KLASTERISASI TINGKAT PENJUALAN OBAT PADA APOTEK JAKA WIJAYA DENGAN MENGGUNAKAN METODE K-MEANS

deni andria hidayanti, fitri kurnia, rahmawati rahmawati

Abstract


Abstrak: A pharmacy is a health service facility to help improve the health of the community, a pharmacy is also a place for professional pharmacists to practice their work. To determine the amount of stock inventory, Jaka Wijaya Pharmacy requires a clusterization of sales stock data. The method that can be used is the K-Means algorithm. This algorithm is based on a simple idea. K-Means is a distance-based clustering method that divides data into a number of clusters and this algorithm only works on numeric attributes. The data processed in this research is a sample taken from the Jaka Wijaya Pharmacy data in 2022. The Jaka Wijaya Pharmacy dataset consists of the attributes No, Drug Item, Type, Packaging, Initial Stock, Cost Price, Unit Conversion, Selling Price, Number of Transactions, Ending Stock, Shelf, Warehouse-Office Codes. With the K-Means Clustering method, it is possible to group drug sales data with stock that is not selling well as cluster 0, stock that is selling well as cluster 1, and stock that is selling very well as cluster 2. The sample data to be tested consists of 170 data from the Jaka Wijaya Pharmacy. Where the cluster results show that there are several results, namely cluster 0 totaling 102, cluster 1 totaling 34, and cluster 2 totaling 34 decisions, where the decisions include very in demand, in demand, not in demand.

Keywords: Data Mining; Jaka Wijaya Pharmacy; K-means Cluster

Abstrak: Apotek  merupakan  sarana  pelayanan  kesehatan  untuk  membantu meningkatkan kesehatan  bagi  masyarakat, apotek juga sebagai tempat praktik tenaga profesi apoteker dalam melakukan  pekerjaan. Untuk menentukan jumlah persediaan stok, Apotek Jaka Wijaya membutuhkan suatu clusterisasi data stok penjualan. Metode yang dapat digunakan yaitu algoritma K-Means. Algoritma ini didasarkan pada ide sederhana. K-Means adalah  metode Clustering berbasis jarak yang membagi data ke dalam sejumlah cluster dan algoritma ini hanya bekerja pada atribut numeric. Data yang diolah dalam penelitian ini merupakan sampel yang diambil dari data Apotek Jaka Wijaya pada tahun 2022. Dataset Apotek Jaka Wijaya terdiri dari atribut No, Item Obat, Jenis, Kemasan, Stok Awal, Harga Pokok, Konversi Satuan, Harga Jual, Jumlah Transaksi, Stok Akhir, Rak, Kode Gudang-Kantor. Dengan metode K-Means Clustering maka dapat mengelompokkan data penjualan obat dengan stok kurang laris sebagai cluster 0, stok laris sebagai cluster 1, dan stok sangat laris sebagai cluster 2. Data sampel yang akan diuji terdiri dari 170 data dari Apotek Jaka Wijaya. Yang dimana hasil cluster menunjukkan terdapat beberapa hasil yaitu cluster 0 berjumlah 102, cluster 1 berjumlah 34, dan cluster 2 berjumlah 34 keputusan yang dimana keputusan itu meliputi sangat laris, laris, kurang laris. 

Kata kunci: Apotek Jaka Wijaya; Data Mining;  K-means Cluster


Full Text:

PDF

References


A. A. Hidayat, N. Hendrastuty, and Styawati, “Penerapan Algoritma Apriori Pada Apotek Shaqeena Untuk Memprediksi Penjualan Berbasis Android,” J. Teknol. dan Sist. Inf., vol. 4, no. 3, pp. 302–312, 2023.

D. A. Ramadhanty, R. Syafitri, E. Raswir, and D. Meisak, “Implementasi Data Mining Untuk Menentukan Persediaan Stok Obat Jurnal Informatika Dan Rekayasa Komputer ( JAKAKOM ),” J. Inform. dan Rekayasa Komput., vol. 1, no. 2, pp. 155–160, 2022.

N. Badri, “Sistem Informasi Persediaan Obat Pada Apotek Doa Ibu Bandar Jaya Barat Lampung Tengah,” J. Ilmu Data, vol. 1, no. 4, pp. 1–14, 2021, [Online]. Available: http://ilmudata.org/index.php/ilmudata/article/view/53

P. Studi, A. Fakultas, and P. Universitas, “3 1,2,3,” vol. 24, no. 1, pp. 111–120, 2023.

F. Ferlanda, “Implementasi Data Mining Untuk Menentukan Persediaan Stok Obat Di Apotek Enok Menggunakan Metode K-Means Clustering,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 3, pp. 1294–1306, 2021, doi: 10.35957/jatisi.v8i3.1066.

S. M. Dewi, A. P. Windarto, I. S. Damanik, and H. Satria, “Analisa Metode K-Means pada Pengelompokan Kriminalitas Menurut Wilayah,” Semin. Nas. Sains Teknol. Inf., pp. 620–625, 2019.

H. Pandiangan, “Penerapan Data Mining Dalam Clustering Produksi Daging Sapi Di Indonesia Menggunakan Algoritma K-Means,” J. Comput. Networks, Archit. High Perform. Comput., vol. 1, no. 2, pp. 37–44, 2019, doi: 10.47709/cnapc.v1i2.239.

W. Lestari, F. Fatoni, and H. Hutrianto, “Implementasi Data Mining Untuk Kartu Indonesia Sehat Bagi Masyarakat Kurang Mampu Menggunakan Metode Clustering Pada Dinas Sosial Kota Palembang,” J. Nas. Ilmu Komput., vol. 1, no. 4, pp. 169–174, 2020, doi: 10.47747/jurnalnik.v1i4.163.

B. D. Mudzakkir, “Pengelompokan Data Penjualan Produk Pada Pt Advanta Seeds Indonesia Menggunakan Metode K-Means,” J. Mhs. Tek. Inform., vol. 2, no. 2, pp. 34–40, 2018.

M. Triandini, S. Defit, and G. W. Nurcahyo, “Data Mining dalam Mengukur Tingkat Keaktifan Siswa dalam Mengikuti Proses Belajar pada SMP IT Andalas Cendekia,” J. Inf. dan Teknol., vol. 3, pp. 167–173, 2021, doi: 10.37034/jidt.v3i3.120.

Y. Elda, S. Defit, Y. Yunus, and R. Syaljumairi, “Klasterisasi Penempatan Siswa yang Optimal untuk Meningkatkan Nilai Rata-Rata Kelas Menggunakan K-Means,” J. Inf. dan Teknol., vol. 3, pp. 103–108, 2021, doi: 10.37034/jidt.v3i3.130.

B. A. Pangestu, N. A. Kristiawan, and N. Sulistiyowati, “Clustering Obat Untuk Menentukan Pola Pemasaran Efektif di Apotek Amarta Sehat,” J. Ilm. Wahana Pendidik., vol. 8, no. 16, pp. 115–126, 2022, [Online]. Available: https://doi.org/10.5281/zenodo.7058995

D. A. Fakhri, S. Defit, and Sumijan, “Optimalisasi Pelayanan Perpustakaan terhadap Minat Baca Menggunakan Metode K-Means Clustering,” J. Inf. dan Teknol., vol. 3, pp. 160–166, 2021, doi: 10.37034/jidt.v3i3.137.

L. Magdalena and R. Fahrudin, “Penerapan Data Mining Untuk Koperasi Se-Jawa Barat Menggunakan Metode Clustering pada Kementerian Koperasi dan UKM,” J. Digit, vol. 9, no. 2, p. 190, 2020, doi: 10.51920/jd.v9i2.120.

I. Virgo, S. Defit, and Y. Yuhandri, “Klasterisasi Tingkat Kehadiran Dosen Menggunakan Algoritma K-Means Clustering,” J. Sistim Inf. dan Teknol., vol. 2, pp. 23–28, 2020, doi: 10.37034/jsisfotek.v2i1.17.

N. S. Aji, F. Natsir, and S. Istianah, “Penentuan Penjualan Barang Berdasarkan Pengelompokan Produk dengan K-Means Clustering Metode CRISP-DM Pada CV Sembako Dina,” J. Zetroem, vol. 05, no. 02, pp. 119–126, 2023, [Online]. Available: https://ejournal.unibabwi.ac.id/index.php/Zetroem/article/view/3041%0Ahttps://ejournal.unibabwi.ac.id/index.php/Zetroem/article/download/3041/1904




DOI: https://doi.org/10.33330/j-com.v4i1.3048

Article Metrics

Abstract view : 64 times
PDF - 30 times

Refbacks

  • There are currently no refbacks.


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