Penerapan Data Mining Untuk Menentukan Persediaan Barang Pada PT. Deli Food Menggunakan Metode K-Means

Authors

  • Anggi Ayu Ningtiyas STMIK Triguna Dharma
  • Nurcahyo Budi Nugroho STMIK Triguna Dharma
  • Muhammad Syaifuddin STMIK Triguna Dharma

DOI:

https://doi.org/10.53513/jct.v4i7.4153

Abstract

PT.Deli Food merupakan suatu perusahaan yang bergerak dibidang pengelolaan makanan. Makanan yang dikelola pun beragam jenisnya dan di kategorikan sebagai frozen food, dikarenakan permintaan yang fluktuatif dan masih menggunakan metode penyimpanan persediaan barang yang kurang efisien, sehingga membuat persediaan barang menjadi kurang tepat dan efektif. Maka dari itu untuk menentukan persediaan barang agar lebih efektif dan efisien dapat dilakukan dengan mengelompokkan kedalam beberapa kategori yaitu dengan menggunakan data mining. Dalam studi kasus ini dapat menggunakan metode K-Means Clustering. Hasil dari analisis ini menggunakan pengetahuan Data Mining dengan metode K-Means Clustering dapat memberikan hasil keputusan untuk menentukan persediaan barang pada PT. Deli Food.

Author Biographies

Anggi Ayu Ningtiyas, STMIK Triguna Dharma

Sistem Informasi

Nurcahyo Budi Nugroho, STMIK Triguna Dharma

Sistem Informasi

Muhammad Syaifuddin, STMIK Triguna Dharma

Sistem Informasi

References

Asrul Sani, “Penerapan Metode K-Means Clustering Pada Perusahaan,†J. Ilm. Teknol. Inf., no. 353, pp. 1–7, 2018.

M. Method, F. Indriyani, and E. Irfiani, “Clustering Data Penjualan pada Toko Perlengkapan Outdoor Menggunakan Metode K-Means ( Clustering Sales Data at Outdoor Equipment Stores Using K-,†vol. 7, no. November, pp. 109–113, 2019.

D. A. N. Prestasi and M. Lalu, “DATA MINING UNTUK MEMPREDIKSI PRESTASI SISWA DATA MINING TO PREDICT STUDENT ’ S ACHIEVEMENT BASED ON SOCIO-ECONOMIC , MOTIVATION , DISCIPLINE AND,†vol. 4, pp. 222–231.

S. P. Hastono, “Analisa Data Bidang Kesehatan,†pp. 1–212, 2016.

Yudi Agusta, “K-Means – Penerapan, Permasalahan dan Metode Terkait,†J. Sist. dan Inform., vol. 3, no. Februari, pp. 47–60, 2007.

Downloads

Published

2021-07-30

Issue

Section

Articles

URN