Prediksi Barang Sering dan Jarang Terjual Dengan Menggunakan Algorithma K-Mean Clustering (Studi Kasus Toko Bina Mulia)

Penulis

  • Muhamad Khaerudin Universitas Bhayangkara Jakarta Raya
  • Imam Zaenuddin STMIK Pranata Indonesia
  • Tukino Universitas Buana Perjuangan

Kata Kunci:

Clustering, Item Type, K-Means, Rapid Miner

Abstrak

Peningkatan jumlah penduduk di wilayah penyangga ibu kota yang pesat berpengaruh terhadap pola hidup masyarakat di wilayah tersebut termasuk di kabupaten Bekasi. Demikian juga dengan pertumbuhan usaha masyarakat kecil dan menengah, salah satunya adalah toko koperasi bina mulia. Penelitian ini dibuat untuk menentukan jenis barang mana saja yang sering terjual dan jenis barang mana saja yang jarang terjual. Algoritma yang digunakan yaitu K-Means Clustering, di mana data dikelompokkan berdasarkan karakteristik yang sama akan dimasukkan ke dalam kelompok yang sama dan set data yang dimasukkan ke dalam kelompok tidak tumpang tindih. Informasi yang ditampilkan berupa kelompok – kelompok nama produk dan jumlah terjual dalam satu minggu selama dua bulan yaitu bulan April dan Mei sebagai sample. Hasil penelitian ini akan membantu pihak Toko dalam menganalisa jenis barang mana yang sering dan yang jarang terjual. Software yang digunakan untuk membantu pengelompokan ini adalah Rapid Miner.

Unduhan

Data unduhan belum tersedia.

Unduhan

Diterbitkan

2022-07-29

Cara Mengutip

Khaerudin, M., Zaenuddin, I., & Tukino. (2022). Prediksi Barang Sering dan Jarang Terjual Dengan Menggunakan Algorithma K-Mean Clustering (Studi Kasus Toko Bina Mulia). Journal of Informatic and Information Security, 3(1), 1–12. Diambil dari http://ejurnal.ubharajaya.ac.id/index.php/jiforty/article/view/1229

Terbitan

Bagian

Artikel