Analisis Produk Terlaris Menggunakan Metode K-Means Clustering Pada Toko Distro Engkus
Analysis of Best Selling Product Using The K-Means Clustering Method at Distro Engkus Store
DOI:
https://doi.org/10.57152/ijirse.v6i1.2377Kata Kunci:
Data Mining, K-Means Clustering, Penjualan, Distro Engkus, RapidMinerAbstrak
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
Referensi
H. R. Y. Idham, “IMPLEMENTASI RAPIDMINER UNTUK CLESTERING DATA PENJUALAN PAKAIAN MENGGUNAKAN METODE K-MEANS,” Journal Education and Technology, vol. 5, pp. 221-231, 2024.
N. N. d. A. M. M. M. Wijana, “Analisis Kualitas Layanan dan Fasilitas terhadap Kepuasan Siswa Menggunakan Data Mining,” Jurnal Maps (Manajemen Perbankan Syariah), vol. 8, pp. 115-123, 2025.
D. P. d. S. S. Y. N. Rumapea, “Analisis Segmentasi Pelanggan Ritel Online Menggunakan K-Means Clustering Berdasarkan Model Recency, Frequency, Monetary (RFM),” Jurnal Sains dan Teknologi, vol. 6, pp. 292-299, 2024.
A. I. G. A. D, “Visualisai Segmentasi Pelanggan Berdasarkan Atribut RFM Menggunakan Algoritma K-Means untuk Memahami Karakteristik Pelanggan pada Toko Retail Online,” Juenal Teknologi Informasi dan Ilmu Komputer, vol. 12, pp. 283-292, 2025.
A. W. Sukri Illaihi Wahyudi, “Implementasi Metode K-Means Clustering Untuk Pengelompokan Data Stok Produk Toko Online Perdagangan Kaos,” Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), pp. 470-478, 2022.
N. S. N. R. N. Afiasari, “Implementasi Data Mining Transaksi Penjualan Menggunakan Algoritma Clustering dengan Metode K-Means,” Jurnal SAINTEKOM, vol. 13, pp. 100-110, 2023.
d. K. U. M. H. Fakhriza, “Analisis Produk Terlaris Menggunakan Metode K-Means Clustering pada PT. Sukanda Djaya,” JIKA (Jurnal Informatika, vol. 5, pp. 8-15, 2021.
B. i. Febri Fahrizal, “ANALISIS PRODUK TERLARIS DAN PENGUJIAN K-MEANS UNTUK “UMKM CETOM”,” JATI (Jurnal Mahasiswa Teknik Informatika) , vol. 8, pp. 3055 - 3061, 2024.
N. R. S. D. Prasetiani, “Penerapan Data Mining Untuk Clustering Menu Favorit Menggunakan Algoritma K-Means (Studi Kasus Kedai Expo),” JINACS (Journal of Informatics and Computer , vol. 3, pp. 278-286, 2022.
A. R. S. Dewi, “Klasterisasi Pemilihan Paket Umrah Berdasarkan Musim untuk Menentukan Strategi Promosi Menggunakan Algoritma K-Means,” Jurnal Dimamu, vol. 4, pp. 83-96, 2024.
S. Meirisah, “ANALISA KASUS KEJAHATAN SIBER DENGAN MENGGUNAKAN VISUALISASI DATA,” (Jurnal Informatika Teknologi dan Sains), vol. 5, pp. 32-37, 2023.
S. H. Fathurrahman, “EVALUASI CLUSTERING K-MEANS DAN K-MEDOID PADA PERSEBARAN COVID-19 DI INDONESIA DENGAN METODE DAVIES-BOULDIN INDEX (DBI),” Jurnal MNEMONIC, vol. 6, pp. 117-128, 2023.
H. R. Y. Idham, “IMPLEMENTASI RAPIDMINER UNTUK CLESTERING DATA PENJUALAN PAKAIAN MENGGUNAKAN METODE K-MEANS,” Journal Education and Technology, vol. 5, pp. 221-231, 2024.
N. N. d. A. M. M. M. Wijana, “Analisis Kualitas Layanan dan Fasilitas terhadap Kepuasan Siswa Menggunakan Data Mining,” Jurnal Maps (Manajemen Perbankan Syariah), vol. 8, pp. 115-123, 2025.
D. P. d. S. S. Y. N. Rumapea, “Analisis Segmentasi Pelanggan Ritel Online Menggunakan K-Means Clustering Berdasarkan Model Recency, Frequency, Monetary (RFM),” Jurnal Sains dan Teknologi, vol. 6, pp. 292-299, 2024.
