Keywords
Davies-bouldin-index
K-means
Klasifikasi
Penjualan
How to Cite
Abstract
Parfum merupakan salah satu kosmetik yang disukai dan digunakan oleh masyarakat pada umumnya. Preferensi untuk menggunakan parfum adalah gaya hidup yang telah dianut oleh banyak orang. Berdasarkan informasi yang dihimpun, pencatatan transaksi penjualan harian dilakukan secara manual dengan menggunakan buku catatan dan arsip. Banyak sekali data yang sudah terkumpul dalam jumlah sangat besar. Dimana dari tumpukan data yang banyak itu dapat digali lagi informasi tersembunyi yang dapat berguna bagi pemilik toko, salah satunya data transaksi penjualan yang belum dimanfaatkan sepenuhnya. Dalam melakukan rekap penjualan barang, pada tiap cabang toko juga mempuyai buku catatan yang berbeda sehingga mempersulit dalam mengontrol penjualan barang yang terjual. Tujuan dari penelitian ini adalah mengklasifikasi transaksi penjualan berdasarkan ratting penjualan untuk menentukan strategi penjualan pada bulan berikutnya, dengan menggunakan metode K-means Clustering untuk mengelompokan 4 cluster yaitu rendah, sedang tinggi, dan sangat tinggi dan menggunakan sample data transaksi parfum sebanyak 10 data selama 6 bulan juli hingga desember pada tahun 2021 memperoleh hasil yaitu parfum yang memiliki ratting penjualan dengan tingkat rendah ada 1 jenis parfum, sedang ada 5 jenis parfum, tinggi ada 2 jenis parfum,dan parfum dengan ratting penjualan sangat tinggi ada 2 jenis parfum. Pengujian menggunakan vaidasi Davies bouldin Index diperoleh nilai untuk tiap-tiap cluster. Pengujian C1 diperoleh nilai 0, C2 diperoleh dengan nilai 0.08268, C3 diperoleh dengan nilai , dan C4 diperoleh nilai dan mendapatkan nilai DBI rata-rata sebesar menggambarkan clustering terbentuk cukup baik. Dengan adanya sistem ini bisa menjadi rekomendasi atau acuan restock pada bulan berikutnya agar tidak terjadi penumpukan barang pada Toko N parfum.
References
F. Rozy, F. Amalia, and R. C. Wihandika, “Pengembangan Sistem Informasi Manajemen dan Prediksi Permintaan Pemesanan Bibit Parfum Pada Toko Blossom Perfume Berbasis Web,” Teknol. Inf. dan Ilmu Komput, vol. 5, no. 6, pp. 2090–2097, 2021, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/download/9189/4146.
R.Audina, D.Swanjaya,“Implementasi metode K-Means Dan Perceptron Pada Klasifikasi Parfum Sepatu Berdasarkan Data Konsumen.”
Normah, S. Nurajizah“Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Fashion Hijab Banten,” vol. V, no. 1, pp. 135–138, 2019, doi: 10.31294/jtk.v4i2.
R. K. Dinata, S. Safwandi, N. Hasdyna, and N. Azizah, “Analisis K-Means Clustering pada Data Sepeda Motor,” INFORMAL Informatics J., vol. 5, no. 1, p. 10, 2020, doi: 10.19184/isj.v5i1.17071.
S. Butsianto and N. T. Mayangwulan, “Penerapan Data Mining Untuk Prediksi Penjualan Mobil Menggunakan Metode K-Means Clustering,” J. Nas. Komputasi dan Teknol. Inf., vol. 3, no. 3, pp. 187–201, 2020, doi: 10.32672/jnkti.v3i3.2428.
R. A. Ramadhani, D. W. Widodo, and R. Sadartanto, “Perancangan Sistem Clusterisasi Usaha Mikro, Kecil, dan Menengah di Kota Kediri,” J. Sains dan Inform., vol. 3, no. 2, pp. 106–110, 2017, doi: 10.34128/jsi.v3i2.109.
C. Purnamaningsih, R. Saptono, and A. Aziz, “Pemanfaatan Metode K-Means Clustering dalam Penentuan Penjurusan Siswa SMA,” J. Teknol. Inf. ITSmart, vol. 3, no. 1, p. 27, 2016, doi: 10.20961/its.v3i1.644.
Fitriyadi, “Algoritma KMeans dan KMedoids Untuk Clustering Data Kinerja Karyawan Pada Perusahaan Perumahan Nasional,” Kilat, vol. 10, no. 1, pp. 157–168, 2021, doi: 10.33322/kilat.v10i1.1174.
A. T. P. L. Turban, E; J. E., Decision Support System and Intelligent Systems - 7th ed. Pearson Education, Inc. Pearson Education, Inc. Dwi Prabantini (penterjemah). Yogyakarta: ANDI, 2005.
E. D. Sikumbang, “Penerapan Data Mining Penjualan Sepatu Menggunakan Metode Algoritma Apriori,” J. Tek. Komput. AMIK BSI, vol. Vol 4, No., no. September, pp. 1–4, 2018.
F. Prasetyo, “Sistem Rekomendasi Penjualan Hasil Bumi Menggunakan Metode K-Means,” Simki-Techsain, vol. 01, no. 10, 2017.
I. Budiman, Data Clustering Menggunakan Metodologi CRISP-DM Untuk Pengenalan Pola Proporsi Pelaksanaan Tridharma. Semarang: Universitas Semarang, 2012.
R. Firana, I. Romli, and N. T. Kurniadi, “Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Klasifikasi Penyakit Ispa,” Indones. J. Bus. Intell., vol. 4, no. 1, p. 10, 2021, doi: 10.21927/ijubi.v4i1.1727.
Y. Syarifudin, Usep; Iriantara, Komunikasi Pendidikan. Bandung: Simbiosa Rekatama Media, 2013.
Widiarina and R. S. Wahono, “Algoritma Cluster Dinamik Untuk Optimasi Cluster Pada Algoritma K-Means Dalam Pemetaan Nasabah Potensial,” J. Intell. Syst., vol. 1, no. 1, pp. 33–35, 2015.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2022 Uun Hidayat; Risa Helilintar, Risky Aswi Ramadhani