Clustering Penjualan Terbaik Dengan Sum Of Squares Error Dan  Menentukan Nilai K Menggunakan Algoritma K-Means: Clustering Penjualan Terbaik Dengan Sum Of Squares Error Dan  Menentukan Nilai K Menggunakan Algoritma K-Means

Eric Kamti Eric; Ade Putra Sanjaya Ade; Marlince Nk Nababan Marlince

doi:10.53513/jis.v23i2.9716

Authors

Eric Kamti Eric Universitas Prima Indonesia
Ade Putra Sanjaya Universitas Prima Indonesia
Marlince Nk Nababan Universitas Prima Indonesia

DOI:

https://doi.org/10.53513/jis.v23i2.9716

Keywords:

Clustering, K-Means, Sum Of Squares Error

Abstract

Pada umumnya Toko Swalayan tidak tau untuk item yang laku , yang tidak laku dan menengah jika item yang ada juga terlalu banyak . Oleh karena itu biasanya banyak barang barang yang sudah lama tidak terjual dan akhirnya expired . Namun sebenarnya hal tersebut sangat perlu diperhatikan oleh pihak Toko , agar profit yang dihasilkan tidak untuk menutup barang barang yang tidak laku itu . Sebab , jika barang yang tidak laku memiliki stok yang banyak , maka lama kelamaan barang tersebut akan mencapai tanggal expirednya . Setelah itu makanan tersebut tidak bisa dikonsumsi lagi . Untuk mengatasi permasalahan diatas dapat digunakan metode analisa data yang bernama K-Means Clustering dan juga Sum Of Square Error. K-means Digunakan untuk menganalisa data penjualan toko dan di kelompokkan menjadi 3 cluster . Cluster pertama adalah cluster dengan tingkat penjualan yang rendah , Cluster yang kedua ada cluster dengan tingkat penjualan yang tinggi , dan Cluster yang ketiga adalah cluster dengan tingkat penjualan yang rendah . Sum Of Square Error digunakan untuk mencari cluster terbaik. Penelitian ini diharapkan dapat membantu Toko agar bisa lebih baik dalam pengolahan stok . Untuk penjualan yang rendah bisa dikurangi untuk stok barangnya dan diperbanyak stok untuk penjualan yang menegah dan penjualan yang tinggi.

References

H. Agustian Siregar, N. Yanti Lumban Gaol, S. Informasi, and S. Triguna Dharma, “Penerapan Data Mining Pada Penjualan Rumah Makan Kasih Ibu Menggunakan Metode K-Means Clustering”, [Online]. Available: https://ojs.trigunadharma.ac.id/index.php/jsi

R. Alhapizi, M. Nasir, and I. Effendy, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru Universitas Bina Darma Palembang,” 2020. [Online]. Available: https://journal-computing.org/index.php/journal-sea/index

D. Ariyanto, “Data Mining Menggunakan Algoritma K-Means untuk Klasifikasi Penyakit Infeksi Saluran Pernafasan Akut,” J. Sistim Inf. dan Teknol., pp. 13–18, Feb. 2022, doi: 10.37034/jsisfotek.v4i1.117.

S. Baehera, Utami Dyah Syafitri, and Agus Mohamad Soleh, “Evaluasi Perbandingan Kinerja Algoritma Cheng and Church Biclustering Terhadap Algoritma Clustering Klasik K-Means untuk Mengidentifikasi Pola Distribusi Barang Ekspor Indonesia,” J. Stat. dan Apl., vol. 7, no. 2, pp. 149–161, 2023, doi: 10.21009/jsa.07204.

E. F. L. Awalina and W. I. Rahayu, “Optimalisasi Strategi Pemasaran dengan Segmentasi Pelanggan Menggunakan Penerapan K-Means Clustering pada Transaksi Online Retail,” J. Teknol. dan Inf., vol. 13, no. 2, pp. 122–137, 2023, doi: 10.34010/jati.v13i2.10090.

J. Jabbar, “Sistem Informasi Stok Barang Menggunakan Metode Clustering Kmeans (Studi Kasus Rmd Store),” INFOTECH J., vol. 8, no. 1, pp. 70–75, 2022, doi: 10.31949/infotech.v8i1.2280.

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.

N. Irsa Syahputri and S. Sundari, “Implementasi Data Mining Pada Hasil Penjualan Makanan Beku Menggunakan K Means Clustering Implementation of Data Mining on Froozen Food Sales Results Using K Means Clustering,” 2023, [Online]. Available: https://jurnal.unity-academy.sch.id/index.php/jirsi/index

S. Marliska Hutabarat, A. Sindar, and S. Pelita Nusantara Jl Iskandar Muda No, “Data Mining Penjualan Suku Cadang Sepeda Motor Menggunakan Algoritma K-Means,” J. Nas. Komputasi dan Teknol. Inf., vol. 2, no. 2, 2019.

E. Mayoana Fitri, R. Randy Suryono, and A. Wantoro, “KLASTERISASI DATA PENJUALAN BERDASARKAN WILAYAH MENGGUNAKAN METODE K-MEANS PADA PT XYZ.”

A. Muhidin and S. Kevin Alfandara, “ANALISIS DATA MINING MENGGUNAKAN ALGORITMA K-MEANS UNTUK CLUSTERING PENJUALAN STUDI KASUS DAPUR BU IPUNG,” vol. 13, 2022.

D. F. Pasaribu, I. S. Damanik, E. Irawan, Suhada, and H. S. Tambunan, “Memanfaatkan Algoritma K-Means Dalam Memetakan Potensi Hasil Produksi Kelapa Sawit PTPN IV Marihat,” BIOS J. Teknol. Inf. dan Rekayasa Komput., vol. 2, no. 1, pp. 11–20, Mar. 2021, doi: 10.37148/bios.v2i1.17.

O. : Noviati, D. A. Kurnia, and A. R. Rinaldi, “Clustering Data Penjualan Produk Makanan pada Toko Toserba Yogya Siliwangi dengan Menggunakan Metode K-Means,” vol. 7, no. 1, [Online]. Available: http://ejournal.ust.ac.id/index.php/Jurnal_Means/

S. Nurajizah and A. Salbinda, “Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Fashion Hijab Banten,” J. Tek. Komput. AMIK BSI, vol. 7, no. 2, 2021, doi: 10.31294/jtk.v4i2.

S. Parsaoran Tamba and F. Toknady Kesuma, “PENERAPAN DATA MINING UNTUK MENENTUKAN PENJUALAN SPAREPART TOYOTA DENGAN METODE K-MEANS CLUSTERING,” J. Sist. Inf. Ilmu Komput. Prima (JUSIKOM PRIMA, vol. 2, no. 2, 2019.

G. Triyandana, L. A. Putri, and Y. Umaidah, “Penerapan Data Mining Pengelompokan Menu Makanan dan Minuman Berdasarkan Tingkat Penjualan Menggunakan Metode K-Means,” 2022. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC

I. Virgo, S. Defit, and Y. Yuhandri, “Klasterisasi Tingkat Kehadiran Dosen Menggunakan Algoritma K-Means Clustering,” J. Sistim Inf. dan Teknol., pp. 23–28, Mar. 2020, doi: 10.37034/jsisfotek.v2i1.17.

Clustering Penjualan Terbaik Dengan Sum Of Squares Error Dan Menentukan Nilai K Menggunakan Algoritma K-Means