Analisis Metode K-Means Clustering Dalam Pengelompokan  Penjualan Sembako

Rahma Fikria; Sriani Sriani

doi:10.47065/josh.v5i4.5699

Rahma Fikria * Universitas Islam Negeri Sumatera Utara, Deli Serdang, Indonesia
Sriani Sriani Universitas Islam Negeri Sumatera Utara, Deli Serdang, Indonesia

(*) Corresponding Author

DOI: https://doi.org/10.47065/josh.v5i4.5699

Keywords: K-Means Clustering; Clustering; Staple Food Sales; Marketing Strategy; Distribution; Davies-Bouldin Index

Abstract

This research aims to analyze the clustering of staple food sales at PT. Sinarmas Distribusi Nusantara using the K-Means Clustering method. The main problem faced by the company is the lack of clarity in identifying which products have high sales performance and which products require more attention. This issue negatively impacts the effectiveness of the company's marketing and distribution strategies. The K-Means Clustering method is used to divide the sales data of staple food products into several clusters based on the similarity of their characteristics. Sales data is collected and analyzed to group products based on their sales levels. The research results show that out of all the products studied, 5 products fall into the "Fast-Selling" category, 2 products into the "Slow-Selling" category, and 51 products into the "Non-Selling" category. Evaluation of the clustering results using the Davies-Bouldin index yielded a value of 0.8911, indicating a reasonably good clustering quality. In conclusion, the K-Means Clustering method is effective in identifying sales patterns of staple food products, thus providing a basis for strategic decision-making in sales management.

Downloads

Download data is not yet available.

References

K. A. Ningtyas, “Strategi Peningkatan Pembelian di PT. Haruman Multi Artha melalui Bauran Pemasaran.” Universitas Islam Indonesia, 2023.

K. Y. Saputra, “Analisis Komunikasi Organisasi Pada Pt. Duta Palma Nusantara Pks Sei. Kuko Kuantan Singingi.” Universitas Islam Riau, 2019.

A. Syamil et al., Manajemen Rantai Pasok. PT. Sonpedia Publishing Indonesia, 2023.

M. B. Soeltanong and C. Sasongko, “Perencanaan produksi dan pengendalian persediaan pada perusahaan manufaktur,” J. Ris. Akunt. Perpajak., vol. 8, no. 01, pp. 14–27, 2021.

A. A. B. Sahbannur, “Analisis Pengendalian Internal atas Persediaan Barang Dagang pada CV. Aisyah,” vol. 1, p. 50, 2019.

D. S. Dewi, “Dampak Keberadaan Pasar Modern Terhadap Pendapatan Para Pedagang Pasar Tradisional (Studi Kasus di Desa Tanggul Angin Kecamatan Punggur).” IAIN Metro, 2020.

D. Ramdhan, G. Dwilestari, R. D. Dana, and A. Ajiz, “Clustering Data Persediaan Barang Dengan Menggunakan Metode K-Means,” MEANS (Media Inf. Anal. dan Sist., pp. 1–9, 2022.

D. H. Depari, Y. Widiastiwi, and M. M. Santoni, “Perbandingan Model Decision Tree, Naive Bayes dan Random Forest untuk Prediksi Klasifikasi Penyakit Jantung,” Inform. J. Ilmu Komput., vol. 18, no. 3, p. 239, 2022, doi: 10.52958/iftk.v18i3.4694.

N. F. Adani, A. F. Boy, and R. Syahputra, “Implementasi Data Mining Untuk Pengelompokan Data Penjualan Berdasarkan Pola Pembelian Menggunakan Algoritma K-Means Clustering Pada Toko Syihan,” J. Cyber Tech, vol. 2, no. 5, 2019.

D. Dona, “Penerapan Metode K-Means Clustering Untuk Menentukan Status Gizi Baik Dan Gizi Buruk Pada Balita (Studi Kasus Kabupaten Rokan Hulu),” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 7, no. 2, pp. 179–191, 2022.

Y. Prayoga, A. Mahmudi, and H. Z. Zahro, “Penerapan Metode K Means Pada Sistem Informasi Akademik Untuk Pengelompokkan Siswa Berprestasi Di Upt Sma Negeri 3 Kota Pasuruan Berbasis Web,” Jati (Jurnal Mhs. Tek. Inform., vol. 5, no. 2, pp. 822–828, 2021.

N. S. Aji, F. Natsir, and S. Istianah, “Penentuan Penjualan Barang Berdasarkan Pengelompokan Produk dengan K-Means Clustering Metode CRISP-DM Pada CV Sembako Dina,” J. Zetroem, vol. 05, no. 02, pp. 119–126, 2023.

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.

S. Sriani, M. S. Hasibuan, and R. Ananda, “Classification of Batu Bara Songket Using Gray-Level Co-Occurrence Matrix and Support Vector Machine,” J. Ris. Inform., vol. 5, no. 1, pp. 481–490, 2022, doi: 10.34288/jri.v5i1.469.

Suhardi, A. H. Lubis, A. Aprilia, and I. A. Ningrum, “Penerapan Metode Simple Multi Attribute Rating Technique pada Pemilihan Cafe Terfavorit,” Sist. Pendukung Keputusan dengan Apl., vol. 2, no. 1, pp. 1–11, 2023, doi: 10.55537/spk.v2i1.114.

P. W. Rahayu et al., Buku Ajar Data Mining. PT. Sonpedia Publishing Indonesia, 2024.

E. Akbar, “Perbandingan Algoritma Dbscan-K Means dan K Means Untuk Pengelompokan Madrasah Aliyah Provinsi Jawa Timur.” Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta, 2023.

F. A. Dewa and M. T. Jatipaningrum, “SEGMENTASI E-COMMERCE DENGAN CLUSTER K-MEANS DAN FUZZY C-MEANS: Studi Kasus: Media Sosial di Indonesia yang diunduh di Play Store,” J. Stat. Ind. dan Komputasi, vol. 4, no. 01, pp. 53–67, 2019.

R. Mauliadi, “Data Mining Menggunakan Algoritma K-Means Clustering dalam Analisis Tingkat Potongan Harga Terhadap Harga Jual Sepeda Motor Honda,” J. Inform. Ekon. Bisnis, pp. 124–129, 2022.

M. R. Q. Baihaqie, “Analisis Perilaku Konsumen pada Usaha Ritel dengan menggunakan Metode Association Rule-Market Basket Analysis dan Clustering sebagai Usulan Strategi Peningkatan Penjualan (Studi Kasus: Intimart Gedongan).” Universitas Islam Indonesia, 2023.

Bila bermanfaat silahkan share artikel ini

Berikan Komentar Anda terhadap artikel Analisis Metode K-Means Clustering Dalam Pengelompokan Penjualan Sembako