Klasterisasi Pola Penjualan Menggunakan Metode K-Means Clustering
Study Kasus Penjualan di Toko Ponsel Kota Langsa
DOI:
https://doi.org/10.55616/jitu.v4i1.554Keywords:
Data Mining, Clustering, K-Means AlgorithmAbstract
Data Mining adalah proses pencarian atau penggalian informasi yang dilakukan dalam data yang besar. Clustering adalah salah satu metode yang digunakan dalam proses Data Mining. Pengelompokan yang terjadi adalah pengelompokan penjualan handphone. Atribut yang digunakan dalam pengelompokan ini adalah total penjualan selama tiga bulan dan harga handphone. Pengelompokan ini dilakukan agar pihak toko dapat mengetahui jenis penjualan handphone apa saja yang laku dan tidak laku selama tiga bulan sehingga tidak terjadi penumpukan barang di gudang. Dalam clustering terdapat beberapa metode, salah satunya adalah metode K-means. K-means adalah salah satu proses metode pengelompokan non-hierarkis yang bekerja dengan cara membagi data menjadi satu atau beberapa cluster. Dari hasil penerapan K-means dalam pengelompokan pada 2 jenis cluster yang dibuat yaitu Penjualan Paling Laris (Best Selling) dan Penjualan Laris (Good Selling). Berdasarkan hasil pengkelompokan tersebut, terdapat 28 nama handphone dan aksesoris termasuk kedalam cluster Paling Laris dan 13 jenis lain termasuk cluster Laris. Akurasi Kategori penjualan tertinggi dan pemberi keuntungan terbesar masing-masing kelas memberikan keputusan bahwa kategori penjualan tinggi dan memberikan keuntungan yang banyak, sehingga di butuhkan stok banyak untuk memenuhi permintaan.
References
Siregar, M. H. (2018). Data Mining KlasterisasiPenjualanAlat-AlatBangunan Menggunakan Metode K-Means (Studi Kasus Di Toko Adi Bangunan). Jurnal Teknologi Dan Open Source, 1(2), 83–91. https://doi.org/10.36378/jtos.v1i2.24
Sharif, A. (2019).Data Mining Untuk Memprediksi Item set Promosi Penjualan Barang Menggunakan Metode Market Basket Analysis ( Mba ) ( Studi Kasus?: Toko Sentra Ponsel ). 3(2), 117–123.
Rahmah, S. A. (2020). Klasterisasi Pola Penjualan Pestisida Menggunakan Metode K-Means Clustering ( Studi Kasus Di Toko Juanda Tani Kecamatan Huta bayu Raja ). Journal of Information Technology Research, 1(1), 1–5.
Hung,. (2017). Penerapan Algoritma Fuzzy C-Means Untuk Clustering. Universitas Dian Nuswantoro Semarang, 6(Maret 2017), 169–178.
Bataineh,. (2016). Cluster Analysis Menggunakan Algoritma Fuzzy C-means dan K-means Untuk Klasterisasi dan Pemetaan Lahan Pertanian di Minahasa Tenggara. Jurnal Buana Informatika, 8(3), 151–160.
Rahmawati, Widya, & Suryani. (2018).Implementasi Fuzzy C-Means Untuk Prediksi Perilaku Mahasiswa Berdasarkan Jumlah Ketidakhadiran. SMARTICS Journal, 3(2), 39–45.
Kristanto,. (2018).Implementasi Metode Fuzzy K-Means untuk Cluster Judul Skripsi Mahasiswa.16(2), 60–70.
Luka, S. S. P., Candiasa, I. M., &Aryanto, K. Y. E. (2019).Analisis Pembentukan Kelompok Diskusi Panel Siswa Menggunakan Algoritma Fuzzy C-Means Dan K-Means.Jurnal Pendidikan Teknologi Dan Kejuruan, 16(2), 267–277. https://ejournal.undiksha.ac.id/index.php/JPTK/article/download/18913/11418
Yani, J. A., Banjarbaru, K., & Selatan, K. (2014).Implementasi Metode Fuzzy C-Means Pada.01(01), 23–32.
Redjeki,S.(2017).Pemodelan Pengelompokkan Prestasi Dosen Menggunakan Metode Fuzzy C-Means.JIKO (Jurnal Informatika Dan Komputer), 2(2), 67. https://doi.org/10.26798/jiko.2017.v2i2.63
Tri Kismanti, S., &ArdMaidah, A. (2018).Penentuan Kelompok Jaringan Logistik pada Wilayah Kepulauan menggunakan Fuzzy C-Means.Borneo Engineering?: Jurnal Teknik Sipil, 2(2), 76. https://doi.org/10.35334/ be.v2i2. 615
Published
How to Cite
Issue
Section
Copyright (c) 2023 Ginda M.A.Siregar, Juliana Mauli, Novianda, Rizalul Akram

This work is licensed under a Creative Commons Attribution 4.0 International License.