Analisis Produk Terlaris Menggunakan Metode K-Means Clustering Pada PT.SUKANDA DJAYA

• Khaerul Umam

---

ABSTRAK

Khaerul Umam(11162052), Analisis Produk Terlaris Menggunakan Metode K-Means Clustering Pada PT.SUKANDA DJAYA

 

PT Sukanda Djaya (“Sukanda”) pertama kali didirikan di Jakarta untuk mendistribusikan produk es krim Diamond yang diproduksi oleh perusahaan induknya PT. Penyimpanan Dingin Berlian. PT. Sukanda Djaya terus dimiliki sepenuhnya oleh PT. Diamond Cold Storage hari ini. Diketahui adanya kekurangan dalam masalah loading barang yang paling laris untuk di bawa oleh bagian salesman, dan menjadi rekomendasi Karena belum pernah melakukan pengukuran produk terlaris, untuk mengetahui produk mana yang paling laris yang ada di daerah tertentu untuk memudahkan salesman membawa produk yang paling laris agar tidak terjadi penumpukan yang kurang komsumtif. Tujuan dari penelitian ini adalah membantu salesman membawa produk yang laris agar tidak terjadi kesia-siaan dalam membawa produk yang kurang komsumtif. Untuk metode yang digunakan adalah metode Algoritma K means Clustering, Clustering merupakan salah satu teknik dari salah satu fungsionalitas data mining, Algoritma Clustering merupakan Algoritma pengelompokan jumlah data sejumlah data menjadi kelompok-kelompok data tertentu (cluster). Sehingga dengan adanya pengelompokan data ini pihak perusahaan dapat mengetahui barang paling laris, laris dan tidak laris. Sehingga barang yang ada digudang tidak menumpuk. Dari penitian ini output yang dihasilkan yaitu, barang paling laris sebanyak 10, kurang laris sebanyak 4. Dengan adanya pengolahan data yang dilakukan diharapkan dapat memberikan solusi kepada pihak perusahaan agar dapat mengetahui mana barang yang paling laris dan mana barang yang tidak laris.

 

Kata Kunci: Produk Terlaris, K means, Clustering

KATA KUNCI

Metode K-means

---

DAFTAR PUSTAKA

[1]      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.

[2]      P. D. P. Silitonga, M. Ginting, T. Informatika, U. Katolik, S. Thomas, and S. Utara, “Klasterisasi Keranjang Belanja Transaksi Penjualan,” vol. 2, no. 2, pp. 164–168, 2018.

[3]      S. P. Tamba, F. T. Kesuma, and Feryanto, “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, pp. 67–72, 2019.

[4]      H. Annur, “Penerapan Data Mining Menentukan Strategi Penjualan Variasi Mobil Menggunakan Metode K-Means Clustering,” J. Inform. Upgris, vol. 5, no. 1, 2019, doi: 10.26877/jiu.v5i1.3091.

[5]      N. Putu, E. Merliana, and A. J. Santoso, “Analisa Penentuan Jumlah Cluster Terbaik pada Metode K-Means,” pp. 978–979.

[6]      Y. Mardi, “Data Mining?: Klasifikasi Menggunakan Algoritma C4.5,” J. Edik Inform., vol. 2, no. 2, pp. 213–219, 2017.

[7]      S. Haryati, A. Sudarsono, and E. Suryana, “IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS: UNIVERSITAS DEHASEN BENGKULU),” J. Media Infotama, vol. 11, no. 2, pp. 130–138, 2015.

[8]      E. Rianti, “Data Mining Dalam Menentukan Penjualan Laris Menggunakan Metode Clustering,” KomTekInfo, vol. 4, no. 2, pp. 267–283, 2017, [Online]. Available: http://lppm.upiyptk.ac.id/komtekinfo/index.php/KOMTEKINFO/article/view/128.

[9]      I. Vhallah, S. Sumijan, and J. Santony, “Pengelompokan Mahasiswa Potensial Drop Out Menggunakan Metode Clustering K-Means,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 2, no. 2, pp. 572–577, 2018, doi: 10.29207/resti.v2i2.308.

[10]    P. Meilina, “Penerapan Data Mining dengan Metode Klasifikasi,” J. Teknol. Univ. Muhammadiyah Jakarta, vol. 7, no. 1, pp. 11–20, 2015, [Online]. Available: jurnal.ftumj.ac.id/index.php/jurtek.

[11]    A. Bahar, B. Pramono, and L. H. S. Sagala, “Penentuan strategi penjualan alat-alat tattoo di studio sonyxtattoo menggunakan metode,” semanTIK, vol. 2, no. 2, pp. 75–86, 2016.

[12]    E. Muningsih and S. Kiswati, “Penerapan Metode K-Means untuk Clustering Produk Online Shop dalam Penentuan Stok Barang,” J. Bianglala Inform., vol. 3, no. 1, pp. 10–17, 2015.