Download STUDI KASUS PT. BALI SINAR MENTARI

Survey
yes no Was this document useful for you?
   Thank you for your participation!

* Your assessment is very important for improving the workof artificial intelligence, which forms the content of this project

Document related concepts
no text concepts found
Transcript
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.