Pemanfaatan Data Mining untuk Mengelompokkan Kategori Penjualan Produk

Abstract

Ketersedian barang dan kelengkapan barang pada suatu toko adalah elemen yang sangat penting. Sehingga proses manajemen untuk mengatur ketersediaan persediaan barang sangat diperlukan untuk menghindari penumpukan barang yang sama dan kurang diminati oleh pelanggan. Selain itu manajemen proses untuk mengatur ketersedian persediaan barang yang dibutuhkan juga sangat dibutuhkan untuk memaksimalkan barang tertentu yang paling banyak diminati oleh pelanggan. Untuk mengetahui barang yang laris, tidak laris di Restu Baru masih dalam satu query di database menggunakan Navicat, jadi di sort by berdasarkan query terbanyak maka dapat disebut barang laris, dan yang paling bawah disebut tidak laris.belum ada pengelompokan tersendiri, selain itu jika menginginkan informasi mengenai barang laris, kurang laris dan tidak laris harus menemui divisi IT. Data yang digunakan pada penelitian ini diperoleh dengan cara mengambil langsung data hasil penjualan di Restu Baru. Variabel penelitian tersebut meliputi nama produk, tanggal transaksi, jumlah persediaan barang dan jumlah penjualan. Periode waktu pengambilan data adalah bulan Juli 2018. Dalam penelitian ini dilakukan beberapa tahap yang meliputi pengumpulan dan analisis data, perancangan algoritma K-Means Clusterring, perancangan proses, simulasi dengan Weka dan pengujian. Tahap pengujian dilakukan dengan membandingkan hasil perhitungan dengan simulasi Weka. Berdasarkan hasil pengujian berdasarkan perancangan K-Means Clusterring dengan simulasi menggunakan Weka menghasilkan keluaran yang sama yaitu cluster 1 terdapat 42%, cluster 2 terdapat 32%, cluster 3 terdapat 26%.