Implementasi Data Mining Transaksi Penjualan Menggunakan Algoritma Clustering dengan Metode K-Means
DOI:
https://doi.org/10.33020/saintekom.v13i1.402Keywords:
clustering, k-means, inventory dataAbstract
The large number of products sold by the Bill Lights Store resulted in a stockpile of several product items due to the large supply of products that were less attractive to customers, resulting in many unsold and under-sold products. Bill Lights struggles with inventory levels of sold and unsold products, as well as shortages and overstocks. Bill Lights stores should rank each product so that they know which products are in the most demand. The purpose of this research is to solve the problem of using inventory information by grouping inventory products based on product characteristics using data mining techniques. The technique used is the K-Means algorithm method. K-Means algorithm clustering method and RapidMiner software processing. The data mining process starts with data processing (selection, cleaning, transformation, data mining and interpretation/evaluation). So if we start with a dataset of 160 products, we get cluster 0 with 88 products classified as sold, cluster 1 with 26 products classified as unsold, and cluster 2 with 46 fewer products classified as sold. The result of using the K-Means method is grouped into three clusters. To enable Bill Lights Store to implement sales and growth strategies based on products that are selling well.
Downloads
References
Aulia, S. (2021). Klasterisasi Pola Penjualan Pestisida Menggunakan Metode K-Means Clustering (Studi Kasus Di Toko Juanda Tani Kecamatan Hutabayu Raja). Djtechno: Jurnal Teknologi Informasi, 1(1), 1–5. https://doi.org/10.46576/djtechno.v1i1.964
Huda, B., & Priyatna, B. (2019). Penggunaan Aplikasi Content Management System (CMS) Untuk Pengembangan Bisnis Berbasis E-commerce. Systematics, 1(2), 81. https://doi.org/10.35706/sys.v1i2.2076
Ika Anikah, Agus Surip, Nela Puji Rahayu, Muhammad Harun Al- Musa, & Edi Tohidi. (2022). Pengelompokan Data Barang Dengan Menggunakan Metode K-Means Untuk Menentukan Stok Persediaan Barang. KOPERTIP?: Jurnal Ilmiah Manajemen Informatika Dan Komputer, 4(2), 58–64. https://doi.org/10.32485/kopertip.v4i2.120
Maulida, L. (2018). Penerapan Datamining Dalam Mengelompokkan Kunjungan Wisatawan Ke Objek Wisata Unggulan Di Prov. Dki Jakarta Dengan K-Means. JISKA (Jurnal Informatika Sunan Kalijaga), 2(3), 167. https://doi.org/10.14421/jiska.2018.23-06
Muningsih, E., & Kiswati, S. (2018). Sistem Aplikasi Berbasis Optimasi Metode Elbow Untuk Penentuan Clustering Pelanggan. Joutica, 3(1), 117. https://doi.org/10.30736/jti.v3i1.196
Nabila, Z., Rahman Isnain, A., & Abidin, Z. (2021). Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-Means. Jurnal Teknologi Dan Sistem Informasi (JTSI), 2(2), 100. http://jim.teknokrat.ac.id/index.php/JTSI
Nasir, J. (2021). Penerapan Data Mining Clustering Dalam Mengelompokan Buku Dengan Metode K-Means. Simetris: Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 11(2), 690–703. https://doi.org/10.24176/simet.v11i2.5482
Novita Lestari Anggreini. (2019). Teknik Clustering Dengan Algoritma K-Medoids Untuk Menangani Strategi Promosi Di Politeknik Tedc Bandung. Jurnal Teknologi Informasi Dan Pendidikan, 12(2). http://tip.ppj.unp.ac.id
Santosa, B. (2007). Data mining teknik pemanfaatan data untuk keperluan bisnis. Yogyakarta: Graha Ilmu, 978(979), 756.
Srisulistiowati, D. B., & , Muhamad Khaerudin, S. R. (2020). Sistem Informasi Prediksi Penjualan Alat Tulis Kantor Dengan Metode Fp-Growth (Studi Kasus Toko Koperasi Sekolah Bina Mulia). Jurnal Sistem Informasi Universitas Suryadarma, 8(2). https://doi.org/10.35968/jsi.v8i2.739
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Nur Afiasari, Nana Suarna, Nining Rahaningsi

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Penulis yang menerbitkan naskahnya di jurnal ini menyetujui ketentuan berikut:
- Hak cipta pada setiap artikel adalah milik penulis.
- Penulis mengakui bahwa Jurnal Saintekom: Sains, Teknologi, Komputer dan Manajemen berhak menjadi yang pertama menerbitkan artikel dengan lisensi Creative Commons Attribution-ShareAlike 4.0 International License. (Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)).
- Penulis dapat mengirimkan artikel secara terpisah, mengatur distribusi non-eksklusif naskah yang telah diterbitkan dalam jurnal ini ke dalam versi lain (misalnya, dikirim ke repositori institusi penulis, publikasi ke dalam buku, dll.), dengan mengakui bahwa naskah tersebut telah dipublikasikan pertama kali di Jurnal Jurnal Saintekom: Sains, Teknologi, Komputer dan Manajemen;