ANALISIS PEMASUKAN SEPEDA MOTOR MENGGUNAKAN ALGORITMA K-MEANS PADA SHOWROOM RAFARE MOTOR DESA LINGGA TIGA

BOBY PRATAMA RAMBE, NPM 2209100028 (2026) ANALISIS PEMASUKAN SEPEDA MOTOR MENGGUNAKAN ALGORITMA K-MEANS PADA SHOWROOM RAFARE MOTOR DESA LINGGA TIGA. Skripsi thesis, Universitas Labuhanbatu.

	Text COVER.pdf Download (301kB)
	Text BAB I.pdf Download (27kB)
	Text BAB II.pdf Download (240kB)
	Text BAB III.pdf Restricted to Registered users only Download (293kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (9kB)
	Text DAFTAR PUSTAKA.pdf Download (85kB)

Abstract

Penelitian ini bertujuan untuk menganalisis dan mengelompokkan data pemasukan sepeda motor berdasarkan tingkat pemasukan pada Showroom Rafare Motor Desa Lingga Tiga menggunakan algoritma K-Means. Permasalahan yang dihadapi adalah data transaksi yang tersedia belum dimanfaatkan secara optimal untuk mengetahui pola pemasukan dan kelompok sepeda motor berdasarkan tingkat pemasukan. Penelitian ini menggunakan data transaksi sepeda motor yang meliputi informasi unit dan jumlah pemasukan. Metode yang digunakan adalah K Means dengan jumlah tiga klaster, yaitu pemasukan rendah, sedang, dan tinggi. Tahapan penelitian meliputi pengumpulan data, preprocessing, penentuan jumlah klaster, proses perhitungan jarak setiap data terhadap centroid, pembentukan klaster, serta evaluasi hasil pengelompokan. Hasil penelitian menunjukkan bahwa algoritma K-Means dapat mengelompokkan data pemasukan sepeda motor ke dalam tiga kelompok berdasarkan tingkat kedekatan nilai pemasukan. Klaster dengan nilai rata-rata pemasukan tertinggi dikategorikan sebagai pemasukan tinggi, klaster dengan nilai rata-rata pemasukan sedang dikategorikan sebagai pemasukan sedang, sedangkan klaster dengan nilai rata-rata pemasukan terendah dikategorikan sebagai pemasukan rendah. Hasil pengelompokan tersebut dapat membantu pihak Showroom Rafare Motor dalam memahami pola pemasukan, mengevaluasi kinerja penjualan, serta mendukung pengambilan keputusan dalam menentukan strategi pengelolaan dan pembelian unit sepeda motor. Kata kunci: Pemasukan, Sepeda Motor, K-Means, Clustering, Showroom Rafare Motor ======================================================================================== This study aims to analyze and classify motorcycle revenue data based on revenue levels at Rafare Motor Showroom, Lingga Tiga Village, using the K-Means algorithm. The main problem addressed in this study is that the available transaction data has not been optimally utilized to identify revenue patterns and classify motorcycles based on their revenue levels. The data used in this study consists of motorcycle transaction data, including unit information and revenue amounts. The method applied is K-Means Clustering with three clusters, namely low, medium, and high revenue. The research stages include data collection, preprocessing, determining the number of clusters, calculating the distance of each data point to the centroid, forming clusters, and evaluating the clustering results. The results show that the K-Means algorithm can classify motorcycle revenue data into three groups based on the similarity of revenue values. The cluster with the highest average revenue is categorized as high revenue, the cluster with the medium average revenue is categorized as medium revenue, and the cluster with the lowest average revenue is categorized as low revenue. These clustering results can assist Rafare Motor Showroom in understanding revenue patterns, evaluating sales performance, and supporting decision-making in motorcycle unit purchasing and management strategies. Keywords: Revenue, Motorcycle, K-Means, Clustering, Rafare Motor Showroom

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Pemasukan, Sepeda Motor, K-Means, Clustering, Showroom Rafare Motor===============Revenue, Motorcycle, K-Means, Clustering, Rafare Motor Showroom
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General) Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions:	Fakultas Sains Dan Teknologi > Sistem Informasi
Depositing User:	Unnamed user with email repository@ulb.ac.id
Date Deposited:	24 Sep 2026 08:25
Last Modified:	24 Sep 2026 08:25
URI:	http://repository.ulb.ac.id/id/eprint/2870

Actions (login required)

View Item