (DFD) Conceptual Data Model (CDM) Physical Data Model (PDM) 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 email. 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.