ANALISIS STOK BAHAN SEMBAKO DI TOKO MEKAR JAYA MENGGUNAKAN METODE K-MEANS CLUSTERING

novi santika, Nurul Hidayah, Salsabilah Ramadhani Sinambela

Abstract


Abstract: Mekar Jaya Store is a shop that operates in the field of selling basic necessities. At the Mekar Jaya Store, there are several problems that often arise. When making sales, customers often feel disappointed because the stock that the customer should want to buy is often empty. Due to this disappointment the number of customers decreased. The process carried out is still manual so that errors often occur in recording existing data, causing a lack of efficiency in the time used. The available data is not used properly so that sales data is not utilized as well as possible to design business strategies to improve products. To solve this problem, you can use a data mining application, namely by utilizing existing data to identify the best-selling sales, to sales that are less popular with customers using the K-Means method. Where the data used is 101 sales data transactions. This research aims to group transaction data that is used to meet customer needs appropriately and overcome shortages and excess stock of goods which result in investment in sales capital. The results of this research were that the highest sales were 23 items, medium sales were 32 items, and the lowest sales were 46 items. Keywords: grocery stock; K-Means; stock management
Abstrak: Toko Mekar Jaya merupakan sebuah toko yang bergerak dalam bidang penjualan sembako. Pada Toko Mekar Jaya terdapat beberapa permasalahan yang kerap muncul. Dalam melakukan penjualan sering pelanggan merasa kecewa karena seringnya stok yang seharusnya ingin dibeli oleh pelanggan kosong. Karena kekecewaan tersebut jumlah pelanggan menurun. Adapun proses yang dilakukan masih manual sehingga masih sering terjadi kesalahan dalam pencatatan data yang ada sehingga menyebabkan kurangnya efiensi waktu yang digunakan. Ketersediaan data yang ada tidak digunakan dengan baik sehingga data penjualan tidak dimanfaatkan dengan sebaik mungkin yang dapat merancang strategi bisnis dalam meningkatkan produk. Untuk menyelesaikan masalah tersebut dapat menggunakan aplikasi data mining, yaitu dengan memanfaatkan data yang ada untuk mengidentifikasi penjualan yang paling laris, hingga penjualan yang kurang diminati oleh pelanggan menggunakan metode K-Means. Dimana data yang digunakan sebanyak 101 transaksi data penjualan. Penelitian ini bertujuan untuk mengelompokkan data transaksi yang digunakan untuk memenuhi kebutuhan pelanggan dengan tepat dan mengatasi kekurangan dan kelebihan stok barang yang mengakibatkan tertanamnya modal penjualan. Hasil dari penelitian ini dimana penjualan tertinggi terdapat 23 item, penjualan sedang terdapat 32 item, dan penjualan terendah terdapat 46 item. Kata kunci: Data Mining, K-Means, Penjualan Sembako.
Abstract: Mekar Jaya Store is a shop that operates in the field of selling basic necessities. At the Mekar Jaya Store, there are several problems that often arise. When making sales, customers often feel disappointed because the stock that the customer should want to buy is often empty. Due to this disappointment the number of customers decreased. The process carried out is still manual so that errors often occur in recording existing data, causing a lack of efficiency in the time used. The available data is not used properly so that sales data is not utilized as well as possible to design business strategies to improve products. To solve this problem, you can use a data mining application, namely by utilizing existing data to identify the best-selling sales, to sales that are less popular with customers using the K-Means method. Where the data used is 101 sales data transactions. This research aims to group transaction data that is used to meet customer needs appropriately and overcome shortages and excess stock of goods which result in investment in sales capital. The results of this research were that the highest sales were 23 items, medium sales were 32 items, and the lowest sales were 46 items. 

Keywords:grocery stock; K-Means; stock management

 

 

Abstrak: Toko Mekar Jaya merupakan sebuah toko yang bergerak dalam bidang penjualan sembako. Pada Toko Mekar Jaya terdapat beberapa permasalahan yang kerap muncul. Dalam melakukan penjualan sering pelanggan merasa kecewa karena seringnya stok yang seharusnya ingin dibeli oleh pelanggan kosong. Karena kekecewaan tersebut jumlah pelanggan menurun. Adapun proses yang dilakukan masih manual sehingga masih sering terjadi kesalahan dalam pencatatan data yang ada sehingga menyebabkan kurangnya efiensi waktu yang digunakan. Ketersediaan data yang ada tidak digunakan dengan baik sehingga data penjualan tidak dimanfaatkan dengan sebaik mungkin yang dapat merancang strategi bisnis dalam meningkatkan produk. Untuk menyelesaikan masalah tersebut dapat menggunakan aplikasi data mining, yaitu dengan memanfaatkan data yang ada untuk mengidentifikasi penjualan yang paling laris, hingga penjualan yang kurang diminati oleh pelanggan menggunakan metode K-Means. Dimana data yang digunakan sebanyak 101 transaksi data penjualan. Penelitian ini bertujuan untuk mengelompokkan data transaksi yang digunakan untuk memenuhi kebutuhan pelanggan dengan tepat dan mengatasi kekurangan dan kelebihan stok barang yang mengakibatkan tertanamnya modal penjualan. Hasil dari penelitian ini dimana penjualan tertinggi terdapat 23 item, penjualan sedang terdapat 32 item, dan penjualan terendah terdapat 46 item.

 

Kata kunci: Data Mining, K-Means, Penjualan Sembako.

 


Full Text:

PDF

References


A. Damuri, U. Riyanto, H. Rusdianto, and M. Aminudin, “Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako,” JURIKOM (Jurnal Ris. Komputer), vol. 8, no. 6, p. 219, 2021, doi: 10.30865/jurikom.v8i6.3655.

V. Handrianus Pranatawijaya, “Rancangan Aplikasi Bergerak Penjadwalan Distribusi Sembako pada UD. Kuning Mas Palangka Raya,” J. Teknol. Informasi., J. Keilmuan dan Apl. Bid. Tek. Inform., vol. 13, no. 2, pp. 63–73, 2019.

A. Riswantio and A. Devi, “Digitalisasi Warung Sembako Dan Terintegrasi Dengan Payment Gateway Berbasis Syariah,” Pkm-P, vol. 4, no. 2, p. 208, 2020, doi: 10.32832/pkm-p.v4i2.747.

Siti Amelia, Muhammad Iqbal Fasa, and Suharto, “Pengaruh Implementasi Etika Bisnis, Konsep Produksi Dan Distribusi Pada Umkm Terhadap Profitabilitas Dalam Perspektif Ekonomi Islam,” Juremi J. Ris. Ekon., vol. 1, no. 4, pp. 305–313, 2022, doi: 10.53625/juremi.v1i4.729.

S. Herman et al., “PERANAN ETIKA BISNIS DALAM BISNIS,” Jur. Tek. Kim. USU, vol. 3, no. 1, pp. 18–23, 2019, doi: 10.31933/JIMT.

R. Yusuf, H. Hendawati, and L. A. Wibowo, “Pengaruh Konten Pemasaran Shoppe Terhadap Pembelian Pelanggan,” J. Manaj. Pendidik. dan iImu Sos., vol. 1, no. 2, pp. 506–515, 2020, doi: 10.38035/JMPIS.

D. T. Anggoro, R. Yunestri, and S. N. Chaniago, “Perancangan Sistem Informasi Manajemen Stok Makanan Pada Restoran Bubur Ayam Doplangan,” J. TIKom, vol. 2, no. 1, pp. 1–21, 2021, [Online]. Available: https://osf.io/preprints/hm54b/%0Ahttps://osf.io/hm54b/download

N. F. Adani et al., “Implementasi Data Mining Untuk Pengelompokan Data Penjualan Berdasarkan Pola Pembelian Menggunakan Algoritma K-Means Clustering Pada Toko Syihan,” J. Cyber Tech, vol. x. No.x, no. x, pp. 1–11, 2019, [Online]. Available: https://ojs.trigunadharma.ac.id/index.php/jct/article/view/4648%0Ahttps://ojs.trigunadharma.ac.id/index.php/jct/article/download/4648/791

I. Ahmad, S. Samsugi, and Y. Irawan, “Implementasi Data Mining Sebagai Pengolahan Data,” J. Teknoinfo, vol. 16, no. 1, p. 46, 2022, [Online]. Available: http://portaldata.org/index.php/portaldata/article/view/107

E. T. Naldy and A. Andri, “Penerapan Data Mining Untuk Analisis Daftar Pembelian Konsumen Dengan Menggunakan Algoritma Apriori Pada Transaksi Penjualan Toko Bangunan MDN,” J. Nas. Ilmu Komput., vol. 2, no. 2, pp. 89–101, 2021, doi: 10.47747/jurnalnik.v2i2.525.

Ika Anikah, Agus Surip, Nela Puji Rahayu, Muhammad Harun Al- Musa, and Edi Tohidi, “Pengelompokan Data Barang Dengan Menggunakan Metode K-Means Untuk Menentukan Stok Persediaan Barang,” KOPERTIP J. Ilm. Manaj. Inform. dan Komput., vol. 4, no. 2, pp. 58–64, 2022, doi: 10.32485/kopertip.v4i2.120.

R. N. Anatasya Alam indri, Golok Jaya LM, “Penerapan algoritma k-means untuk pengelompokan dan metode least square untuk prediksi penjualan barang (studi kasus: buana mart kendari),” Smantik, vol. 6, no. 1, pp. 147–152, 2020, [Online]. Available: http://ojs.uho.ac.id/index.php/semantik/article/view/8924/pdf

P. Alkhairi and A. P. Windarto, “Penerapan K-Means Cluster pada Daerah Potensi Pertanian Karet Produktif di Sumatera Utara,” Semin. Nas. Teknol. Komput. Sains, pp. 762–767, 2019.

A. Yudhistira and R. Andika, “Pengelompokan Data Nilai Siswa Menggunakan Metode K-Means Clustering,” J. Artif. Intell. Technol. Inf., vol. 1, no. 1, pp. 20–28, 2023, doi: 10.58602/jaiti.v1i1.22.

D. Sartika and J. Jumadi, “Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) Clustering Penilaian Kinerja Dosen Menggunakan Algoritma K-Means (Studi Kasus: Universitas Dehasen Bengkulu),” pp. 703–709, 2019, [Online]. Available: https://seminar-id.com/semnas-sainteks2019.html




DOI: https://doi.org/10.33330/j-com.v4i1.3032

Article Metrics

Abstract view : 129 times
PDF - 46 times

Refbacks

  • There are currently no refbacks.


Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.