https://journal.irpi.or.id/index.php/ijirse/issue/feedIndonesian Journal of Informatic Research and Software Engineering (IJIRSE)2026-03-01T00:00:00+00:00Rice Novitairpi.officials@gmail.comOpen Journal Systems<p>Indonesian Journal of Informatic Research and Software Engineering (IJIRSE) is a scientific journal published by the Indonesian Research and Publication Institute (IRPI) in collaboration with several universities throughout Riau and Indonesia. IJIRSE will be published 2 (two) times a year, March and september, each edition containing 10 (ten) articles. Articles may be written in Indonesian or English. articles are original research results with a maximum plagiarism of 20%. Articles submitted to IJIRSE will be reviewed by at least 2 (two) reviewers. The entire process until IJIRSE is published will be free of charge. IJIRSE is registered in National Library with Number International Standard Serial Number (ISSN) Online <a href="http://issn.pdii.lipi.go.id/issn.cgi?daftar&1613710054&1&&" target="_blank" rel="noopener">2775-5754</a> and Print <a href="https://issn.lipi.go.id/terbit/detail/20210528340787323">2797-2712</a>.</p>https://journal.irpi.or.id/index.php/ijirse/article/view/2377Analisis Produk Terlaris Menggunakan Metode K-Means Clustering Pada Toko Distro Engkus 2025-11-24T11:30:10+00:00Sofia Dewisofiadewi.job@gmail.comMiki Wijanamikiwijana@gmail.comAsep Saepulohepul7825@gmail.com<p>Penelitian ini bertujuan mengatasi masalah Distro Engkus dalam menentukan produk terlaris dan kurang laris secara manual, yang rawan kesalahan dalam pengambilan keputusan pengadaan barang dan pengelolaan stok. Oleh karena itu, diterapkan algoritma K-Means Clustering untuk menganalisis data produk dengan variabel Stok Awal, Stok Terjual, dan Stok Akhir. K-Means digunakan untuk mengelompokkan produk ke dalam tiga kategori: sangat laris, laris, dan kurang laris. Kebaruan penelitian ini terletak pada pemilihan variabel clustering yang secara langsung bertujuan menyelesaikan masalah manajemen inventaris dan bukan segmentasi pelanggan. Temuan menunjukkan bahwa penerapan K-Means efektif dalam mengelompokkan produk secara objektif dan efisien. Hasil validasi internal menggunakan Davies-Bouldin Index (DBI) menunjukkan nilai 0,392 mengindikasikan kualitas clustering yang baik. Penggunaan RapidMiner mendukung manajemen dalam mengambil keputusan strategis yang lebih cepat dan akurat, terutama dalam pengadaan dan pengelolaan persediaan</p>2026-02-09T00:00:00+00:00Copyright (c) 2026 Indonesian Journal of Informatic Research and Software Engineering (IJIRSE)