PEMANFAATAN ALGORITMA K-MEANS DALAM ANALISIS DATA PENJUALAN TOKO BUYUNG UPIK JS DI LAZADA
DOI:
https://doi.org/10.23960/jitet.v13i2.6438Abstract Views: 147 File Views: 116
Abstract
Banyaknya produk yang dijual oleh Toko Buyung Upik JS di Lazada menimbulkan kesulitan dalam menentukan produk yang laku dan kurang laku, sehingga terjadi ketidakseimbangan stok, seperti kelebihan pada produk yang kurang diminati dan kekurangan pada produk yang populer. Penelitian ini bertujuan mengelompokkan produk berdasarkan pola penjualan menggunakan teknik data mining untuk membantu strategi penjualan dan pengelolaan stok yang lebih efektif. Algoritma K-Means digunakan untuk clustering data penjualan, mencakup jumlah stok, transaksi, dan harga. Proses data mining meliputi tahapan Selection, Preprocessing, Transformation, Data Mining, dan Interpretation/Evaluation. Penentuan jumlah cluster optimal dilakukan dengan Elbow Method, sedangkan kualitas clustering dievaluasi menggunakan Davies Bouldin Index (DBI). Hasil penelitian menunjukkan jumlah cluster optimal adalah empat: Cluster 0 (83 produk, penjualan stabil), Cluster 1 (121 produk, penjualan tinggi), Cluster 2 (14 produk, kurang diminati), dan Cluster 3 (38 produk, penjualan moderat). Nilai rata-rata jarak dalam cluster adalah 54.941.560,812, dengan DBI sebesar 0,386 yang menunjukkan kualitas clustering cukup baik. Hasil ini memberikan wawasan bagi toko untuk memprioritaskan pengelolaan stok dan mengoptimalkan penjualan.
Downloads
References
A. A. Alya Putri and S. A. Rahmah, “Implementasi Data Mining Dengan Algoritma K-Means Clustering Untuk Analisis Bisnis Pada Perusahaan Asuransi,” Djtechno J. Teknol. Inf., vol. 5, no. 1, pp. 139–152, 2024, doi: 10.46576/djtechno.v5i1.4537.
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.
L. Awaliyah, N. Rahaningsih, and R. Danar Dana, “Implementasi Algoritma K-Means Dalam Analisis Cluster Korban Kekerasan Di Provinsi Jawa Barat,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 188–195, 2024, doi: 10.36040/jati.v8i1.8332.
H. Rosika et al., “PAKAIAN MENGGUNAKAN METODE K-MEANS Pada era digital perkembangan teknologi semakin berkembang khusunya pengelolaan data penjualan menjadi semakin krusial bagi bisnis untuk memahami perilaku konsumen , mengedentifikasi beberapa kelompok atau cluster memili,” vol. 5, pp. 221–231, 2024.
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, doi: 10.33020/saintekom.v13i1.402.
Normah, B. Rifai, S. Vambudi, and R. Maulana, “Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE,” J. Tek. Komput. AMIK BSI, vol. 8, no. 2, pp. 174–180, 2022, doi: 10.31294/jtk.v4i2.
M. Rafi Nahjan, Nono Heryana, and Apriade Voutama, “Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 101–104, 2023, doi: 10.36040/jati.v7i1.6094.
M. Rizki and M. Mulyawan, “Penerapan Metode K-Means Clustering Pada Data Penjualan Optik Chantika,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 2, pp. 1303–1307, 2023, doi: 10.36040/jati.v7i2.6562.
I. Pii, N. Suarna, and N. Rahaningsih, “Penerapan Data Mining Pada Penjualan Produk Pakaian Dameyra Fashion Menggunakan Metode K-Means Clustering,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 423–430, 2023, doi: 10.36040/jati.v7i1.6336.
M. Wahyudi, S. Solikhun, and L. Pujiastuti, “Komparasi K-Means Clustering dan K-Medoids Clustering dalam Mengelompokkan Produksi Susu Segar di Indonesia Berdasarkan Nilai DBI,” J. Bumigora Inf. Technol., vol. 4, no. 2, pp. 243–254, 2022, doi: 10.30812/bite.v4i2.2104.
N. A. Hidayatullah and W. Prihartono, “CLUSTERING ALGORITMA K-MEANS UNTUK MENINGKATKAN EFEKTIVITAS PROGRAM SOSIAL DI KOTA / KABUPATEN CIREBON,” vol. 13, no. 1, pp. 629–636, 2025.
F. P. Dewi, P. S. Aryni, and Y. Umaidah, “Implementasi Algoritma K-Means Clustering Seleksi Siswa Berprestasi Berdasarkan Keaktifan dalam Proses Pembelajaran,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 7, no. 2, pp. 111–121, 2022, doi: 10.14421/jiska.2022.7.2.111-121.
A. P. Bagustio, A. I. Purnamasari, and Irfan Ali, “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, doi: 10.30656/prosisko.v11i2.7928.
P. Apriyani, A. R. Dikananda, and I. Ali, “Penerapan Algoritma K-Means dalam Klasterisasi Kasus Stunting Balita Desa Tegalwangi,” Hello World J. Ilmu Komput., vol. 2, no. 1, pp. 20–33, 2023, doi: 10.56211/helloworld.v2i1.230.
N. Novitasari, N. D. Nuris, and R. Herdiana, “Penerapan Algoritma K-Means untuk Clustering Data Jumlah Penduduk Miskin Berdasarkan Kota/Kabupaten di Jawabarat menggunakan Rapidminer,” J. Inform. Terpadu, vol. 9, no. 1, pp. 68–73, 2023, doi: 10.54914/jit.v9i1.660.
V. No, J. Hal, L. Mayola, M. Hafizh, and H. Syahputra, “Klasterisasi Rumah Sakit berdasarkan Kunjungan Pasien menggunakan Algoritma K-Means : Data 2019-2023,” vol. 7, no. 1, pp. 15–21, 2025.
S. Handoko, F. Fauziah, and E. T. E. Handayani, “Implementasi Data Mining Untuk Menentukan Tingkat Penjualan Paket Data Telkomsel Menggunakan Metode K-Means Clustering,” J. Ilm. Teknol. dan Rekayasa, vol. 25, no. 1, pp. 76–88, 2020, doi: 10.35760/tr.2020.v25i1.2677.
