Klasifikasi Barang Menggunakan Metode Clustering K-Means Dalam Penentuan Prediksi Stok Barang

Frencis Matheos  Sarimole; Lukamanul  Hakim

doi:10.55338/saintek.v5i3.2709

Authors

Frencis Matheos Sarimole, SekolahTinggi Ilmu Komputer Cipta Karya informatika, Jakarta Timur, Indonesia, Indonesia
Lukamanul Hakim, SekolahTinggi Ilmu Komputer Cipta Karya informatika, Jakarta Timur, Indonesia, Indonesia

DOI:

https://doi.org/10.55338/saintek.v5i3.2709

Keywords:

jurnal, K-means Clustering, CRISP-DM, RFM

Abstract

TB Bambu Kuning merupakan toko yang bergerak dalam penjualan bahan – bahan bangunan yang tingkat penjualannya cukup tinggi dan berlokasi di desa Muara Bakti Bekasi. Saat ini TB Bambu Kuning masih melakukan pemenuhan stok barang atau produk dan melakukan pencatatan transaksi secara manual sehingga sering terjadi kesalahan dalam pencatatan data data yang ada dan juga kurangnya efisiensi waktu yang diperlukan. Maka diperlukan suatu proses pengolahan data besar dengan menggunakan suatu teknik data mining. Teknik data mining yang akan digunakan pada penelitian ini adalah metode K-Means Clustering. Metodologi yang diterapkan dalam penelitian ini adalah CRISP-DM, dengan data penjualan di toko TB Bambu kuning bulan januari sampai maret 2023. Tujuannya Mempermudah pengendalian barang yang dikelola, Mendapatkan proses yang lebih akurat dan efektif dalam menentukan prediksi stok barang dan Mengukur tingkat akurasi dan efektifitas penerapan algoritma K-Means clustering untuk menentukan prediksi stok barang menggunakan Algoritma K-means diterapkan dalam pembentukan cluster berdasarkan model Recency, Frequency dan Monetary (RFM). Dengan bantuan tools jupiter notebook. Pada penentuan jumlah cluster (k) terbaik digunakan metode Elbow. Hasil yang didapat dengan 20 data transaksi terbagi menjadi tiga cluster penjualan terlaris, sedang dan kurang laris. Dari akurasi yang dihasilkan dengan nilai SSE yang rendah yaitu 0,0041 dapat disimpulkan bahwa metode Clustering K-Means dapat digunakan untuk proses clustering dengan hasil cluster yang baik.

Downloads

Download data is not yet available.

References

F. Yunita, “PENERAPAN DATA MINING MENGGUNKAN ALGORITMA K-MEANS CLUSTRING PADA PENERIMAAN MAHASISWA BARU (STUDI KASUS : UNIVERSITAS ISLAM INDRAGIRI),” 2018.

J. Nasir, “PENERAPAN DATA MINING CLUSTERING DALAM MENGELOMPOKAN BUKU DENGAN METODE K-MEANS,” Jurnal SIMETRIS, vol. 11, no. 2, 2020.

K. Fatmawati and A. P. Windarto, “DATA MINING: PENERAPAN RAPIDMINER DENGAN K-MEANS CLUSTER PADA DAERAH TERJANGKIT DEMAM BERDARAH DENGUE (DBD) BERDASARKAN PROVINSI,” 2018. [Online]. Available: https://www.depkes.go.id/.

E. Fammaldo and L. Hakim, “PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKAN TINGKAT KESEJAHTERAAN KELUARGA UNTUK PROGRAM KARTU INDONESIA PINTAR,” 2018.

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

F. Amin, D. S. Anggraeni, and Q. Aini, “Penerapan Metode K-Means dalam Penjualan Produk Souq.Com,” Applied Information System and Management (AISM), vol. 5, no. 1, pp. 7–14, Apr. 2022, doi: 10.15408/aism.v5i1.22534.

R. Yuliani, “Penerapan Data Mining untuk Mengcluster Data Penduduk Miskin Menggunakan Algoritma K-Means di Dusun Bagik Endep Sukamulia Timur,” Jurnal Informatika dan Teknologi, vol. 4, no. 1, 2021, doi: 10.29408/jit.v4i1.2986.

J. Hutagalung and F. Sonata, “Penerapan Metode K-Means Untuk Menganalisis Minat Nasabah,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 3, p. 1187, Jul. 2021, doi: 10.30865/mib.v5i3.3113.

H. Effendi, A. Syahrial, S. Prayoga, and W. D. Hidayat, “Penerapan Metode K-Means Clustering untuk Pengelompokan Lahan Sawit Produktif pada PT Kasih Agro Mandiri APPLICATION OF K-MEANS CLUSTERING METHOD FOR GROUPING PRODUCTIVE PALM OIL LAND AT PT KASIH AGRO MANDIRI,” TEKNOMATIKA, vol. 11, no. 02, pp. 1–5, 2021.

D. I. Ramadhani, O. Damayanti, O. Thaushiyah, and A. R. Kadafi, “Penerapan Metode K-Means Untuk Clustering Desa Rawan Bencana Berdasarkan Data Kejadian Terjadinya Bencana Alam,” JURIKOM (Jurnal Riset Komputer), vol. 9, no. 3, p. 749, Jun. 2022, doi: 10.30865/jurikom.v9i3.4326.

H. Annur, “Penerapan Data Mining Menentukan Strategi Penjualan Variasi Mobil Menggunakan Metode K-Means Clustering (Studi Kasus Toko Luxor Variasi Gorontalo),” 2019.

A. Asroni, H. Fitri, and E. Prasetyo, “Penerapan Metode Clustering dengan Algoritma K-Means pada Pengelompokkan Data Calon Mahasiswa Baru di Universitas Muhammadiyah Yogyakarta (Studi Kasus: Fakultas Kedokteran dan Ilmu Kesehatan, dan Fakultas Ilmu Sosial dan Ilmu Politik),” Semesta Teknika, vol. 21, no. 1, 2018, doi: 10.18196/st.211211.

C. Selvi, D. Sembiring, L. Hanum, and S. Parsaoran Tamba, “PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA K-MEANS UNTUK MENENTUKAN JUDUL SKRIPSI DAN JURNAL PENELITIAN (STUDI KASUS FTIK UNPRI),” Jurnal Sistem Informasi dan Ilmu Komputer Prima), vol. 5, no. 2, 2022.

A. Prasatya, R. R. A. Siregar, and R. Arianto, “Penerapan Metode K-Means Dan C4.5 Untuk Prediksi Penderita Diabetes,” PETIR, vol. 13, no. 1, pp. 86–100, Mar. 2020, doi: 10.33322/petir.v13i1.925.

N. Rofiqo, A. P. Windarto, and D. Hartama, “KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) PENERAPAN CLUSTERING PADA PENDUDUK YANG MEMPUNYAI KELUHAN KESEHATAN DENGAN DATAMINING K-MEANS”, [Online]. Available: http://ejurnal.stmik-budidarma.ac.id/index.php/komik