MODELING CLOTHING ORDER SIZE GROUPING AT RIZKY CONVECTION USING THE K-MEANS METHOD

Putri Rahmadani, Jeperson Hutahaean, Santoso Santoso

Abstract


Abstract: Rizky Convection Business is a sportswear production company based on Jalan Elang Lestari Kisaran. Every day they receive orders from schools and agencies that need sportswear. However, Rizky Convection often faces challenges, especially in managing raw material inventory, allocating production time and processing orders that come in large quantities. For this reason, order data needs to be grouped to make it easier for employees to work on it. The data that will be processed in this study is order data from 2022-2024. One way to do this is to apply data mining techniques, one of which is the K-Means Clustering method. The purpose of this study is to model the use of K-Means Clustering to improve production management and procurement of raw materials for fabrics at Rizky Convection. K-Means Clustering is the grouping of a number of data into clusters (groups) so that each cluster will contain data that is as similar as possible. The results of K-Means Clustering grouping with 3 clusters, namely cluster 1, the large order group has 25 order data, cluster 2, the small order group has 361 order data and cluster 3, the medium order group has 100 order data.

Keywords: data mining; order data; K-Means; sportswear manufacturing.

 

Abstrak: Usaha Konveksi Rizky merupakan perusahaan produksi pakaian olahraga yang berpusat di Jalan Elang Lestari Kisaran. Setiap hari mereka menerima pesanan dari sekolah dan instansi yang membutuhkan pakaian olahraga. Namun Konveksi Rizky sering menghadapi tantangan terutama dalam pengelolaan persediaan bahan baku kain, pengalokasian waktu produksi dan pemrosesan pesanan yang datang dalam jumlah banyak. Untuk itu, data pesanan perlu dikelompokkan untuk mempermudah karyawan dalam mengerjakannya. Data yang akan diproses pada penelitian ini adalah data pesanan dari tahun 2022-2024. Salah satu cara untuk hal tersebut adalah dengan menerapkan teknik data mining, salah satunya metode K-Means Clustering. Tujuan penelitian ini adalah untuk memodelkan penggunaan K-Means Clustering untuk meningkatkan manajemen produksi dan pengadaan bahan baku kain di Rizky Konveksi. K-Means Clustering adalah pengelompokan sejumlah data ke dalam cluster (group) sehingga setiap dalam cluster tersebut akan berisi data yang semirip mungkin. Hasil pengelompokkan K-Means Clustering dengan 3 cluster yaitu cluster 1 kelompok pesanan banyak memiliki 25 data pesanan, cluster 2 kelompok pesanan sedikit memiliki 361 data pesanan dan cluster 3 kelompok pesanan sedang memiliki 100 data pesanan.

Kata kunci: data mining; data pesanan; K-Means; konveksi.


Full Text:

PDF

References


A. Saputra, ) ; Herlina, L. Sari, and D. Sartika, “implementasi metode association rule mining pada penjualan barang di toko bangunan ada mas menggunakan algoritma apriori,” Jurnal Multidisiplin Dehasen, vol. 2, no. 4, pp. 709–718, Oct. 2023.

P. Marpaung, I. Febrian, W. Putri, and E. P. Korespondensi, “Penerapan Data Mining Dalam Menentukan Tingkat Kedisiplinan Karyawan Perhotelan Menggunakan Algoritma K-Means Clustering,” Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI, vol. 7, no. 1, pp. 167–172, 2024.

N. F. Adani, A. F. Boy, S. Kom, M. Kom, and R. Syahputra, “Implementasi Data Mining Untuk Pengelompokan Data Penjualan Berdasarkan Pola Pembelian Menggunakan Algoritma K-Means Clustering Pada Toko Syihan,” Jurnal CyberTech, vol. x. No.x, Sep. 2021, [Online]. Available: https://ojs.trigunadharma.ac.id

K. Butar-Butar, E. Husnita Hasibuan, R. Desti Dwi Meilasari, A. Murni, and N. Wahyuni, “Penyuluhan Tentang Pelaksanaan Quality Control (Qc) Pada Hasil Produksi Pakaian Jadi Di Konveksi Angkola Jaya Tapanuli Selatan,” Jurnal Pengabdian Kepada Masyarakat, vol. 6, no. 1, 2022.

E. Ummi Awaliyatul Ummah et al., “Identifikasi Produksi Garment Terhadap Jumlah Reject Mati Dengan Metode Pareto,” Jurnal Komisi (Komputer dan Sistem Informasi), vol. 1, no. 3, pp. 83–89, 2024, [Online]. Available: https://komisijournal.indiepress.id/index.php/komisi/index

R. Y. Firmansah, J. Dedy Irawan, and N. Vendyansyah, “Analisisrfm (Recency, Frequency And Monetary) Produk Menggunakan Metode K-Means,” Jurnal Mahasiswa Teknik Informatika), vol. 5, no. 1, 2021.

S. Pujiono, R. Astuti, and F. Muhamad Basysyar, “Implementasi Data Mining Untuk Menentukan Pola Penjualan Produk Menggunakan Algoritma K-Means Clustering,” 2024.

R. T. Vulandari and D. Remawati, “Penentuan Pengelompokan Penjualan Dengan Kombinasi K-Means Dan Hamming Distance,” Postulat : Jurnal Inovasi Pendidikan Matematika, vol. 1, no. 2, p. 122, Dec. 2020, doi: 10.30587/postulat.v1i2.2090.

S. I. Wahyudi and A. Wibowo, “Implementasi Metode K-Means Clustering Untuk Pengelompokan Data Stok Produk Toko Online Perdagangan Kaos,” Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI) Jakarta-Indonesia, 2022, [Online]. Available: https://senafti.budiluhur.ac.id/index.php

N. S. N. R. Iwan Pii, “Penerapan Data Mining Pada Penjualan Produk Pakaian Dameyra Fashion Menggunakan Metode K-Means Clustering,” Jurnal Mahasiswa Teknik Informatika, vol. 7, pp. 423–430, Feb. 2023.

B. I. A. B. Dila Aryani, “Implementasi Data Mining Pada Data Penjualan Pakaian Menggunakan Algoritma K-Means Dengan Optimize Parameter Grid,” Jurnal Mahasiswa Teknik Informatika, no. Implementasi Data Mining pada Data Penjualan Pakaian Menggunakan Algoritma K-Means dengan Optimize Parameter Grid, pp. 1673–1680, Apr. 2024.

C. Purnama, W. Witanti, and P. N. Sabrina, “Klasterisasi Penjualan Pakaian Untuk Meningkatkan Strategi Penjualan Barang Menggunakan K-Means,” Jounal of Information Technology, pp. 35–38, Mar. 2022.

E. Mayoana Fitri, R. Randy Suryono, and A. Wantoro, “Klasterisasi Data Penjualan Berdasarkan Wilayah Menggunakan Metode K-Means Pada Pt Xyz,” Jurnal Komputasi, vol. 11, no. 2, p. 2023, 2023.

N. Wahyunisari, R. Kurniawan, J. Perjuangan No, and B. Karyamulya Kec Kesambi Kota Cirebon, “Penerapan Algoritma K-Means Clustering Untuk Pengelompokan Data Penjualan Pakaian (Studi Kasus : UMKM Lima Media Kuningan),” 2024. [Online]. Available: https://djpb.kemenkeu.go.id

D. N. M. W. D. S. Indah Puspitorini, “Penentuan Jenis Benang Untuk Pembuatan Produk Pada Konveksi Menggunakan Metode Algoritma C4.5 Dengan Rapid Miner,” Jurnal Minfo Polgan, vol. 12, no. 1, Mar. 2023, doi: 10.33395/jmp.v12i1.12555.

M. Arif Saifudin, H. Endah Wahanani, and A. Junaidi, “Implementasi Algoritma Asosiasi Fp-Growth Dan Klasifikasi K-Means Terhadap Pola Pembelian Konsumen Di Marketplace Shopee,” 2024.

A. Sulistiyawati and E. Supriyanto, “Implementasi Algoritma K-Means Clustering Dalam Penentuan Siswa Kelas Unggulan,” Jurnal TEKNO KOMPAK, vol. 15, no. 2, pp. 25–36, 2022.




DOI: https://doi.org/10.33330/jurteksi.v11i2.3774

Article Metrics

Abstract view : 63 times
PDF - 20 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Royal

Copyright © LPPM UNIVERSITAS ROYAL

 

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