Penerapan Metode K-Means dalam Penjualan Produk Souq.Com

Fadli Amin, Dini Sri Anggraeni, Qurrotul Aini

Abstract


Banyak produk yang dijual oleh perusahaan Souq.com. Perusahaan ini mengalami penumpukan di beberapa produknya karena terlalu banyak menyediakan produk yang kurang diminati oleh pelanggan, sehingga banyak produk yang tidak terjual. Perusahaan perlu melakukan pengelompokan untuk setiap produk untuk mengetahui barang mana yang paling diminati dan kurang diminati oleh pelanggan. Penelitian ini bertujuan menentukan tiga kelompok cluster dengan kemiripan produknya agar dijadikan rekomendasi bagi manajemen perusahaan dalam merencanakan stok barang. Pada penelitian ditentukan 3 cluster dengan cluster 1 merupakan produk yang paling laris, cluster 2 produk yang laris dan yang cluster 3 produk yang kurang laris. Penelitian ini mengambil 5 kategori produk dengan masing-masing kategori ada 10 jenis produk. Hasil perhitungan dengan menggunakan Ms. Excel menunjukkan bahwa cluster 1 mempunyai 18 anggota, untuk cluster 2 mempunyai 6 anggota dan cluster 3 mempunyai 26 anggota. Dari perhitungan dengan Rapidminer didapat bahwa anggota pada cluster 1 sebanyak 22 anggota, cluster 2 sebanyak 5 anggota dan cluster 3 sebanyak 23 anggota. Evaluasi cluster dengan DBI didapatkan hasil yang cukup baik dengan nilai 0,431. Pengukuran akurasi, recall dan precission hasil perhitungan Ms.Excel mendapatkan nilai masing-masing 62%, 67% dan 59%. Untuk perhitungan menggunakan Rapidminer mendapatkan nilai akurasi 64%, recall 81% dan precission 88%. Hasil perbandingan clustering membuktikan perhitungan menggunakan Rapidminer mendapatkan nilai yang accuracy, recall dan precission yang lebih tinggi.

Keywords


Penjualan, Clustering, Metode K-Means, Souq

Full Text:

PDF

References


Y. Darmi and A. Setiawan, “Penerapan Metode Clustering K-Means Dalam Pengelompokan Penjualan Produk,” J. Media Infotama, vol. 12, no. 2, pp. 148–157, 2016.

S. P. Tamba, F. T. Kesuma, And Feryanto, “Penerapan Data Mining Untuk Menentukan Penjualan Sparepart Toyota Dengan Metode K-Means Clustering,” J. Sist. Inf. Ilmu Komput. Prima (Jusikom Prima), vol. 2, no. 2, pp. 67–72, 2019.

M. H. Siregar, “Data Mining Klasterisasi Penjualan Alat-Alat Bangunan Menggunakan Metode K-Means (Studi Kasus Di Toko Adi Bangunan),” J. Teknol. Dan Open Source, vol. 1, no. 2, pp. 83–91, 2018, doi: 10.36378/Jtos.V1i2.24.

F. Nasari And S. Darma, “Penerapan K-Means Clustering Pada Data Penerimaan Mahasiswa Baru (Studi Kasus : Universitas Potensi Utama),” Semin. Nas. Teknol. Inf. Dan Multimed., vol. 2, no. 1, pp. 73–78, 2015.

F. Indriyani And E. Irfiani, “Clustering Data Penjualan Pada Toko Perlengkapan Outdoor Menggunakan Metode K-Means,” Juita J. Inform., vol. 7, no. 2, pp. 109–114, 2019, doi: 10.30595/Juita.V7i2.5529.

N. A. Hasibuan Et Al., “Implementasi Data Mining Untuk Pengaturan Layout Minimarket Dengan Menerapkan Association Rule,” J. Ris. Komput., Vol. 4, No. 4, Pp. 6–11, 2017, doi: 10.30865/Jurikom.V4i4.686.

M. Anjelita, A. P. Windarto, And A. Wanto, “Analisis Metode K-Means Pada Kasus Ekspor Barang Perhiasan Dan Barang Berharga Berdasarkan Negara Tujuan,” Semin. Nas. Sains Teknol. Inf., vol. 2, no. 8, pp. 476–482, 2019.

C. Wirawan, "Teknik Data Mining Menggunakan Algoritma Decision Tree C4.5 untuk Memprediksi Tingkat Kelulusan Tepat Waktu," Applied Information System and Management (AISM), vol. 3, no. 1, pp. 43-52, May 2020. doi: 10.15408/aism.v3i1.13033

D. F. Pramesti, Lahan, M. Tanzil Furqon, And C. Dewi, “Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas (Hotspot),” J. Pengemb. Teknol. Inf. Dan Ilmu Komput., vol. 1, no. 9, pp. 723–732, 2017, doi: 10.1109/Eumc.2008.4751704.

R. W. Sari, A. Wanto, And A. P. Windarto, “Implementasi Rapidminer Dengan Metode K-Means (Study Kasus: Imunisasi Campak Pada Balita Berdasarkan Provinsi),” Komik (Konferensi Nas. Teknol. Inf. Dan Komputer), vol. 2, no. 1, pp. 224–230, 2018, Doi: 10.30865/Komik.V2i1.930

Q. Aini and E. Khudzaeva, "Potential Halal Tourism Destinations with Applying K-Means Clustering," I.J. Intelligent Systems and Applications, vol. 9, pp. 9-17, 2019.

N. Arunkumar Et Al., “K-Means Clustering And Neural Network For Object Detecting And Identifying Abnormality Of Brain Tumor,” Soft Comput., vol. 23, no. 19, pp. 9083–9096, 2019, doi: 10.1007/S00500-018-3618-7.

W. Wu And M. Peng, “A Data Mining Approach Combining K-Means Clustering With Bagging Neural Network For Short-Term Wind Power Forecasting,” J. Internet Things, vol. 4662, Pp. 1–8, 2017, doi: 10.1109/Jiot.2017.2677578.

A. N. Yusril, I. Larasati, and Q. Aini, "Implementasi Text Mining untuk Advertising dengan Menggunakan Metode K-Means Clustering pada Data Tweets Gojek Indonesia," SISTEMASI: Jurnal Sistem Informasi, vol. 9, no. 3, pp. 586-596, Sep 2020.

W. Afifi, D. R. Nastiti, and Q. Aini, "Clustering K-Means pada Data Ekspor (Studi Kasus: PT. Gaikindo)," Jurnal SIMETRIS, vol. 11, no. 1, Apr 2020




DOI: https://doi.org/10.15408/aism.v5i1.22534 Abstract - 0 PDF - 0

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

EDITORIAL ADDRESS:

Department of Information Systems, Faculty of Science and Technology,
Universitas Islam Negeri (UIN) Syarif Hidayatullah Jakarta
Faculty of Science and Technology Building, 3rd Floor, 1st Campus, Universitas Islam Negeri (UIN) Syarif Hidayatullah Jakarta
Jl. Ir. H. Juanda No. 95, Ciputat Timur, Kota Tangerang Selatan, Banten 15412, Indonesia.
Tlp/Fax: +622174019 25/+62217493315.
E-mail: aism.journal@apps.uinjkt.ac.id, Website: https://journal.uinjkt.ac.id/index.php/aism

Creative Commons Licence
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Applied Information System and Management (AISM) | E-ISSN: 2621-254 | P-ISSN: 2621-2536 

https://journal.uinjkt.ac.id/index.php/aism