Analisis Transaksi Penjualan Menggunakan Algoritma K-Means untuk Optimalisasi Manajemen Stok
Keywords:
K-Means, Clustering, Data Penjualan, Manajemen Stok, Data Mining, Analisis TransaksiAbstract
Penelitian ini bertujuan untuk meningkatkan efisiensi dan ketepatan dalam mengelola transaksi penjualan serta pengendalian persediaan barang dengan menerapkan algoritma clustering K-Means. Dalam kegiatan bisnis, pengelolaan stok yang kurang optimal sering menimbulkan masalah seperti kelebihan atau kekurangan barang, yang berdampak pada penurunan kinerja penjualan. Oleh karena itu, diperlukan metode analisis data yang mampu mengidentifikasi pola transaksi penjualan secara lebih mendalam dan objektif.
Algoritma K-Means digunakan untuk mengelompokkan barang berdasarkan kesamaan pola transaksi penjualan, sehingga setiap kelompok atau cluster merepresentasikan barang-barang dengan karakteristik penjualan yang serupa. Proses clustering ini melibatkan pengolahan data transaksi yang kompleks untuk menemukan keterkaitan antara frekuensi pembelian, volume penjualan, serta waktu transaksi. Melalui hasil pengelompokan tersebut, perusahaan dapat memperoleh wawasan yang lebih jelas mengenai perilaku penjualan dan tren permintaan pasar.
Implementasi metode K-Means diharapkan mampu membantu perusahaan dalam mengambil keputusan yang lebih akurat terkait manajemen stok, strategi pemasaran, serta penentuan harga. Selain itu, hasil penelitian ini juga dapat menjadi landasan dalam pengembangan sistem informasi penjualan yang lebih adaptif, efisien, dan cerdas dalam merespons perubahan kebutuhan pasar.
References
Santosa, B. (2007). Data mining teknik pemanfaatan data untuk keperluan bisnis. Yogyakarta: Graha Ilmu, 978(979), 756.
Ika Anikah, Agus Surip, Nela Puji Rahayu, Muhammad Harun AlMusa, & Edi Tohidi. (2022). Pengelompokan Data Barang Dengan Menggunakan Metode KMeans Untuk Menentukan Stok Persediaan Barang. KOPERTIP : Jurnal Ilmiah Manajemen Informatika Dan Komputer, 4(2), 58–64. https://doi.org/10.32485/kopertip.v 4i2.120
Nabila, Z., Rahman Isnain, A., & Abidin, Z. (2021). Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-Means. Jurnal Teknologi Dan Sistem Informasi (JTSI), 2(2), 100. http://jim.teknokrat.ac.id/index.php /JTSI
Muningsih, E., & Kiswati, S. (2018). Sistem Aplikasi Berbasis Optimasi Metode Elbow Untuk Penentuan Clustering Pelanggan. Joutica, 3(1), 117. https://doi.org/10.30736/jti.v3i1.196
Novita Lestari Anggreini. (2019). Teknik Clustering Dengan Algoritma K-Medoids Untuk Menangani Strategi Promosi Di Politeknik Tedc Bandung. Jurnal Teknologi Informasi Dan Pendidikan, 12(2). http://tip.ppj.unp.ac.idJ
