IMPLEMENTASI ALGORITMA SELF-ORGANIZING MAP DENGAN RADIAL BASIS FUNCTION UNTUK DATA PENJUALAN MOBIL DI TOYOTA AUTO2000 BANDUNG SUCI

Perkembangan otomotif di kota Bandung berkembang cukup pesat pada beberapa tahun kebelakang. PT Astra International. Tbk. Auto2000 Toyota merupakan salah satu perusahaan otomotif terbesar di Indonesia yang bergerak dibidang penjualan mobil dengan berbagai tipe dan model. Terdapat data transaksi mobil diperusahaan yang menumpuk di arsip perusahaan, data tersebut bisa dianalisis menggunakan metode data mining, dan dapat dipakai oleh perusahaan untuk melihat pola penjualan mobil dari segi model, tipe warna dan lain-lain. Metode data mining yang dipakai pada penelitian kali ini yaitu kombinasi algoritma SOM-RBF. Kombinasi algoritma SOM-RBF ini baik digunakan untuk clustering data, klasifikasi data dan prediksi data, data yang tersedia sangat cocok diolah untuk clustering, dengan pusat cluster pertama ditentukan dengan algoritma SOM kemudian hasil pusat cluster SOM digunakan untuk mengganti nilai fungsi aktivasi gaussian pada perhitungan RBF dan nilai error dari output perhitungan SOM-RBF dihitung dengan MSE (Mean Squared Error). Setelah dilakukan penelitian pada data transaksi penjualan mobil dengan 1106 data training dan 603 data testing yang digunakan, algoritma SOM-RBF bisa melakukan clustering dengan hasil output yang sangat baik, nilai MSE yang didapat pada beberapa percobaan dan beberapa cluster yang berbeda, output nilai error dari MSE selalu < 1. Dengan ini dapat dikatakan bahwa kombinasi dari algoritma SOM dan RBF bisa digunakan untuk clustering serta berguna bagi perusahaan untuk digunakan sebagai strategi bisnis