| dc.identifier.citation | [1] Sutrisno, Afriyudi, Widiyanto, "Penerapan data mining pada penjualan menggunakan metode clustering study kasus PT.Indomarco Palembang",Universitas Bina Dharma,Palembang, 2013. [2] Giering, M, "Retail sales prediction and item recommendations using customer demographics at store level", SIGKDD Explorations, Volume 10 Issue 2, ACM New York, NY, USA,10.1145/1540276.1540301. p84-89, 2008. [3] Kusrini, "Grouping of Retail Items by Using K-Means Clustering", ISICO, Procedia Computer Science 72, pp.495 – 5027,2015. [4] Phrabu, S., Venatesan, N. "Data Mining And Warehousing, New Age International Publisher", 2007, pp.34-40 [5] Berry, M.J.A. dan Linoff, G. S., "Data Mining Techniques For Marketing, Sales, and Customer Relationship Management", Second Edition, Wiley Publishing, Inc., Indianapolis, Indiana, 2004, [6] Larose, D. T., "Discovering Knowledge in Data: An Introduction to Data Mining". John Wiley and Sons, 2005. pp: 116-126 and 153-158. ISBN: 0471666572. DOI: 10.1002/0471687545 | id_ID |
| dc.description.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%. | id_ID |
