Optimasi K-Means Dengan Particle Swarm Optimization (PSO) Dalam Penentuan Titik Awal Pusat Klaster Data Telekomunikasi

  • Prasasti Alam R
  • Everhard Y
N/ACitations
Citations of this article
18Readers
Mendeley users who have this article in their library.

Abstract

Berkembangnya kebutuhan masyarakat terhadap layanan telekomunikasi telah mengakibatkan persaingan yang semakin sengit di antara perusahaan-perusahaan di industri tersebut. Oleh karena itu, perusahaan-perusahaan ini dituntut untuk mencari strategi promosi guna meningkatkan penjualan produk mereka. SiDompul adalah aplikasi yang dikembangkan XL Axiata untuk membantu RO (Retail Outlet) dalam melakukan penjualan paket data XL Axiata. Di tahun 2022 terjadinya penurunan penjualan paket data XL Axiata dilihat dari transaksi penjualan Retail Outlet melalui aplikasi SiDompul mengalami penurunan 37% dan targetnya tidak tercapai. Penelitian ini bertujuan untuk membentuk dan menguji pemodelan klasterisasi dari data transaksi penjualan dengan metode K-Means dan metode Particle Swarm Optimization (PSO). PSO untuk optimasi penentuan pusat klaster atau centroid. Pada penelitian ini, Algoritma K-Means dan PSO terbukti dapat membentuk 2 klaster yang lebih baik dimana nilai quantization errornya dan nilai SSE lebih rendah yaitu quantization 2.920 dan SSE 17.255 sedangkan pada K-Means quantization 2.939 dan SSE 17.288.

Cite

CITATION STYLE

APA

Prasasti Alam, R. G., & Everhard, Y. (2024). Optimasi K-Means Dengan Particle Swarm Optimization (PSO) Dalam Penentuan Titik Awal Pusat Klaster Data Telekomunikasi. Techno.Com, 23(1), 96–111. https://doi.org/10.62411/tc.v23i1.9743

Register to see more suggestions

Mendeley helps you to discover research relevant for your work.

Already have an account?

Save time finding and organizing research with Mendeley

Sign up for free