TRUNOJOYO-Tugas Akhir-5676-100411100063_Abstract_TOC.pdf
Restricted to Repository staff only
Download (90kB)
TRUNOJOYO-Tugas Akhir-5676-100411100063_Cover.pdf
Restricted to Repository staff only
Download (507kB)
TRUNOJOYO-Tugas Akhir-5676-100411100063_Chapter 1.pdf
Restricted to Repository staff only
Download (43kB)
TRUNOJOYO-Tugas Akhir-5676-100411100063_Chapter 2.pdf
Restricted to Repository staff only
Download (368kB)
TRUNOJOYO-Tugas Akhir-5676-100411100063_Chapter 3.pdf
Restricted to Repository staff only
Download (476kB)
TRUNOJOYO-Tugas Akhir-5676-100411100063_Chapter 4.pdf
Restricted to Repository staff only
Download (1MB)
TRUNOJOYO-Tugas Akhir-5676-100411100063_Conclusion.pdf
Restricted to Repository staff only
Download (9kB)
TRUNOJOYO-Tugas Akhir-5676-100411100063_Reference.pdf
Restricted to Repository staff only
Download (63kB)
TRUNOJOYO-Tugas Akhir-5676-100411100063_Appendices.pdf
Restricted to Repository staff only
Download (1MB)
Abstract
Industri Kecil Menengah (IKM) merupakan salah satu bentuk usaha Kecil dan Menengah (UKM) yang mampu membantu pertumbuhan ekonomi di dalam nasional dan regional. Ketatnya persaingan pasar dan banyaknya jumlah IKM akan mempengaruhi tingkat pemasaran. Dengan memanfaatkan penggunaan TI pada IKM akan membantu memperluas tingkat pemasaran sehingga penggunaan TI menjadi salah satu akses bagi IKM untuk mengembangkan usahanya. Peran TI pada IKM semakin penting pada saat ini dikarenakan sudah memasuki era informasi. Pemanfaatan penggunaan TI pada IKM di Kabupaten Bangkalan kurang dimanfaatkan karena minimnya pengetahuan dalam penggunaan TI. Dalam penelitian ini dilakukan pengelompokan (clustering) yang merupakan metode data mining yang membagi data kedalam kelompok-kelompok yang mempunyai objek yang karakteristiknya sama. Pada penggunaan tingkat TI di IKM akan dilakukan pengelompokan berdasarkan kriteria TI menggunakan metode k-medoid menggunakan distance measure: Manhattan, Euclidean, dan Canberra distance. Untuk memvalidasi data setelah proses clustering digunakan Davies Bouldin Index (DBI). Semakin kecil nilai DBI maka semakin baik kualitas cluster.
| Item Type | Thesis (Skripsi) |
|---|---|
| Thesis Type | S1 |
| Creators | Creators NIM DEWI SYLVIA FERDIANA P. |
| Department | Informatika |
| Uncontrolled Keywords | CLUSTER; K-MEDOID; MEDOID; DAVIES BOULDING INDEX |
| Divisions | Fakultas Teknik > S1 - Informatika |
| Additional Information | elib mass import |
| Depositing User | Unnamed user with email library@trunojoyo.ac.id |
| Date Deposited | 19 Oct 2026 11:42 |
| Last Modified | 24 Oct 2026 16:44 |
| URI | https://repository.trunojoyo.ac.id/id/eprint/2015 |
