Abstrak -Menjaga stok persediaan barang agar tidak ada barang yang kosong termasuk salah satu cara untuk menjaga kepuasan pelanggan. Untuk memenuhi hal tersebut penjual harus dapat menganalisa mana data barang yang laku dan mana yang kurang laku dari data laporan penjualan barang, hal ini tidaklah mudah apabila toko tersebut merupakan toko retail yang memiliki ratusan bahkan ribuan data penjualan setiap bulannya. Permasalahan tersebut bisa di selesaikan dengan menggunakan salah satu teknik dalam data mining yaitu algotihma K-Means Clustering. Penelitian ini di maksudkan untuk membantu Genta Corp yang merupakan toko retail di kota Bogor yang menjual peralatan outdoor, untuk membuat pengelompokan data penjualannya agar dapat memaksimalkan manajemen stoknya. Variable yang digunakan adalah kode barang, data barang masuk, data barang keluar dan stok barang. Data diolah dengan perhitungan manual menggunakan algorithma K-Means dan menggunakan Software Rapid Miner sehingga didapatkan hasil akhir berupa tiga cluster dimana terdapat 2 jenis barang paling laris, 8 jenis barang yang cukup laris dan 18 jenis barang yang kurang laris. Hasil ini bisa dimanfaatkan oleh manajemen Genta Corp untuk peningkatan manajemen stok dan strategi penjualannya.
Kata-kata kunci: Clustering, Data Mining, ManajemenStok, Penjualan, Peralatan Outdoor.
Abstract -Maintain stock of goods so that there are no empty items, including one way to maintain customer satisfaction. To fulfill this, the seller must be able to analyze which data items are selling and which are not selling from the sales report data, this is not easy if the store is a retail store that has hundreds or even thousands of sales data every month. These problems can be solved by using one of the techniques in data mining namely algotihma K-MeansClustering. This research is intended to help Genta Corp which is a retail store in the city of Bogor that sells outdoor equipment, to make a grouping of sales data in order to maximize stock management. Variables used are item code, item data, item data and item stock. The data is processed by manual calculation using the K-Means algorithm and using the Rapid Miner Software so that the final result is in the form of three clusters where there are 2 types of bestselling goods, 8 types of goods which are quite in demand and 18 types of goods that are not in demand. This result can be utilized by the management of Genta Corp to improve stock management and sales strategies.