ANALISIS PRODUK TERLARIS MENGGUNAKAN METODE K-MEANS CLUSTERING PADA “PT.SUKANDA DJAYA

Muhammad Hilman Fakhriza, Khairul Umam

Abstract


Kepentingan Klasterisasi produk menjadi salah satu penentu pengembangan produk sebuah perusahaan dalam aktifitas penjualan. Penelitian lanjut terhadap variable produk terlaris menjadi point penting yang perlu dikembangkan sebaik mungkin. PT Sukanda Djaya. Diamond Cold Storage hari ini. Diketahui adanya kekurangan dalam masalah loading barang yang paling laris untuk di bawa oleh bagian salesman, dan menjadi rekomendasi Karena belum pernah melakukan pengukuran produk terlaris, untuk mengetahui produk mana yang paling laris yang ada di daerah tertentu untuk memudahkan salesman membawa produk yang paling laris agar tidak terjadi penumpukan yang kurang komsumtif. Tujuan dari penelitian ini adalah membantu salesman membawa produk yang laris agar tidak terjadi kesia-siaan dalam membawa produk yang kurang komsumtif. Untuk metode yang digunakan adalah metode Algoritma K means Clustering, Clustering merupakan salah satu teknik dari salah satu fungsionalitas data mining, Algoritma Clustering merupakan Algoritma pengelompokan jumlah data sejumlah data menjadi kelompok-kelompok data tertentu (cluster). Sehingga dengan adanya pengelompokan data ini pihak perusahaan dapat mengetahui barang paling laris, laris dan tidak laris. Sehingga barang yang ada digudang tidak menumpuk. Dari penitian ini output yang dihasilkan yaitu, barang paling laris sebanyak 10, kurang laris sebanyak 4. Dengan adanya pengolahan data yang dilakukan diharapkan dapat memberikan solusi kepada pihak perusahaan agar dapat mengetahui mana barang yang paling laris dan mana barang yang tidak laris.

Full Text:

PDF

References


Metisen. B. M. and Sari H. L. (2015) Analisis clustering menggunakan metode K-Means dalam pengelompokan penjualan produk pada swalayan fadhila. Jurnal Media Infotama, vol. 11, no. 2, pp. 110–118

Tamba. S. P, Kesuma F. T., and Feryanto. (2019) Penerapan data mining untuk menentukan penjualan sparepart toyota dengan metode K-Means Clustering. Jurnal Sistem Informasi Ilmu Komputer. Orima (JUSIKOM Prima) vol. 2, no. 2, pp. 67–72

Annur. H. (2019) Penerapan Data Mining Menentukan Strategi Penjualan Variasi Mobil Menggunakan Metode K-Means Clustering J. Inform. Upgris, vol. 5, no. 1, 2019, doi: 10.26877/jiu.v5i1.3091

Vhallah. I, Sumijan. S, and Santony. J. (2018) Pengelompokan Mahasiswa Potensial Drop Out Menggunakan Metode Clustering K-Means. J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 2, no. 2, pp. 572–577, 2018, doi: 10.29207/resti.v2i2.308

Haryati. S, Sudarsono. A., and Suryana. E. (2015) IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS: UNIVERSITAS DEHASEN BENGKULU, J. Media Infotama, vol. 11, no. 2, pp. 130–138.

Rianti. E (2017) “Data Mining Dalam Menentukan Penjualan Laris Menggunakan Metode Clustering,” KomTekInfo, vol. 4, no. 2, pp. 267–283.http://lppm.upiyptk.ac.id/komtekinfo/index.php/KOMTEKINFO/article/view/128




DOI: http://dx.doi.org/10.31000/jika.v5i1.3236

Article Metrics

Abstract - 2473 PDF - 2013

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

CURRENT INDEXING