Implementasi Algoritma K-Means untuk Menentukan Persediaan Barang pada Poultry Shop

Firman Nurdiyansyah, Ismail Akbar

Abstract


Menjaga persediaan barang agar barang tidak sampai kosong termasuk salah satu menjaga kepuasan pelanggan. Untuk melaksanakan hal tersebut manajemen perusahaan harus dapat menganalisa mana barang yang laku dan mana barang yang kurang laku, khususnya pada bagian penjualan. Hal ini tidak mudah bagi CV. Muria PS dikarenakan memiliki jumlah item barang yang cukup banyak, sehingga dibutuhkan sedikit teknik komputasi untuk mempermudah permasalahan tersebut. Algoritma K-Means clustering dipilih dalam mengatasi permasalahan tersebut karena mampu mengelompokkan produk yang terjual dan masih tersedia menjadi beberapa cluster. Dari tiga cluster yang dibentuk menghasilkan cluster 1 terdiri dua barang, cluster 2 terdiri 9 barang dan sisanya dari 25 barang masuk pada cluster 3. Dari hasil ini bisa dimanfaatkan oleh manajemen CV. Muria PS untuk meningkatkan stok persediaan barang dan strategi penjualannya.

Keywords


Data Mining; Klustering; K-means; Penjualan; Barang;

Full Text:

PDF

References


P. P. Putra and A. S. Chan, “Pengembangan Aplikasi Perhitungan Prediksi Stock Motor Menggunakan Algoritma C 4.5 Sebagai Bagian dari Sistem Pengambilan Keputusan (Studi Kasus di Saudara Motor),” INOVTEK Polbeng - Seri Inform., vol. 3, no. 1, p. 24, 2018, doi: 10.35314/isi.v3i1.296.

B. M. Metisen and H. L. Sari, “Analisis clustering menggunakan metode K-Means dalam pengelompokkan penjualan produk pada Swalayan Fadhila,” J. Media Infotama, vol. 11, no. 2, pp. 110–118, 2015.

K. Kusrini, “Grouping of Retail Items by Using K-Means Clustering,” Procedia Comput. Sci., vol. 72, pp. 495–502, 2015, doi: 10.1016/j.procs.2015.12.131.

M. Imron, U. Hasanah, and B. Humaidi, “Analysis of Data Mining Using K-Means Clustering Algorithm for Product Grouping,” IJIIS Int. J. Informatics Inf. Syst., vol. 3, no. 1, pp. 12–22, 2020, doi: 10.47738/ijiis.v3i1.3.

P. Kasih, “Pemodelan Data Mining Decision Tree Dengan Classification Error Untuk Seleksi Calon Anggota Tim Paduan Suara,” Innov. Res. Informatics, vol. 1, no. 2, pp. 63–69, 2019, doi: 10.37058/innovatics.v1i2.918.

M. R. L. Iin Parlina, Agus Perdana Windarto, Anjar Wanto, “Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Center,” Memanfaatkan Algoritm. K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Cent. Untuk Clust. Progr. Sdp, vol. 3, no. 1, pp. 87–93, 2018.

M. G. H. Omran, A. P. Engelbrecht, and A. Salman, “An overview of clustering methods,” Intell. Data Anal., vol. 11, no. 6, pp. 583–605, 2007, doi: 10.3233/ida-2007-11602.

S. Kapil, M. Chawla, and M. D. Ansari, “On K-means data clustering algorithm with genetic algorithm,” 2016, doi: 10.1109/PDGC.2016.7913145.

A. Agrawal and H. Gupta, “Global K-Means (GKM) Clustering Algorithm: A Survey,” Int. J. Comput. Appl., vol. 79, no. 2, pp. 20–24, 2013, doi: 10.5120/13713-1472.

mohamad jajuli nurul rohmawati, sofi defiyanti, “Implementasi Algoritma K-Means Dalam Pengklasteran Mahasiswa Pelamar Beasiswa,” Jitter 2015, vol. I, no. 2, pp. 62–68, 2015.




DOI: https://doi.org/10.26905/jtmi.v7i2.6377

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Jurnal Teknologi dan Manajemen Informatika



Indexing by

width="150"

SINTA - Science and Technology Index

Index Copernicus International (ICI)

Tools

Turnitin

crossref

Mendeley

Jurnal Teknologi dan Manajemen Informatika 


Fakultas Teknologi Informasi
University of Merdeka Malang

Alamat:

Jl. Terusan Raya Dieng No. 62-64, Malang, Indonesia, 65146
(0341) 566462
Email: jurnal.fti@unmer.ac.id


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