Gaghana, Krizia Gidion (2022) Visualisasi Clustering Data Ekspor Kopi Menurut Negara Tujuan Menggunakan Algoritma K-means & K-medoids. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
Abstract
Ekspor kopi merupakan kegiatan yang difokuskan pemerintah untuk didorong ekspornya agar terus menyokong ekspor Indonesia secara keseluruhan. Strategi dalam mendorong pertumbuhan ekspor barang yang ada di Indonesia salah satunya menggolongkan atau clustering negara-negara tujuan ekspor kopi Indonesia dan data kopi dunia untuk dapat melihat pangsa pasar ekspor kopi Indonesia. Maka dari itu pada penelitian ini akan dilakukan clustering data ekspor kopi menurut negara tujuan dengan memanfaatkan framework CRISP-DM yang memiliki 6 tahapan. Penelitian ini membandingkan Algoritma K-means dan K-medoids dengan menggunakan tools Rapid Miner. Penilaian algoritma yang paling optimal akan dilihat berdasarkan nilai Davies Bouldin Index yang terkecil. Hasil yang didapatkan akan divisualisasikan agar dapat menjadi informasi yang dapat di analisa. Hasil Analisa didapatkan Ekspor kopi Indonesia dapat ditingkatkan ke negara Uni Eropa dikarenakan memiliki tingkat konsumsi yang sangat tinggi terlebih negara jerman yang memiliki nilai impor yang cukup tinggi. Ekspor kopi Indonesia terhadap negara Amerika Serikat harus dipertahankan
Item Type: | Thesis (Bachelor Thesis) |
---|---|
Keywords: | Clustering, K-means, K-medoids, Kopi, Visualisasi. vii Visualisasi Clustering Data Ekspor Kopi Menurut Negara Tujuan Menggunakan Algoritma K- means & K-medoids, Krizia Gidion Gaghana, Universitas Multimedia Nusantara |
Subjects: | 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++ |
Divisions: | Faculty of Engineering & Informatics > Information System |
SWORD Depositor: | Administrator UMN Library |
Depositing User: | Administrator UMN Library |
Date Deposited: | 24 Nov 2022 00:40 |
Last Modified: | 07 Aug 2023 04:59 |
URI: | https://kc.umn.ac.id/id/eprint/20085 |
Actions (login required)
View Item |