Strategi Bisnis Toko Sejarah Baru Melalui Klasterisasi Berbasis Persediaan Barang Menggunakan K-Means

Tar Muhammad Raja Gunung; Iriene Putri Mulyadi; Guslia Sari Nasution; Fadil Aulia Rahman

doi:10.55382/jurnalpustakarobotsister.v2i2.770

Penulis

Tar Muhammad Raja Gunung Universitas Satya Terra Bhinneka
Iriene Putri Mulyadi Universitas Riau Indonesia
Guslia Sari Nasution Universitas Riau Indonesia
Fadil Aulia Rahman Universitas Riau Indonesia

DOI:

https://doi.org/10.55382/jurnalpustakarobotsister.v2i2.770

Kata Kunci:

Klasterisasi, K-Means, Data Mining, Persediaan Barang

Abstrak

Data penjualan dan persedian hanya akan menjadi sekumpulan data yang tidak berguna jika tidak dilakukan penggalian data terhadapnya. Data dapat digali dengan metoda data mining, Data mining merupakan penambangan atau penggalian informasi baru dengan mencari pola atau aturan tertentu dari data dalam jumlah besar yang dapat memberikan informasi yang akurat dan sangat berguna untuk pengembangan suatu perusahaan. Banyak informasi terpendam yang dapat diambil dari sekumpulan data tersebut sehingga dapat memberikan suatu pengetahuan untuk penentuan kebijakan. Menggali data dapat dilakukan dengan cara pengelompokan data penjualan dan persedian menjadi beberapa kelompok. Salah satu metode pengelompokan data adalah clastering dengan Algoritma K-Means yang membagi data menjadi sejumlah kelompok yang ditentukan oleh pengguna.

Referensi

N. Afiasari, N. Suarna, and N. Rahaningsi, “Implementasi Data Mining Transaksi Penjualan Menggunakan Algoritma Clustering dengan Metode K-Means,” J. SAINTEKOM, vol. 13, no. 1, pp. 100–110, 2023, doi: 10.33020/saintekom.v13i1.402.

T. Gunung, A. Idaman, R. M. Suri, N. Purnomo, and A. Muis, “Identification of Nervosa Disease using Case-Based Reasoning,” vol. 6, no. 1, pp. 128–134, 2024.

M. Siregar, A. Jinan, and T. Muhammad, “Journal of Computer Networks , Architecture and High Performance Computing Disguising Text Using Caesar Cipher , Reverse Cipher and Least Significant Bit ( LSB ) Algorithms in Video Journal of Computer Networks , Architecture and High Performance Computin,” vol. 6, no. 3, pp. 1134–1144, 2024.

N. Sukartara, M. R. Ramadhona, and E. S. Monica, “Optimalisasi Literasi Digital sebagai Upaya Menanggulangi Hoax dan Pembangunan Masyarakat Kritis pada Perkumpulan Pemuda Pemudi Kampung Sejahtera Pendahuluan,” vol. 2, no. 1, pp. 29–34, 2024.

A. Yudhistira and R. Andika, “Pengelompokan Data Nilai Siswa Menggunakan Metode K-Means Clustering,” J. Artif. Intell. Technol. Inf., vol. 1, no. 1, pp. 20–28, 2023, doi: 10.58602/jaiti.v1i1.22.

A. Nugraha, O. Nurdiawan, and G. Dwilestari, “Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Yana Sport,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 849–855, 2022, doi: 10.36040/jati.v6i2.5755.

G. Triyandana, L. A. Putri, and Y. Umaidah, “Penerapan Data Mining Pengelompokan Menu Makanan dan Minuman Berdasarkan Tingkat Penjualan Menggunakan Metode K-Means,” J. Appl. Informatics Comput., vol. 6, no. 1, pp. 40–46, 2022, doi: 10.30871/jaic.v6i1.3824.

D. Marlina and M. Bakri, “Penerapan Data Mining Untuk Memprediksi Transaksi Nasabah Dengan Algoritma C4.5,” J. Teknol. dan Sist. Inf., vol. 2, no. 1, pp. 23–28, 2021.

H. Prastiwi, Jeny Pricilia, and Errissya Rasywir, “Implementasi Data Mining Untuk Menentuksn Persediaan Stok Barang Di Mini Market Menggunakan Metode K-Means Clustering,” J. Inform. Dan Rekayasa Komputer(JAKAKOM), vol. 2, no. 1, pp. 141–148, 2022, doi: 10.33998/jakakom.2022.2.1.34.

I. Ikhsan, R. Asmara, dan I. Syah, “Sistem Informasi Pelaporan Gangguan Jaringan Internet Berbasis Web”, Jurnal Pustaka Data, vol. 3, no. 2, hlm. 56–61, Des 2023.