Pemanfaatan K-Means Untuk Meningkatkan Penjualan (Studi Kasus: Alya Collection)
Abstract
Abstract: In a competitive digital era, business owners such as Alya Collection face challenges in determining the right fashion products to offer to consumers. Relying on intuition without data support often results in inaccurate and potentially detrimental decisions. This study aims to assist the sales decision-making process by applying a data mining method using the K-Means Clustering algorithm. This method was used to group sales data from February 2024 to January 2025 into three categories: best-selling, least-selling, and non-selling products. The study was conducted using a quantitative approach, through sales data collection and direct interviews with store owners. The system was built using the PHP programming language and MySQL database, and designed with tools such as UML, DFD, and ERD. The results of this clustering system are expected to provide strategic information useful for Alya Collection in planning stock, promotions, and product development, thereby increasing sales effectively and efficiently.
Keywords: data mining; k-means; sales; alya collection; information system
Abstrak: Dalam era digital yang kompetitif, pemilik usaha seperti Alya Collection menghadapi tantangan dalam menentukan produk fashion yang tepat untuk ditawarkan kepada konsumen. Ketergantungan pada intuisi tanpa dukungan data seringkali mengakibatkan keputusan yang kurang akurat dan berisiko merugikan. Penelitian ini bertujuan untuk membantu proses pengambilan keputusan penjualan dengan menerapkan metode data mining menggunakan algoritma K-Means Clustering. Metode ini digunakan untuk mengelompokkan data penjualan dari Februari 2024 hingga Januari 2025 ke dalam tiga kategori: produk terlaris, kurang laris, dan tidak laris. Penelitian dilakukan dengan pendekatan kuantitatif, melalui pengumpulan data penjualan serta wawancara langsung dengan pemilik toko. Sistem yang dibangun menggunakan bahasa pemrograman PHP dan database MySQL, serta dirancang dengan alat bantu seperti UML, DFD, dan ERD. Hasil dari sistem klasterisasi ini diharapkan dapat memberikan informasi strategis yang berguna bagi Alya Collection dalam merencanakan stok, promosi, serta pengembangan produk, sehingga mampu meningkatkan penjualan secara efektif dan efisien.
Kata kunci: data mining; k-means clustering; penjualan; alya collection; sistem informasi
References
A. Riset, A. Indrawati, N. Maidah, T. Novitasari, and E. M. Hanesti, “CUSTOMER RELATIONSHIP MANAGEMENT,” vol. 1, no. 2, pp. 15–18, 2024.
N. S. Putri and A. Muanas, “Pengaruh Digital Marketing , Customer Relationship Management , dan Kualitas Pelayanan Terhadap Loyalitas Pelanggan di Pasar BTC Surakarta Abstrak Pendahuluan,” vol. 8, no. 3, pp. 764–774, 2025.
I. Pii, N. Suarna, and N. Rahaningsih, “PENERAPAN DATA MINING PADA PENJUALAN PRODUK PAKAIAN DAMEYRA FASHION MENGGUNAKAN METODE K-MEANS CLUSTERING,” vol. 7, no. 1, 2023.
H. Rosika et al., “PAKAIAN MENGGUNAKAN METODE K-MEANS Pada era digital perkembangan teknologi semakin berkembang khusunya pengelolaan data penjualan menjadi semakin krusial bagi bisnis untuk memahami perilaku konsumen , mengedentifikasi beberapa kelompok atau cluster memili,” vol. 5, pp. 221–231, 2024.
R. I. Manarung, E. Widodo, and A. M. Rifai, “Sales Data Clustering Using the K-Means Algorithm to Determine Retail Product Needs,” vol. 5, no. April, pp. 226–234, 2025.
D. I. Lazada, “PEMANFAATAN ALGORITMA K-MEANS DALAM,” vol. 13, no. 2, pp. 1297–1306, 2025.
Yudi Agusta, “K-Means-Penerapan, Permasalahan dan Metode Terkait,” J. Sist. dan Inform., vol. 3, no. Pebruari, pp. 47–60, 2007.
E. Safitri, “Implementasi Algoritma K-Means Clustering Dalam Menentukan Strategi Marketing Dalam Penjualan Ikan (Studi Kasus: Grosir Ikan Tani Mas Tanjung Morawa),” JIKTEKS J. Ilmu Komput. dan Teknol. Inf., vol. 02, no. 02, pp. 23–33, 2024.
