PENERAPAN ALGORITMA K-MEANS PADA APLIKASI DATA MINING UNTUK MENENTUKAN POLA PENJUALAN (STUDI KASUS: ZAHRA MART)

Ilwan Syafrinal, Eka Lia Febrianti

Abstract


Semakin berkembangnya persaingan dalam dunia bisnis khususnya dalam industri supermarket, minimarket dan swalayan menuntut para pengembang untuk menemukan suatu pola yang dapat meningkatkan penjualan dan pemasaran barang di swalayan, salah satunya adalah dengan pemanfaatan data transaksi. Pada Zahra Mart manager kurang dalam peninjauan produk yang dijual, produk-produk apa saja yang dibutuhkan konsumen dan penyimpanan data data kurang efektif. Dalam analisi ini digunakan penerapan Clustering dengan menggunakan Algoritma K-Means. Clustering merupakan salah satu teknik dari salah satu fungsionalitas data mining, algoritma clustering merupakan algoritma pengelompokkan sejumlah data menjadi kelompok–kelompok data tertentu (cluster). Sehingga dengan adanya pengelompokan data ini pihak Zahra Mart dapat mengetahui barang laris dan tidak laris. Sehingga barang yang ada digudang tidak menumpuk. Dengan adanya perancangan aplikasi data mining yang ditampilkan dalam bentuk website menggunakan program PHP dengan database MySQL diharapkan akan dapat memberikan solusi nyata kepada Zahra Mart agar dapat mengetahui mana barang yang laris dan mana barang yang tidak laris.

Kata kunci: Data Mining, Clustering, Algoritma K-means, PHP MySQL


Full Text:

PDF

References


H. Sulastri and A. I. Gufroni, “Penerapan Data Mining Dalam Pengelompokan Penderita Thalassaemia,” Jurnal Naional Teknologi Dan Sistem Informasi., vol. 03 No. 02, pp. 299–305, 2017, doi: https://doi.org/10.25077/ TEKNOSI.v3i2.2017.299-305.

E. Muningsih and S. Kiswati, “Penerapan Metode K-Means untuk Clustering Produk Online Shop dalam Penentuan Stok Barang,” J. Bianglala Inform., vol. 3, no. 1, pp. 10–17, 2015.

Santosa, Budi. Data Mining (Teknik Pemanfaatan Data Untuk Keperluan Bisnis). Yogyakarta : Gahara Ilmu. 2007.

Metisen, Benri Melpa & Herlina Latipa Sari. (2015). Analisis Clustering Menggunakan Metode KMeans Dalam Pengelompokan Penjualan Produk Pada Swalayan Fadhila”. Jurnal Media Infotama Vol. 11 No. 2.

Widiarina, W., & Romi, S. W. (2015). Algoritma Cluster Dinamik untuk Optimasi Cluster pada Algoritma K-Means dalam Pemetaan Nasabah Potensial. Journal of Intelligent Systems, 1(1), 3

S. Bhardwaj, “Data Mining Clustering Techniques -A Review,” IJCSMC., vol. 6 No. 05, pp. 183–186, 2017, ISSN: 2320-088X

Y. Darmi and A. Setiawan, “Penerapan Metode Clustering K-Means Dalam Pengelompokan Penjualan Produk,” Jurnal Media Infotama., vol.

No. 02, pp. 148–157, 2016, ISSN: 1858-2680

Nas C. Data Mining Pengelompokan Bidang Keahlian Mahasiswa Menggunakan Algoritma K-Means (Studi Kasus: Universitas CIC Cirebon). Syntax: Jurnal Informatika. 2020; 9(1): 1-14. E-ISSN 2541-5244

Agusta, Yudi. 2007. K-Means-Penerapan, Permasalahan dan Metode Terkait. Jurnal Sistem dan Informatika, volume 3, no 1.

W Purba, S. Tamba and J. Saragih, “The Effect of Mining Data K-Means Clustering Toward Students Profile Model Drop Out Potential,” IOP Conf. Series: Journal of Physics., pp. 1–6, 2018, doi :10.1088/1742-6596/1007/1/012049.




DOI: https://doi.org/10.51920/jd.v13i1.320

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Jurnal Digit : Digital of Information Technology




Alamat Redaksi :
LPPM Universitas Catur Insan Cendekia (UCIC)
Jl. Kesambi 202, Kota Cirebon 45133, Prov. Jawa Barat, Indonesia
Telp.(0231) 220 250 / 220 260 / 200 418
Fax.(0231) 242 112, E-mail:lppm@cic.ac.id
Website: http://jurnaldigit.org
 
P ISSN : 2088-589X
E ISSN : 2720-9636

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.