Analisa Produk Terlaris di Toko Technics and Tools (Hi Toosl) Menggunakan Metode K-Means Clustering

• Rahmawati

---

ABSTRAK

Rahmawati (11162597), Analisa Produk Terlaris di Toko Technics and Tools (Hi Toosl) Menggunakan Metode K-Means Clustering

Sistem informasi berkembang pesat sejalan dengan besarnya kebutuhan terhadap informasi dan membuka peluang terhadap pertumbuhan data yang terhitung dalam jumlah besar. Namun, data tersebut harus menghasilkan suatu informasi yang berkualitas dan bermanfaat bagi yang menerima inforamasi tersebut. Toko Technics and Tools (Hi Tools) merupakan salah satu bisnis PT. Hijrah Insan Karima yang dibangun khusus untuk menjual perkakas tangan, perkakas listrik, perkakas mesin, dan aksesoris tools lainnya. Karena banyaknya jenis dari perkakas serta ukuran yang berbeda-beda, toko ini pun mengadakan stok dengan semua jenis dan ukuran tersebut, tetapi tentunya itu bisa menjadi tidak efisien dalam pengeluaran perusahaan dalam pengadaan barang. Data mining berguna untuk memberikan solusi kepada para pebisnis untuk meningkatkan penjualan perusahaan. Dalam data mining terdapat cara dan teknik dalam pemenuhan kebutuhan informasi yang luas, salah satu nya adalah metode K-Means Clustering. Dengan metode ini, data-data yang telah didapatkan akan dikelompokkan kedalam beberapa cluster berdasarkan kemiripan dari data-data tersebut. Dengan adanya pengelompokkan data ini, diharapkan dapat membantu pihak tertentu dalam menjalankan bisnis mereka supaya bisa melakukan strategi pemasaran yang tepat untuk konsumennya.

Kata Kunci: k-means clustering, data mining, perkakas, penjualan

KATA KUNCI

Data Mining,Penjualan

---

DAFTAR PUSTAKA

[1]      M. H. Siregar, “DATA MINING KLASTERISASI PENJUALAN ALAT-ALAT BANGUNAN MENGGUNAKAN METODE K-MEANS (STUDI KASUS DI TOKO ADI BANGUNAN),” J. Teknol. DAN OPEN SOURCE, 2018, doi: 10.36378/jtos.v1i2.24.

[2]      G. Gunadi and D. I. Sensuse, “Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Buku Dengan Menggunakan Algoritma Apriori Dan Frequent Pattern Growth ( Fp-Growth )?:,” Telematika, 2012.

[3]      Y. Mardi, “Data Mining?: Klasifikasi Menggunakan Algoritma C4.5,” J. Edik Inform., 2017.

[4]      mohamad jajuli nurul rohmawati, sofi defiyanti, “Implementasi Algoritma K-Means Dalam Pengklasteran Mahasiswa Pelamar Beasiswa,” Jitter 2015, 2015.

[5]      B. M. Metisen and H. L. Sari, “Analisis clustering menggunakan metode K-Means dalam pengelompokkan penjualan produk pada Swalayan Fadhila,” J. Media Infotama, 2015.

[6]      F. Indriyani and E. Irfiani, “Clustering Data Penjualan pada Toko Perlengkapan Outdoor Menggunakan Metode K-Means,” JUITA  J. Inform., 2019, doi: 10.30595/juita.v7i2.5529.

[7]      E. Muningsih and S. Kiswati, “Penerapan Metode K-Means untuk Clustering Produk Online Shop dalam Penentuan Stok Barang,” J. Bianglala Inform., 2015.

[8]      S. Setiawan, “Pemanfaatan Metode K-Means Dalam Penentuan Persediaan Barang,” PIKSEL  Penelit. Ilmu Komput. Sist. Embed. Log., 2018, doi: 10.33558/piksel.v6i1.1398.

[9]      S. Arikunto, Prosedur Penelitian Ilmiah. 2010.