Implementasi K-Means Clustering Untuk Mengelompokkan Kategori Penjualan Produk Toko Evanos

Abstract

Abstrak : 

Dalam penjualan, faktor yang perlu diperhatikan dalam menganalisa laku tidaknya suatu produk adalah dengan memperhatikan ketersediaan stok guna mencegah penumpukan barang berlebih. Maka, dibutuhkan suatu proses untuk mengetahui tingkat penjualan tertinggi, sedang, dan terendah sebagai bahan pertimbangan dalam melakukan restock produk. Toko Evanos merupakan usaha UMKM yang bergerak dalam bidang jual beli jajanan khas daerah yang belum menerapkan pengelompokan produk dalam sistem informasi penjualannya. Kondisi tersebut menyebabkan pihak toko belum maksimal dalam menilai minat pembeli terhadap produk sehingga toko sering kehabisan stok ditengah banyaknya permintaan, terutama hari libur. Berdasarkan permasalahan tersebut, maka dibuat suatu sistem menggunakan k-means clustering untuk mengelompokkan tingkat penjualan produk ke dalam kategori tertinggi, sedang, dan terendah. Dalam sistem ini, penentuan centroid awal dilakukan menggunakan pendekatan statistik berupa nilai minimum, rata-rata, dan maksimum. Data penjualan diambil selama tiga bulan dengan 90 data produk. Hasil perhitungan k-means clustering menggunakan variabel stok keluar dan total penjualan menunjukkan kategori penjualan tertinggi sebanyak 6 item, sedang 28 item, dan terendah 56 item. Unjuk kerja sistem dalam melakukan clustering memperoleh nilai DBI sebesar 0,535 yang menunjukkan bahwa hasil clustering termasuk baik, sehingga dapat menjadi solusi terbaik bagi pemilik toko dalam mengontrol stok berdasarkan kategori penjualan produk.

============================================

Abstract : 

In sales activities, stock availability is an important things that should be considered to prevent excessive inventory accumulation. Therefore a method is needed to identify a products with high, medium, and low sales levels for restocking decisions. Evanos store is a UMKM market which sale a regional snacks but hasn’t implemented a product classification in their sales information system. That condition makes difficult for the store to evaluate product interest, resulting in frequent stock shortages, especially on holidays. Based on these problems, a system with k-means clustering algorithm was developed to classify product sales into high, medium, and low categories. In this study, the initial centroids will determined using a statistical approach based on minimum, average, and maximum values. The dataset was collected in 3 months with 90 products. The result show that 6 products were classified for the high sales, 28 products for medium sales, and 56 products for low sales. The clustering performance evaluation for DBI value is 0,535, indicating the clustering result is good quality, it can be a best solution for store owner to manage the inventory more effectively based on product sales categories.