Penerapan Metode K-Means Clustering dalam Pengelompokan Data Penjualan Barang Pada PT. Swasti Tunggal Mandiri

Abstract

The increasingly fierce business competition in this era of globalization requires companies to rearrange business strategies and tactics in order to always survive in business competition. To achieve this, there are several things that can be done, namely by improving product quality, adding product types, and reducing company operational costs by using company data analysis. Data mining is a statistical process that identifies and categorizes data. PT. Swasti is a company engaged in contracting and supplying the engineering needs of palm oil mills. The purpose of this research is to help classify sales data in order to maximize stock management. In this study, the application of clustering using the k-means algorithm was used. The results of the data modeling will group the stock of goods into a number of clusters. The grouping will produce in information about the sale of goods where there are three groups, namely sales that are not selling well, selling well, and selling very well. Keywords: k-means; data mining; clustering; sales stock. Abstrak: Persaingan bisnis yang semakin ketat di era globalisasi ini menuntut perusahaan untuk menyusun kembali strategi dan taktik bisnis agar selalu bertahan dalam persaingan bisnis. Untuk mencapai hal tersebut, ada beberapa hal yang bisa dilakukan yaitu dengan meningkatkan kualitas produk, penambahan jenis produk, dan pengurangan biaya operasional perusahaan dengan cara menggunakan analisis data perusahaan. Data mining merupakan proses statistik yang mengidentifikasi dan mengelompokkan suatu data. PT. Swasti adalah perusahaan yang bergerak di bidang kontraktor dan supplier untuk kebutuhan teknik dari pabrik kelapa sawit. Tujuan diadakan penelitian ini untuk membantu mengelompokkan data penjualan agar dapat memaksimalkan manajemen stock. Pada penelitian ini, digunakan penerapan clustering dengan menggunakan algoritma k-means. Hasil dari pemodelan data tersebut akan mengelompokkan stock barang kedalam sejumlah cluster. Pengelompokkan tersebut akan menghasilkan informasi tentang penjualan barang dimana terdapat tiga cluster yaitu penjualan kurang laris, cukup laris, dan sangat laris. Kata kunci: k-means; data mining; clustering; stok penjualan.