Document PDF
Document PDF
ABSTRAK - Semakin berkembangnya persaingan dalam dunia bisnis khususnya dalam industri penjualan
sparepart mobil dan jasa serivice menuntut para pengembang untuk menemukan suatu pola yang dapat
meningkatkan penjualan dan pemasaran barang di perusahaan, salah satunya adalah dengan pemanfaatan data
transaksi. CV Terang Jaya merupakan perusahaan yang begerak dalam bidang Otomotif yang melayani
pembelian, penjualan sparepart mobil serta memberikan service untuk berbagai merek mobil. Namun demikian
kurang dalam peninjauan produk-produk apa saja yang dibutuhkan konsumen dan penyimpanan data-data yang
kurang efektif. Untuk mengatasi permasalahan tersebut analisis yang digunakan yaitu penerapan
Clusteringdengan menggunakan Algoritma K-Means. Clustering merupakan salah satu teknik dari salah satu
fungsionalitas data mining, algoritma clustering merupakan algoritma pengelompokkan sejumlah data menjadi
kelompok–kelompok data tertentu (cluster). Sehingga dengan adanya pengelompokan data ini pihak perusahaan
dapat mengetahui barang paling laris, laris dan tidak laris. Sehingga barang yang ada digudang tidak menumpuk.
Dari penitian ini output yang dihasilakan yaitu, barang paling laris sebanyak 15, barang yang laris sebanyak 45
dan kurang laris sebanyak 13. Dengan adanya pengolahan data yang dilakukan diharapkan dapat memberikan
solusi kepada pihak perusahaan agar dapat mengetahui mana barang yang paling laris, laris dan mana barang
yang tidak laris.
Kata kunci: Data Mining, K-Means, Clustering, Sparepart
67
Jurnal Sistem Informasi Ilmu Komputer Prima (JUSIKOM PRIMA)
Vol. 2 No. 2, Maret 2019 e-ISSN :2580:2879
68
Jurnal Sistem Informasi Ilmu Komputer Prima (JUSIKOM PRIMA)
Vol. 2 No. 2, Maret 2019 e-ISSN :2580:2879
69
Jurnal Sistem Informasi Ilmu Komputer Prima (JUSIKOM PRIMA)
Vol. 2 No. 2, Maret 2019 e-ISSN :2580:2879
70
Jurnal Sistem Informasi Ilmu Komputer Prima (JUSIKOM PRIMA)
Vol. 2 No. 2, Maret 2019 e-ISSN :2580:2879
3.4 Hasil
Berdasarkan hasil pengelompokan dari seluruh DAFTAR PUSTAKA
data menggunakan metode k-means clustering, [1] Zainul ArasZ, Sarjono,“Analisis Data Mining
didapatkan hasil akhir pengelompokan hingga iterasi Untuk Menentukan Kelompok Prioritas
ke-5, dimana titik pusat tidak lagi berubah dan tidak Penerima Bantuan Bedah Rumah
ada data yang berpindah antar cluster. Hasil cluster Menggunakan Metode Clustering K-Means
yang terbentuk dari setiap data tersebut dapat dilihat Vol 1 No. 2, pp 159-170, 2016.
pada tabel 4. [2] Fina Nasari, Surya Darma, “Penerapan K-
Means Clustering Pada Data Penerimaan
Tabel 5. Hasil Akhir Pengelompokkan Mahasiswa Baru”, 2015.
Nama [3] Aldi Nurzahputra, Much Aziz Muslim,
Data Barang
Cluster Miranita Khusniati,"Penerapan Algoritma
9, 10, 11, 12, 13, 14, 18, 27, K-Means Untuk ClusteringPenilaian Dosen
Cluster 1 28, 29, 30, 31, 32, 34, 35, 36 Berdasarkan Indeks Kepuasan
45, 46, 50 Mahasiswa",Vol. 16, No. 1, pp17-24,2017.
1, 2, 3, 4, 5, 6, 7, 8, 16, 21, 22, [4] Totok Suprawoto, "Klasifikasi Data Mahasiswa
Cluster 2 23, 33, 40, 47, 51, 55, 56, 57, Menggunakan Metode K-Means Untuk
58, 59, 60 Menunjang Pemilihan Strategi Pemasaran"
15, 17, 19, 20, 24, 25, 26, 37, Vol. 1, No. 1, pp 12-16,2016.
Cluster 3 38, 39, 41, 42, 43, 44, 48, 49, [5] Khairul Ummi, "Analisa Data Mining Dalam
52, 53, 54 Penjualan Sparepart Mobil Dengan
Menggunakan Metode Algoritma Apriori"
Berdasarkan hasil dari cluster yang terbentuk Vol.8 No.3 pp 155-164,2015.
pada tabel 4 dapat dilihat bahwa hasil [6] Eva Rianti, "Data Mining Dalam Menentukan
pengelompokkan dari cluster diatas seperti terlihat Penjualan Kacamata Pada Optik Zal Laris
pada dibawah ini. Dan Tidak Laris Menggunakan Metode
Clustering" Vol. 4, No. 2, pp 267-283,2017.
Nama Cluster [7] EJohan Oscar Ong, "Implementasi Algoritma
Barang paling laris (C1) = 8 barang K-Means ClusteringUntuk Menentukan
Barang yang laris (C2) = 26 barang Strategi Marketing President University"
Barang kurang laris (C3) = 16 barang Vol. 12, No. 1,2013.
71
Jurnal Sistem Informasi Ilmu Komputer Prima (JUSIKOM PRIMA)
Vol. 2 No. 2, Maret 2019 e-ISSN :2580:2879
72