Klasterisasi Tingkat Penjualan pada Startup Panak.id dengan Algoritma K-Means
DOI:
https://doi.org/10.32815/jitika.v17i1.888Keywords:
Data Mining, K-Means, Algoritma, Algoritma K-Means, Klasterisasi, Clustering, STMIK Primakara, KDD, Knowledge Discovery in DatabasesAbstract
Sales data processing is one way for companies to support future decision making. One way to process sales data is to cluster with data mining techniques that are present as a company solution to be able to process sales data that is owned by carrying out processes that generate new knowledge. Knowledge obtained from owned data is commonly referred to as Knowledge Discovery in Database (KDD) which consists of steps such as; data selection, data cleaning, pattern search (data mining), and interpretation. In this study, the author will discuss data mining techniques and applications using the K-Means algorithm which is applied in the Python programming language. The research was conducted at the startup company Panak.id by accessing data on sales of processed livestock products for the period July 2021 – July 2022. The results showed that the level of product sales was dominated by products that were in the less-selling category. This shows that of the many types of products offered by Panak.id, there are still many products that are of little interest to the public. From this knowledge, the company can make decisions related to sales strategies and innovations in products that are not in demand with the hope of further increasing sales. In addition, the company can also use this knowledge as a prediction in terms of stock control so that products that are not selling well can be monitored more closely to avoid stock buildup in warehouses.
Downloads
References
BPS. (2016, Mei 20). Jumlah Penduduk dan Laju Pertumbuhan Penduduk Menurut Kabupaten/Kota di Provinsi Jawa Timur, 2010, 2014, dan 2015. Retrieved from Badan Pusat Statistik Provinsi Jawa Timur: http://jatim.bps.go.id
Hasanah, H. (2016). TEKNIK-TEKNIK OBSERVASI. Jurnal at-Taqaddum, 21-46.
Hasanah, M., Defit, S., & Nurcahyo, G. W. (2021). Implementasi Algoritma K-Means untuk Klasterisasi Peserta Olimpiade . Jurnal Sistim Informasi dan Teknologi, 30-35.
Kuncorojati, C. (2021). Perusahaan Indonesia Dinilai Belum Cakap Mengolah Data. (medcom.id) Retrieved from https://www.medcom.id/teknologi/news-teknologi/aNr91RVK-perusahaan-indonesia-dinilai-belum-cakap-mengolah-data
Maulana, S. M., Susilo, H., & Riyadi. (2015). IMPLEMENTASI E-COMMERCE SEBAGAI MEDIA PENJUALAN ONLINE (STUDI KASUS PADA TOKO PASTBRIK KOTA MALANG). Jurnal Administrasi Bisnis, 1-9.
Muliono, R., & Sembiring, Z. (2019). DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA. DATA MINING CLUSTERING MENGGUNAKAN ALGORITMA, 272-279.
Nurdiani, N. (2014). TEKNIK SAMPLING SNOWBALL DALAM PENELITIAN LAPANGAN . ComTech, 1110-1118.
Rahmah, S. A. (2020). KLASTERISASI POLA PENJUALAN PESTISIDA MENGGUNAKAN METODE K-MEANS CLUSTERING (STUDI KASUS DI TOKO JUANDA TANI KECAMATAN HUTABAYU RAJA). Journal of Information Technology Research.
Rohmatullah, A., Rahmalia, D., & Pradana, M. S. (2019). KLASTERISASI DATA PERTANIAN DI KABUPATEN . Jurnal Ilmiah Teknosains, 86-93.
Sari, M., & Asmendri. (2020). Penelitian Kepustakaan (Library Research) dalam Penelitian Pendidikan IPA. Jurnal Penelitian Bidang IPA dan Pendidikan IPA, 41-53.
Sari, R. W., & Hartama, D. (2018). Data Mining: Algoritma K-Means Pada Pengelompokkan Wisata Asing ke Indonesia Menurut Provinsi. Seminar Nasional Sains & Teknologi Informasi, 322-326.
Sasongko, Y. A., & E, A. D. (2020). Big Data Semakin Ngetren, SDM Kompetensi Data Science Dilirik Industri. (KOMPAS.com) Retrieved from https://edukasi.kompas.com/read/2020/12/10/093500371/big-data-semakin-ngetren-sdm-kompetensi-data-science-dilirik-industri
Utami, N. W., & Paramitha, A. I. (2021). PENERAPAN DATA MINING UNTUK MENGETAHUI POLA PEMILIHAN PROGRAM STUDI DI STMIK PRIMAKARA MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING. JUTIK, 456-463.
Zein, S., Yasyifa, L., Ghozi, R., Harahap, E., Badruzzaman, F., & Darmawan, D. (2019). PENGOLAHAN DAN ANALISIS DATA KUANTITATIF . Jurnal Teknologi Pendidikan dan Pembelajaran, 839-845.
Downloads
Published
How to Cite
Issue
Section
License
Penulis mengirimkan naskah dan pengertian bahwa jika diterima untuk proses dipublikasi, hak cipta dari artikel tersebut akan diberikan kepada jurnal ilmiah teknologi informasi asia. Jurnal ilmiah teknologi informasi asia (Jitika) dan Lp2m Stmik Asia Malang sebagai penerbit jurnal, komponen Hak cipta mencakup hak untuk mereproduksi dan mengirimkan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm, dan reproduksi serupa lainnya, serta terjemahannya.
Jurnal ilmiah teknologi infomasi asia, dan Lp2m ITB Asia Malang, beserta jajaran para redaksi berusaha keras untuk memastikan bahwa tidak ada data, opini, atau pernyataan yang salah atau menyesatkan ketika dipublikasikan di jurnal Jitika, dengan kondisi apapun, isi artikel dan iklan yang diterbitkan di Jurnal ilmiah teknologi infomasi asia adalah murni merupakan tanggung jawab masing-masing penulis dan pengiklan. Pengguna situs web ini akan dilisensikan dengan menggunakan materi dari situs web ini setelah Lisensi Internasional Creative Commons Attribution 4.0. Tidak ada biaya yang dibebankan. Silakan gunakan materi yang sesuai.
Anda bebas untuk:
Bagikan - salin dan sebarkan materi dalam media atau format apa pun.
Adaptasi - remix, transformasikan, dan bangun berdasarkan materi untuk tujuan apa pun, bahkan secara komersial.
Pemberi lisensi tidak dapat mencabut kebebasan ini selama Anda mengikuti ketentuan lisensi
