Penerapan K-Means Clustering Untuk Mengelompokkan Data Transaksi Penjualan (Studi Kasus pada Wijaya Hijab)
Abstract
UKM Wijaya Hijab Outfit is a shop engaged in Muslim fashion. The problem that occurs in this shop is the difficulty in supplying product stock that is in high demand, quite attractive, and less desirable by consumers. To prevent product shortages and excess stock, a system is needed to classify products using the K-Means Clustering Algorithm into 3 groups, namely highly desirable, moderately desirable, and less desirable. The data used in this study are sales transaction data for 12 months, out of 38 products processed using RapidMiner Software, there is 1 product that is a member of cluster 1 with the most interested category, 2 products of cluster member 2 categories of sufficient interest, and 35 products of cluster 3 members who are less fans. The expected objective of this research is to determine the stock of products so that excess and shortage of product stock does not occur. So that the inventory of goods can be controlled and can help improve stock management improvements and sales strategies at the store.
Keywords: Clustering; K-Means Algorithm; Stock Management; Sales Transaction Data
Abstrak
UKM Wijaya Hijab Outfit merupakan sebuah toko yang bergerak dibidang fashion muslim. Permasalahan yang terjadi pada toko ini yaitu kesulitan dalam persediaan stok produk yang sangat diminati, cukup diminati, dan kurang diminati oleh konsumen. Untuk mencegah kekurangan dan kelebihan stok produk maka dibutuhkan sistem untuk mengelompokkan produk menggunakan Algoritma K-Means Clustering menjadi 3 kelompok yaitu sangat diminati, cukup diminati, dan kurang diminati. Data yang digunakan pada penelitian ini yaitu data transaksi penjualan selama 12 Bulan dari 38 produk yang diolah menggnakan Software Rapid Miner terdapat 1 produk yang menjadi anggota cluster 1 dengan kategori peminat terbanyak, 2 produk anggota cluster 2 kategori cukup peminatnya, dan 35 produk anggota cluster 3 yang kurang peminatnya. Tujuan yang diharapkan dari penelitian ini adalah untuk menentukan penyetokan produk agar tidak terjadi kelebihan dan kekurangan stok produk. Sehingga persediaan stok barang dapat terkontrol dan dapat membantu memperbaiki peningkatan manajemen stok dan strategi penjualan pada toko.
Keywords
References
M. H. Siregar, "Klasterisasi Penjualan Alat - alat Bangunan Menggunakan Metode K-Means," Jurnal Teknologi Dan Open Source, Vol. 1 No. 2, pp. 83-91, Desember 2018,
Y. Mardi, "Data Mining: Klasifikasi Menggunakan Algoritma C4.5," Jurnal Edik Informatika Penelitian Bidang Komputer Sains dan Pendidikan Informatika, vol. 2, no. 2, pp. 213-219, 2017.
D. R. Hermanto Wihono, "Prediksi Calon Pendonor Darah Potensial Dengan Algoritma Naïve Bayes, K-Nearest Neighbors dan Decision Tree C4.5," JURIKOM (Jurnal Riset Komputer), vol. 7, no. 1, pp. 7-14, 2020.
A. K. Jeky Andreanus, "Sejarah, Teori Dasar dan Penerapan Reinforcement Learning :Sebuah Tinjauan Pustaka," Jurnal Telematika, vol. 12, pp. 113-118, 2017.
N. S. N. R. Nur Afiasari, "Implementasi Data Mining Transaksi Penjualan Menggunakan," Jurnal SAINTEKOM, vol. 13, no. 1, pp. 100-110, 2023.
A. W. Sukri Illahi Wahyudi, "Implementasi Metode K-Means Clustering Untuk Pengelompokan Data Stok Produk Toko Online Perdagangan Kaos," In Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), Vol. 1, No. 1, pp. 470-478). 2022.
A. F. N. S. Mutiara Rita Avivah, "Penerapan Algoritma K-Means untuk Mengelompokkan Penjualan Mebel," Scientific Student Journal for Information, Technology and Science, Vol. 1 No: 2, pp. 61-65, 2020.
M. T. A.A. Nia Kusuma Wardhani, “Sistem Informasi Manajemen Sumber Daya Manusia Berbasis Web (Studi Kasus : PT. Klik Teknologi Indonesia), Jurnal TECHNO Nusa Mandiri, Vol. 15, No, 2, pp. 145-152 2018
V. K. Xindong Wu, The top ten algorithms in data mining, Tredenmark: CRC Press, 2009.
F. Yunita, "Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Pada Penerimaan Mahasiswa Baru (Studi Kasus: Universitas Islam Indragiri)," Sistemasi: Jurnal Sistem Informasi, Vol. 7, No. 3, 238 – 249, 2018.
Suprayogi, "Data Mining Clustering," arXiv, vol. 53, pp. 1689-1699, 2021
D. Novianti, "Implementasi Algoritma Naive Bayes Pada Data Set Hepatitis Menggunakan RapidMiner," KOPERTIP: Scientific Journal of Informatics Management and Computer, vol. XXI, pp. 49-54, 2019.
F. S. A. E. M Syukron Nawawi, "Implementasi Algoritma K-Means Clustering Menggunakan Orange Untuk Penentuan Produk Busana Muslim Terlaris," In Prosiding Seminar Nasional Teknologi Informasi dan Komunikasi (SENATIK), Vol. 4, No. 1, pp. 789-797, 2021.
S. N. A. S. Normah, "Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Fashion Hijab Banten," Jurnal Khatulistiwa Informatika, Volume 7, No. 2, pp. 158-163, 2021.
I. S. D. E. I. Deny Franata Pasaribu and H. S. T. Suhada, "Memanfaatkan Algoritma K-Means Dalam Memetakan Potensi Hasil Produksi Kelapa Sawit PTPN IV Marihat," BIOS: Jurnal Teknologi Informasi Dan Rekayasa Komputer, VOL 2 NO 1 pp. 11-20, 2021.
A. P. W. U. P. Nurroby Wahyu Saputra and Prandanda Anugrah, "Pengembangan Bahan Ajar Data Mining Menggunakan Four-D Model dalam Kerangka Kerja CDIO," Belantika Pendidikan, Vol. 3, no.2, pp.48-58, 2020.
T. D. A. M. I. Puji Subekti, "Sistem Penentuan Konsentrasi Jurusan Bagi Mahasiswa Informatika Menggunakan Metode K-Means Di Institut Asia Malang," Jurnal Manajemen Informatika, Vol. 12 No. 1, pp. 25-39, 2022.
I. W. G. A. B. Muhammad Farid Iqbal Al-Rizki, "Prediksi Penyebaran Penyakit TBC dengan Metode K-Means Clustering Menggunakan Aplikasi RapidMiner," JTERA (Jurnal Teknologi Rekayasa), Vol. 5, No. 1 pp. 1-10-, 2020.
How To Cite This :
Refbacks
- There are currently no refbacks.
