Dynamic Time Warping Pada Metode K-Means Untuk Pengelompokan Data Trend Penjualan Produk
(1) Program Studi Teknik Informatika, Fakultas Teknik, Universitas Bhayangkara Surabaya
(2) Program Studi Teknik Informatika, Fakultas Teknik, Universitas Bhayangkara Surabaya
(3) Program Studi Teknik Informatika, Fakultas Teknik, Universitas Bhayangkara Surabaya
(*) Corresponding Author
Abstrak
Kata Kunci
Teks Lengkap:
PDFReferensi
[1] S. Hanifah, F. Akbar, and R. P. Santi, “Implementasi Business Intelligence dan Prediksi Menggunakan Regresi Linear pada Data Penjualan dan Breakage di PT XYZ,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 8, no. 3, pp. 144–152, Dec. 2022, doi: 10.25077/TEKNOSI.V8I3.2022.144-152.
[2] S. Kasus, B. M. Al-Fahmi, E. Rahmawati, and T. Sagirani, “Penerapan K-Means Clustering Pada Pariwisata Kabupaten Bojonegoro Untuk Mendukung Keputusan Strategi Pemasaran,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 9, no. 2, pp. 141–149, Aug. 2023, doi: 10.25077/TEKNOSI.V9I2.2023.141-149.
[3] R. E. van Ruitenbeek, G. M. Koole, and S. Bhulai, “A hierarchical agglomerative clustering for product sales forecasting,” Decision Analytics Journal, vol. 8, p. 100318, Sep. 2023, doi: 10.1016/J.DAJOUR.2023.100318.
[4] S. Lee, S. Ko, A. H. Roudsari, and W. Lee, “A deep learning model for predicting the number of stores and average sales in commercial district,” Data & Knowledge Engineering, vol. 150, p. 102277, Mar. 2024, doi: 10.1016/J.DATAK.2024.102277.
[5] G. Gustientiedina, M. H. Adiya, and Y. Desnelita, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 5, no. 1, pp. 17–24, 2019, doi: 10.25077/teknosi.v5i1.2019.17-24.
[6] W. Afifi, D. R. Nastiti, and Q. Aini, “Clustering K-Means Pada Data Ekspor (Studi Kasus: Pt. Gaikindo),” Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 11, no. 1, pp. 45–50, 2020, doi: 10.24176/simet.v11i1.3568.
[7] A. Supriyatna, I. Carolina, S. Janti, and ..., “Clustering Koridor Transjakarta Berdasarkan Jumlah Penumpang Dengan Algoritma K-Means,” J-SAKTI (Jurnal Sains …, vol. 4, no. September, pp. 682–693, 2020.
[8] R. A. Indraputra and R. Fitriana, “K-Means Clustering Data COVID-19,” Jurnal Teknik Industri, vol. 10, no. 3, p. 3, 2020.
[9] A. Bahauddin, A. Fatmawati, and F. Permata Sari, “Analisis Clustering Provinsi Di Indonesia Berdasarkan Tingkat Kemiskinan Menggunakan Algoritma K-Means,” Jurnal Manajemen Informatika dan Sistem Informasi, vol. 4, no. 1, p. 1, 2021, doi: 10.36595/misi.v4i1.216.
[10] N. Purba, P. Poningsih, and H. S. Tambunan, “Penerapan Algoritma K-Means Clustering Pada Penyebaran Penyakit Infeksi Saluran Pernapasan Akut (ISPA) di Provinsi Riau,” Journal of Information System Research (JOSH), vol. 2, no. 3, pp. 220–226, 2021.
[11] D. G. Ramadhan, I. Prihatini, and F. Liantoni, “Analisis Clustering Pengelompokan Penjualan Paket Data Menggunakan Metode K-Means,” Ultimatics : Jurnal Teknik Informatika, vol. 13, no. 1, pp. 33–38, 2021, doi: 10.31937/ti.v13i1.1981.
[12] M. I. Rizki, T. A. Taqqiyuddin, and J. J. Cerelia, “K-Medoids Clustering dengan Jarak Dynamic Time Warping dalam Mengelompokkan Provinsi di Indonesia Berdasarkan Kasus Aktif Covid-19,” Prosiding Seminar Nasional Matematika, vol. 4, pp. 685–692, 2021.
[13] S. Putriana, E. Erna, and D. Andreswari, “Clustering Data Titik Gempa Dengan,” vol. 9, no. 1, 2021.
[14] M. B. Johra, “Soft Clustering Dengan Algoritma Fuzzy K-Means (Studi Kasus : Pengelompokan Desa Di Kota Tidore Kepulauan),” BAREKENG: Jurnal Ilmu Matematika dan Terapan, vol. 15, no. 2, pp. 385–392, 2021, doi: 10.30598/barekengvol15iss2pp385-392.
[15] P. S. Kumar, S. K. Laha, and L. A. Kumaraswamidhas, “Assessment of rolling element bearing degradation based on Dynamic Time Warping, kernel ridge regression and support vector regression,” Applied Acoustics, vol. 208, p. 109389, Jun. 2023, doi: 10.1016/J.APACOUST.2023.109389.
[16] M. Kloska, G. Grmanova, and V. Rozinajova, “Expert enhanced dynamic time warping based anomaly detection,” Expert Systems with Applications, vol. 225, p. 120030, Sep. 2023, doi: 10.1016/J.ESWA.2023.120030.
[17] H. Ding, Z. Yuan, J. Yin, X. Shi, and M. Shi, “Evaluating ecosystem stability based on the dynamic time warping algorithm: A case study in the Minjiang river Basin, China,” Ecological Indicators, vol. 154, p. 110501, Oct. 2023, doi: 10.1016/J.ECOLIND.2023.110501.
[18] Z. Liu, T. Bai, C. Peng, H. Bao, and J. Lu, “A method of scaling distortion assessment based on dynamic time warping,” Annals of Nuclear Energy, vol. 177, p. 109304, Nov. 2022, doi: 10.1016/J.ANUCENE.2022.109304.
[19] Y. Ida, E. Fujita, and T. Hirose, “Classification of volcano-seismic events using waveforms in the method of k-means clustering and dynamic time warping,” Journal of Volcanology and Geothermal Research, vol. 429, p. 107616, Sep. 2022, doi: 10.1016/J.JVOLGEORES.2022.107616.
[20] M. A. Zen et al., “Aplikasi Pengelompokan Data Runtun Waktu dengan Algoritma K-Medoids,” Inferensi, vol. 6, no. 2, pp. 117–123, Sep. 2023, doi: 10.12962/J27213862.V6I2.15864.
[21] H. Almiatus Soleha, W. Pura Nurmayanti, U. Hidayaturrohman, R. Haiban Hirzi, A. Septiani, and J. Statistika, “Penerapan Clustering Time Series pada Pengelompokan Provinsi di Indonesia (Studi Kasus : Nilai Ekspor Non Migas di Indonesia Tahun 2016-2020),” J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika, vol. 15, no. 2, pp. 286–291, Dec. 2022, doi: 10.36456/JSTAT.VOL15.NO2.A5550.
Artikel Statistik
PDF telah dilihat : 0 kali
Refbacks
- Saat ini tidak ada refbacks.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Alamat Redaksi : Departemen Sistem Informasi, Fakultas Teknologi Informasi Universitas Andalas Kampus Limau Manis, Padang 25163, Sumatera Barat email: teknosi@fti.unand.ac.id |
Jumlah Pengunjung :
This work by JSI-Unand and licensed under a CC BY-SA 4.0 International License.