Penerapan Data Mining Pada Penjualan Produk Menggunakan Metode K-Means Clustering
Abstract
The purpose of this study is to evaluate the extent to which product clustering results influence consumer satisfaction. Excess inventory can lead to overcrowded and inefficient storage, especially since food, beverages, and other products have expiration dates. Currently, Toko Habib still manages inventory manually, which is time-inefficient and prone to errors. To address this issue, data mining techniques are employed. The technique used in this study is K-means clustering, one of the most popular algorithms due to its ease of implementation. This analysis utilizes the K-means clustering algorithm to categorize data in order to identify fast-selling and slow-selling products, while also preventing product overstock in the warehouse. Clustering is one of the functionalities of data mining, where the clustering algorithm groups a set of data into specific clusters. After clustering, three clusters were selected as the initial centroids. The final results showed that 14 items were highly popular, 42 items were popular, and 160 items were less popular. With these results, Toko Habib can implement policies to maintain the loyalty of potential customers and manage products effectively.
Keywords: Data Mining, K-Means Algorithm; Cluster Analysis; Toko Habib
Abstrak
Penelitian ini bertujuan untuk mengevaluasi sejauh mana hasil pengelompokan produk mempengaruhi kepuasan kebutuhan konsumen, Persediaan yang berlebih dapat menyebabkan gudang menjadi penuh sesak dan tidak efisien, terutama karena makanan, minuman, dan produk lainnya mempunyai tanggal kadaluwarsa. Saat ini Toko Habib masih melakukan pengelolaan persediaan secara manual sehingga tidak efisien waktu dan rawan kesalahan. Untuk mengatasi permasalahan tersebut digunakan adalah K-means clustering yang merupakan salah satu algoritma yang populer karena mudah diimplementasikan. Analisis ini menggunakan algoritma clustering K-means yang dapat mengelompokkan data untuk mengetahui produk laris dan tidak laris, dan juga mencegah penumpukan produk di gudang. Clustering merupakan salah satu fungsionalitas data mining, algoritma clustering merupakan algoritma pengelompokkan sejumlah data menjadi kelompok–kelompok data tertentu (cluster). Setelah pengelompokan, dipilih tiga cluster sebagai centroid awal. Hasil akhirnya menunjukkan 14 barang sangat laris, 42 barang laris, dan 160 barang kurang laris. Dengan hasil ini, Toko Habib dapat menerapkan kebijakan untuk mempertahankan loyalitas pelanggan potensial dan mengelola produk secara efektif.
Kata Kunci: Data Mining; Algoritma K-Means; Clustering; Toko HabibReferences
I. Syafrinal and E. L. Febrianti, “Penerapan Algoritma K-Means Pada Aplikasi Data Mining Untuk Menentukan Pola Penjualan (Studi Kasus: Zahra Mart),” J. Digit, vol. 13, no. 1, pp. 31-40, 2023, doi: 10.51920/jd.v13i1.320.
M. H. Siregar, “Data Mining Klasterisasi Penjualan Alat-Alat Bangunan Menggunakan Metode K-Means (Studi Kasus Di Toko Adi Bangunan),” J. Teknol. Dan Open Source, vol. 1, no. 2, pp. 83–91, 2018, doi: 10.36378/jtos.v1i2.24.
P. Alam Jusia, F. Muhammad Irfan, and S. Dinamika Bangsa Jambi Jl Jend Sudirman Thehok Jambi, “Clustering Data Untuk Rekomendasi Penentuan Jurusan Perguruan Tinggi Menggunakan Metode K-Means,” J. IKRA-ITH Inform., vol. 3, no. 3, pp. 75-84, 2019.
A. H. A. N. Karsa and A. R. Hidayat, “Metode Algoritma K-Means Untuk Clustering Data Produk Paling Laku Pada Toko Tono Grosir Plumbon Cirebon,” Syntax Lit. ; J. Ilm. Indones., vol. 7, no. 9, pp. 15984–15996, 2024, doi: 10.36418/syntax-literate.v7i9.15144.
I. Safira, R. Salkiawati, and W. Priatna, “Penerapan Algoritma K-Means untuk Mengetahui Pola Persediaan Barang pada Toko Raja Bekasi,” J. Inform. Inf. Secur., vol. 3, no. 1, pp. 99–110, 2022, doi: 10.31599/jiforty.v3i1.1253.
Kasini and N. Hidayati, “Penerapan Data Mining Untuk Clustering Pada Toko Laura Grosir Dan Eceran Menggunakan Algoritma K-Means,” JUSTER J. Sains dan Terap., vol. 2, no. 3, pp. 51–60, 2023, doi: 10.57218/juster.v2i3.990.
Sutrisno, Afriyudi, and Widiyanto, “Penerapan Data Mining Pada Penjualan Menggunakan Metode Clustering Study Kasus Pt . Indomarco,” Penerapan Data Min. Pada Penjualan Menggunakan Metod. Clust., vol. Vol.x No.x, no. Data Mining, pp. 1–11, 2013, [Online]. Available: http://eprints.binadarma.ac.id/78/1/Penerapan Data Mining Pada Penjualan Menggunakan Metode Clustering Study Kasus Pt. Indomarco Palembang.pdf
M. H. Fakhriza, and K. Umam, “Analisis Produk Terlaris Menggunakan Metode K-Means Clustering Dalam Pengelompokkan,” JIKA, Vol. 5, no.1, pp. 8–15, 2021.
A. S. Gunawan, E. M. Sipayung, and Alvin, “Menggunakan Data Mining Dengan K-Means Clustering,” Semin. Nas. Sist. Inf. Indones., September, 2014, pp. 1–6.
G. Gustientiedina, M.H. Adiya, & Y. Desnelita, "Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan. Jurnal Nasional Teknologi Dan Sistem Informasi, vol. 5, no. 1, pp. 17-24, 2019.
S. Pujiono, R. Astuti, and F. Muhamad Basysyar, “Implementasi Data Mining Untuk Menentukan Pola Penjualan Produk Menggunakan Algoritma K-Means Clustering,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 615–620, 2024, doi: 10.36040/jati.v8i1.8360.
Y. Yulianti, D. Y. Utami, N. Hikmah, and F. N. Hasan, “Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Mengetahui Minat Customer Di Toko Hijab,” J. Pilar Nusa Mandiri, vol. 15, no. 2, pp. 241–246, 2019, doi: 10.33480/pilar.v15i2.650.
F. Indriyani and E. Irfiani, “Clustering Data Penjualan pada Toko Perlengkapan Outdoor Menggunakan Metode K-Means,” JUITA J. Inform., vol. 7, no. 2, pp. 109-118, 2019, doi: 10.30595/juita.v7i2.5529.
Q. I. Mawarni and E. S. Budi, “Implementasi Algoritma K-Means Clustering Dalam Penilaian Kedisiplinan Siswa,” J. Sist. Komput. dan Inform., vol. 3, no. 4, pp. 522-531, 2022, doi: 10.30865/json.v3i4.4242.
A. Fikri Sallaby, R. Tri Alinse, V. Novita Sari, and T. Ramadani, “Pengelompokan Barang Menggunakan Metode K-Means Clustering Berdasarkan Hasil PenjualanDi Toko Widya Bengkulu Pengelompokan Barang Menggunakan Metode K-Means Clustering Berdasarkan Hasil Penjualan Di Toko Widya Bengkulu,” J. Media Infotama, vol. 18, no. 1, pp. 29-40, 2022.
O. Diana Hidayati and M. Adrian Juniarta Hidayat, “Implementasi Data Mining Menggunakan Algoritma K-Means Untuk Pengelompokkan,” Jurnal Pengembangan Rekayasa Informatika dan Komputer., November, vol. 1, no. 2, pp 3052-9142, 2023.
W. W. Kristianto and C. Rudianto, “Penerapan Data Mining Pada Penjualan Produk Menggunakan Metode K-Means Clustering (Studi Kasus Toko Sepatu Kakikaki).” JUKANTI ( jurnal pendidikan Tek. Inform.,vol. 5, no. 2, pp 2621-1467, 2022.
A. Pujianti and M. Mulyawan, “Implementasi Data Mining Menggunakan Metode K-Means Clustering Untuk Menentukan Status Kematian Bayi Di Jawa Barat,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 459–463, 2023, doi: 10.36040/jati.v7i1.6347.
How To Cite This :
Refbacks
- There are currently no refbacks.
