PENERAPAN METODE K-MEDOIDS DALAM CLUSTERING BARANG BERDASARKAN PENJUALAN BARANG DI TOKO AMANAH PLAFON

Ezy Sulastari, Herlina Latipa Sari, Rizka Tri Alinse

Abstract


Penelitian ini bertujuan untuk mengelompokkan barang menggunakan metode K-Medoids berdasarkan hasil penjualan pada Toko Amanah Plafon. Pengelompokan barang yang efektif dapat membantu Toko Amanah Plafon dalam mengidentifikasi pola penjualan, mengoptimalkan manajemen stok, serta merencanakan strategi pemasaran yang lebih efektif. Metode K-Medoids digunakan untuk membagi barang-barang yang dijual oleh Toko Amanah Plafon menjadi beberapa kelompok berdasarkan kesamaan karakteristik. Metode K- Medoids menggunakan pusat kluster rata-rata sebagai representasi kluster, sedangkan K-Medoids menggunakan medoid, yaitu sampel data aktual yang mewakili kluster tersebut data penjualan Toko Amanah Plafon digunakan sebagai input dalam penelitian ini. Data ini mencakup informasi tentang barang- barang yang dijual dan jumlah penjualan yang terkait. Melalui analisis clustering, barang-barang tersebut akan dikelompokkan ke dalam kluster berdasarkan kesamaan pola penjualan. Dengan menggunakan metode K-Medoids, diharapkan penelitian ini dapat memberikan kontribusi dalam pengelompokan barang yang lebih efektif dan membantu pihak Toko Amanah Plafon dalam meningkatkan efisiensi operasional serta pengambilan Keputusan yang lebih baik berdasarkan hasil penjualan


Full Text:

PDF

References


Alita, D. et al. (2021). Penerapan Naïve Bayes Classifier Untuk Pendukung Keputusan Penerima Beasiswa. Jurnal Data Mining dan Sistem Informasi, 2(1), 17 https://doi.org/10.33365/jdmsi. v2i1.1028

Arta, I. K. J. et al. (2019). Data Mining Rekomendasi Calon Mahasiswa Berprestasi di Stmik Denpasar Menggunakan Metode Technique For Others Reference By Similarity To Ideal Solution. Jurnal Ilmu Komputer Indonesia, 4(1), 14-15.

Asria, S., & Afiah, N. (2019). Implementasi Sistem Pesan Popup Antar Perguruan Tinggi Dengan Memanfaatkan Pemrograman Soket Dinamis. INSTEK (Informatika Sains dan Teknologi), 4(1), 21-30.

Budiraharjo, K dkk. (2019). Factors Influencing Domestic Fresh Milk Production (SSDN). International Journal of Mechanical Engineering and Technology, 10(6), pp. 220-

Enterprise, J. (2019). Pengenalan Visual Studio 2013. PT. Elex Media Kompotido.

Gustrianda, R & Mulyana, D. I. (2022). Penerapan Data Mining dalam Pemilihan Produk Unggulan dengan Metode Algoritma K-Means dan K-Medoids. Jurnal Media Informatika Budidarma, 6(1),30-31.

Handoko, S., Fauziah & Handayani,

E. T. E. (2020). Implementasi Data Mining Untuk Menentukan Tingkat Penjualan Paket Data Telkomsel Menggunakan Metode K- Means Clustering. Jurnal Ilmiah Teknologi dan Rekayasa, Vol.25 No.1.

Jellita, D. (2020). “Konsep Data Mining dan Penerapan” Yayasan Kita Menulis.

Jimmy, G. (2023). “Database Microsoft Access 2019 Berbasis Visual Basic” Guepedia.

Marhamelda, S. (2019). Sistem Pengolahan Data Peserta Didik Pada LKP Prima Tama Komputer Dumai Dengan Menggunakan Bahasa

Pemrograman PHP. INFORMaTIKa, 11(1), 37-45.

Paramitha, I. A. K. P. (2022). Perancangan dan Implementasi RESTFul API Pada Sistem Informasi Manajemen Dosen Universitas Udayana. Jurnal SPEKTRUM. Teknik Elektro, Fakultas Teknik, Universitas Udayana.

Parnawi, A. (2020). “Penelitian Tindakan Kelas Classroom Action Research” CV. Budi Utama Sleman Yogyakarta.

Rina, dkk. (2020). “Data Mining dan Aplikasi Contoh Kasus di Industri Munafaktur dan Jasa” Wawasan Ilmu Jawa Tengah.

Rusmawan, U. (2019). Teknik Penulisan Tugas Akhir dan Skripsi Pemrograman - Pengertian ERD. Marlinda.

Suprapto, U. 2021. Pemodelan Perangkat Lunak C3 Kompetensi Keahlian dan Rekayasa Perangkat Lunak. PT. Grasindo.

Wanto, A. et al. 2020. Data Mining: Algoritma dan Implementasi. Medan: Yayasan Kita Menulis.

Yendrianof, D. Romindo, Sari,

A. N., Tantriawan, H., Putri, E. E., Manuhutu, M. A., Putri, N.

E. (2022). Analisis dan Perancangan Sistem Informasi. Medan: Yayasan Kita Menulis.

Zunan. S dkk. (2020). “Buku Ajar Data Mining” Yayasan Kita Menulis.




DOI: https://doi.org/10.54314/jssr.v7i4.2183

Article Metrics

Abstract view : 30 times
PDF - 7 times