1. Home
  2. JUITA VoL. 7 Nomor 2, November 2019
  3. Indriyani

Clustering Data Penjualan pada Toko Perlengkapan Outdoor Menggunakan Metode K-Means

Fintri Indriyani, Eni Irfiani

Abstract


Menjaga stok persediaan barang agar tidak ada barang yang kosong termasuk salah satu cara untuk menjaga kepuasan pelanggan. Untuk memenuhi hal tersebut penjual harus dapat menganalisa mana data barang yang laku dan mana yang kurang laku dari data laporan penjualan barang, hal ini tidaklah mudah apabila toko tersebut merupakan toko retail yang memiliki ratusan bahkan ribuan data penjualan setiap bulannya. Permasalahan tersebut bisa di selesaikan dengan menggunakan salah satu teknik dalam data mining yaitu algotihma K-Means Clustering. Penelitian ini di maksudkan untuk membantu Genta Corp yang merupakan toko retail di kota Bogor yang menjual peralatan outdoor, untuk membuat pengelompokan data penjualannya agar dapat memaksimalkan manajemen stoknya. Variable yang digunakan adalah kode barang, data barang masuk, data barang keluar dan stok barang. Data diolah dengan perhitungan manual menggunakan algorithma K-Means dan menggunakan Software Rapid Miner sehingga didapatkan hasil akhir berupa tiga cluster dimana terdapat 2 jenis barang paling laris, 8 jenis barang yang cukup laris dan 18 jenis barang yang kurang laris. Hasil ini bisa dimanfaatkan oleh manajemen Genta Corp untuk peningkatan manajemen stok dan strategi penjualannya.

Keywords


Clustering, Data Mining, Manajemen Stok, Penjualan, Peralatan Outdoor

References


[1] M. Sanwlani, “F ORECASTING SALES THROUGH TIME SERIES C LUSTERING,” vol. 3, no. 1, pp. 39–56, 2013.

[2] V. Shrivastava, P. Arya, and M. T. S. Systems, “International Journal of Computing , Communications and Networking Available Online at http://warse.org/pdfs/ijccn04122012.pdf A Study of Various Clustering Algorithms on Retail Sales Data,” 2012.

[3] A. Benet-zepf, J. A. Marin-garcia, and I. Küster, “Clustering the mediators between the sales control systems and the sales performance using the AMO model : A narrative systematic literature review,” vol. 14, no. 2, pp. 387–408, 2018.

[4] M. Kumar and N. R. Patel, “Using clustering to improve sales forecasts in retail merchandising,” pp. 33–34, 2010.

[5] B. M. Metisen and H. L. Sari, “ANALISIS CLUSTERING MENGGUNAKAN METODE K-MEANS DALAM PENGELOMPOKKAN PENJUALAN PRODUK PADA SWALAYAN FADHILA,” vol. 11, no. 2, pp. 110–118, 2015.

[6] E. Muningsih and S. Kiswati, “Penerapan Metode K-Means Untuk Clustering Produk Online Shop Dalam Penentuan Stok Barang,” vol. 3, no. 1, 2015.

[7] L. Zahrotun, “ANALISIS PENGELOMPOKAN JUMLAH PENUMPANG BUS TRANS JOGJA MENGGUNAKAN METODE CLUSTERING K-MEANS DAN AGGLOMERATIVE HIERARCHICAL CLUSTERING ( AHC ),” vol. 9, no. 1, pp. 1039–1047, 2015.

[8] S. T. Siska, “ANALISA DAN PENERAPAN DATA MINING UNTUK MENENTUKAN KUBIKASI AIR TERJUAL BERDASARKAN PENGELOMPOKAN PELANGGAN MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING,” vol. 9, no. 1, pp. 86–93, 2016.

[9] E. Irfiani and S. S. Rani, “Algoritma K-Means Clustering untuk Menentukan Nilai Gizi Balita,” vol. 6, no. 4, pp. 161–168, 2018.

[10] M. H. Siregar, “KLASTERISASI PENJUALAN ALAT-ALAT BANGUNAN MENGGUNAKAN METODE K-MEANS (STUDI KASUS DI TOKO ADI BANGUNAN),” vol. 1, no. 2, pp. 83–91, 2018.

[11] Y. Darmi and A. Setiawan, “PENERAPAN METODE CLUSTERING K-MEANS DALAM PENGELOMPOKAN PENJUALAN PRODUK,” vol. 12, no. 2, pp. 148–157, 2016.

[12] S. P. Tamba, F. T. Kesuma, and Feryanto, “PENERAPAN DATA MINING UNTUK MENENTUKAN PENJUALAN SPAREPART TOYOTA DENGAN METODE K-MEANS CLUSTERING,” vol. 2, no. 2, 2019.

[13] Mardalius, “PENGELOMPOKAN DATA PENJUALAN AKSESORIS MENGGUNAKAN ALGORITMA K-MEANS,” vol. IV, no. 2, pp. 401–411, 2018.

[14] Susliansyah, H. Sumarno, H. Priyono, and N. Hikmah, “Pengelompokkan Data Pembelian Tinta Dengan Menggunakan Metode K-means,” vol. 3, no. September, pp. 381–392, 2019.

[15] Sugiyono, “Metode Penelitian Kuantitatif, Kualitatif, dan R&D,” Bandung: CV Alfabeta, 2017.


Full Text: PDF (Bahasa Indonesia)

DOI: 10.30595/juita.v7i2.5529

Refbacks

  • There are currently no refbacks.


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

ISSN: 2579-8901