KLASTERISASI DATA PENJUALAN BERDASARKAN WILAYAH MENGGUNAKAN METODE K-MEANS PADA PT XYZ

Elin Mayoana Fitri, Ryan Randy Suryono, Agus Wantoro

Abstract


PT XYZ merupakan perusahaan yang bergerak dalam bidang distributor minuman ringan yang ada di Lampung. Permasalahan yang dihadapi perusahaan saat ini dalam mengelola data transaksi penjualan di setiap cabangnya masih dilakukan pengelompokkan secara manual sehingga menjadi kurang efisien. Penelitian ini bertujuan untuk memberikan kemudahan bagi perusahaan dalam mengelola data transaksi penjualannya untuk mengetahui tingkat penjualan produk pada setiap cabangnya. Penelitian dilakukan dengan menggunakan metode clustering algoritma k-means, dan menggunakan bahasa pemrograman python. Data akan di clustering ke dalam 3 cluster yaitu penjualan tertinggi, penjualan, sedang, dan penjualan terendah. Hasil dari penelitian menunjukkan bahwa penjualan dengan nilai tertinggi adalah pada region 3, penjualan dengan nilai sedang berada pada region 11 dan penjualan dengan nilai terendah yaitu pada region 4. Pengujian terhadap hasil clustering dalam penelitian ini menggunakan metode silhouette score untuk mengetahui jumlah klaster yang optimal. Hasilnya didapatkan skor untuk klaster data penjualan berdasarkan region adalah 0,78 dan untuk klaster data penjualan berdasarkan outlet adalah 0,58. Skor tersebut menunjukkan bahwa jumlah klaster yang dihasilkan masuk kedalam kategori baik karena tidak mendekati -1. Berdasarkan hasil klasterisasi tersebut diharapkan dapat menjadi rekomendasi PT XYZ dalam menentukan strategi penjualan sebagai upaya meningkatkan keuntungan bagi perusahaan.

Keywords


Data Penjualan, K-Means Clustering, Python

Article Metrics

Abstract view : 1127 times
PDF - 1037 times

Full Text:

PDF

References


I. Nuryani and D. Darwis, "ANALISIS CLUSTERING PADA PENGGUNA BRAND HP MENGGUNAKAN METODE K-MEANS," in Prosiding Seminar Nasional Ilmu Komputer, 2021.

A. T. Rahman, Wiranto and R. Anggrainingsih, "Coal Trade Data Clustering Using K-Means (Case Study PT. Global Bangkit Utama)," TSMART (Jurnal Ilmiah Teknologi dan Informasi), vol. 6, pp. 24-31, Juni 2017.

Y. D. Putra, M. Sudarma and I. B. A. Swamardika, "Clustering History Data Penjualan Menggunakan Algoritma K-Means," Majalah Ilmiah Teknologi Elektro, vol. 20, pp. 195-202, 2021.

Y. Li and Y. Ye, "Prediction Model of Online Retail Sales Based on Data Mining Technology," International Journal of Online Marketing, pp. 1-19, 2016.

U. Fayyad, G. Piatetsky-Shapiro and P. Smyth, "From Data Mining to Knowledge Discovery in Databases," AI Magazine, pp. 37-54, 1996.

Murdiaty, Angela and C. Sylvia, "Pengelompokkan Data Bencana Alam Berdasarkan Wilayah, Waktu, Jumlah Korban dan Kerusakan Fasilitas dengan Algoritma K-Means," Jurnal Media Informatika Budidarma, vol. 4, no. 3, pp. 744-752, 2020.

X. WU, X. Zhu, G. Q. Wu and W. Ding, "Data Mining with Big Data," IEEE Transactions on Knowledge and Data Engineering, pp. 97-107, 2014.

S. P. Tamba, F. T. Kesuma and Feryanto, "Penerapan Data Mining untuk Menentukan Penjualan Sparepart Toyota dengan Metode K-Means Clustering," Jurnal Sistem Informasi Ilmu Komputer Prima (JUSIKOM PRIMA), pp. 67-72, 2019.

I. H. Witten, E. Frank and M. A. Hall, Data Mining: Practical Machine Learning Tools and Techniques, 2016.

J. Han, M. Kamber and J. Pei, Data Mining:Concept and Techniques, Elsevier, 2011.

J. MacQueen, "Some Methods for Classification and Analysis of Multivariate Observations," in Proceedings of the fifth Berkeley symposium on mathematical ststistics and probability, 1967.

F. Amin, D. S. Anggraeni and Q. Aini, "Penerapan Metode K-Means dalam Penjualan Produk Souq.Com," Applied Information System and Management (AISM), pp. 7-14, 2022.

U. Sekaran and R. Bougie, Research Methods for Business: A Skill Building Approach, 2016.

K. K. Ningrum, J. Maulindar and A. Farida, "Penerapan Algoritma K-Means untuk Pengelompokkan Penilaian Akhir Semester di SDN Kadokan 01 Sukoharjo," Infotech Journal, pp. 190-197, 2023.

L. P. Refialy, H. Maitimu and M. S. Pesulima, "Perbaikan Kinerja Clustering K-Means pada Data Ekonomi Nelayan dengan Perhitungan Sum of Square Error (SSE) dan Optimasi nilai K cluster," Techno.COM, pp. 321-329, 2021.




DOI: http://dx.doi.org/10.23960%2Fkomputasi.v11i2.12582

Refbacks

  • There are currently no refbacks.