OPTIMASI STOK DENGAN CLUSTERING DATA TRANSAKSI PENJUALAN MENGGUNAKAN ALGORITMA K-MEANS DI KONTER AGUNG CELL
DOI:
https://doi.org/10.23960/jitet.v13i2.6302Abstract Views: 163 File Views: 120
Abstract
Pengelolaan stok barang yang tidak optimal menjadi tantangan utama bagi usaha kecil seperti Konter Seluler Agung Cell. Penelitian ini bertujuan untuk mengidentifikasi pola pembelian pelanggan serta mengoptimalkan pengelolaan stok melalui penerapan algoritma K-Means yang diimplementasikan menggunakan perangkat lunak RapidMiner. Pemilihan algoritma K-Means didasarkan pada efektivitasnya dalam menganalisis data berukuran besar secara sistematis. Data penelitian diperoleh melalui observasi langsung dan mencakup 500 transaksi penjualan selama periode 1 Juli hingga 1 Agustus 2024. Variabel yang digunakan meliputi kategori produk, quantity, harga jual, dan total harga. Pemilihan data ini dilakukan agar analisis dapat difokuskan pada variabel yang relevan untuk mengidentifikasi pola pembelian konsumen. Metode analisis data dilakukan berdasarkan pendekatan Knowledge Discovery in Databases (KDD) meliputi tahapan Data Selection, preprocessing, transformation, data mining, dan evaluation. Analisis ini menggunakan 500 data transaksi penjualan. Penelitian ini menghasilkan beberapa Cluster, Analisis menunjukan konfigurasi Cluster 3 sebagai yang terbaik, dengan nilai Davies-Bouldin Index (DBI) terendah, yaitu 0,913 dari beberapa cluster yang diuji coba. Temuan ini memungkinkan identifikasi pola pembelian pelanggan yang lebih jelas, sehingga dapat membantu dalam pengelolaan stok yang lebih efisien dan tepat sasaran.
Downloads
References
F. E. Wahyuni et al., “ANALISIS IMPLEMENTASI TEKNOLOGI DIGITAL DALAM MANAJEMEN BISNIS RITEL: STUDI LITERATUR,” Neraca Manajemen, Ekon., vol. 11, no. 2, 2024.
G. Triyandana, L. A. Putri, and Y. Umaidah, “Penerapan Data Mining Pengelompokan Menu Makanan dan Minuman Berdasarkan Tingkat Penjualan Menggunakan Metode K-Means,” J. Appl. Informatics Comput., vol. 6, no. 1, pp. 40–46, 2022.
S. A. Rahma, “Klasterisasi Pola Penjualan Pestisida Menggunakan Metode K-Means Clustering (Studi Kasus Di Toko Juanda Tani Kecamatan Hutabayu Raja),” Djtechno J. Teknol. Inf., vol. 1, no. 1, pp. 1–5, 2020.
A. Damayanti and R. A. Putri, “Penerapan Algoritma K-Means Clustering Dalam Pola Penjualan Beras,” J. Comput. Syst. Informatics, vol. 5, no. 4, pp. 903–911, 2024.
D. Fitriyani, M. Jajuli, and G. Garno, “Implementasi Algoritma K-Means Untuk Klasterisasi Dalam Pengelolaan Persediaan Obat (Studi Kasus : Apotek Naza),” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, pp. 2841–2848, 2024.
A. Somantri and M. F. Muttaqin, “Optimasi Manajemen Stok Barang Berbasis Prediksi pada Perusahaan Konfeksi dengan Algoritma Single Moving Average,” informatics Educ. Prof. J. Inform., vol. 9, no. 2, pp. 105–113, 2024.
P. Azhari, F. Taufik, and S. Murniyanti, “Penerapan Data Mining Untuk Analisa Transaksi Penjualan Menggunakan Metode Apriori,” J. Sist. Inf. Triguna Dharma (JURSI TGD), vol. 2, no. 3, p. 373, 2023.
S. Syahputra, S. Ramadani, and A. M. H. Pardede, “Menentukan Strategi Promosi Menggunakan Algoritma Clustering K-Means,” JOISIE (Journal Inf. Syst. Informatics Eng., vol. 4, no. 1, p. 7, 2020.
N. Afiasari, N. Suarna, and N. Rahaningsi, “Implementasi Data Mining Transaksi Penjualan Menggunakan Algoritma Clustering dengan Metode K-Means,” J. SAINTEKOM, vol. 13, no. 1, pp. 100–110, 2023.
K. Dbscan and Y. Hasan, “Pengukuran Silhouette Score dan Davies-Bouldin Index pada Hasil Cluster,” KAKIFIKOM (Kumpulan Artik. Karya Ilm. Fak. Ilmu Komput., vol. 06, no. 01, pp. 60–74, 2024.
W. W. Kristianto and C. Rudianto, “Penerapan Data Mining Pada Penjualan Produk Menggunakan Metode K-Means Clustering (Studi Kasus Toko Sepatu Kakikaki),” J. Pendidik. Teknol. Inf., vol. 5, no. 2, pp. 2621–1467, 2022.
A. P. Bagustio, A. I. Purnamasari, and A. Irfan, “Analisis Data Penjualan Menggunakan Algoritma K-Means Clustering Pada Toko Kecantikan Putri,” PROSISKO J. Pengemb. Ris. dan Obs. Sist. Komput., vol. 11, no. 2, pp. 159–167, 2024.
