Penerapan Data Mining Untuk Menentukan Strategi Penjualan Pada Toko Raja Komputer Menggunakan Metode Clustering

(1)

JURIKOM (Jurnal Riset Komputer), Vol. 9 No. 2, April 2022 e-ISSN 2715-7393 (Media Online), p-ISSN 2407-389X (Media Cetak) DOI 10.30865/jurikom.v9i2.4003 Hal 281−288 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom

Penerapan Data Mining Untuk Menentukan Strategi Penjualan Pada Toko Raja Komputer Menggunakan Metode Clustering

Ayu Sri Wahyuni^1*,Joy Nashar Utamajaya²

Prodi Sistem Informasi, STMIK Borneo Internasional, Balikpapan, Indonesia Email: ^1*ayu_sri_wahyuni.18@stmik-borneo.ac.id, ²joy.nashar@stmik-borneo.ac.id

Email Penulis Korespondensi:ayu_sri_wahyuni.18@stmik-borneo.ac.id Submitted 10-04-2022; Accepted 16-04-2022; Published 29-04-2022

Abstrak

Toko Raja Komputer Balikpapan merupakan salah satu toko penjualan laptop yang bergerak dibidang elektronik dengan produk utama seperti laptop, computer pc, dan aksesoris lainnya. Dimana perusahaan ini setiap harinya harus memenuhi kebutuhan konsumen dan dituntut untuk dapat mengambil keputusan yang tepat dalam menentukan strategi penjualan. Untuk dapat melakukan hal tersebut T oko Raja Komputer membutuhkan strategi – strategi penjualan untuk dapat menarik minat pembeli dan meningkatkan laba atau pendapatan perusahaan. Pada penelitian ini analisa data mining dilakukan dengan teknik clustering menggunakan metode K-Means. Dari hasil penelitian yang dilakukan didapatkan hasil dari 1044 dataset daftar tpenjualan Raja Komputer tahun 2021. Maka didapat kan hasil klasterisasi pada data transaksi penjualan tersebut sebanyak 4 cluster yang mana terdapat 398 data mengikuti cluster 0, 363 d ata mengikuti cluster 1, 145 data mengikuti cluster 2, dan 138 data mengikuti cluster 3, yang artinya cluster 0 dan 1 didefinisikan sebagai prodak yang harus diperhatikan penyediaan stok dengan jumlah paling banyak sedangkan sedangkan cluster 2 dan 3 merupakan produk dengan penyediaan stok di bawah cluster 0 dan 1.

Kata Kunci: Toko Raja Komputer; Clustering; Penjualan; K-Means Abstract

Toko Raja Computer Balikpapan is one of the laptop sales shops engaged in electronics with main products such as laptops, PC computers, and other accessories. Where the company every day must meet the needs of consumers and sales to be able to make t he right decisions in determining the strategy. To be able to do this, Toko Raja Computer requires sales strategies to be able to attract buyers and increase company profits or revenues. In this study, data mining analysis was carried out by clustering techniques using the K-Means method. From the results of the research conducted, the results obtained from 1044 datasets of the Raja Computer sales list in 2021. So the results of clustering on the sales transaction data were 4 clusters of which there were 398 data following cluster 0, 363 data following cluster 1, 145 data following cluster 2 , and 138 data follow cluster 3, which means that clusters 0 and 1 are defined as products that must pay attention to the supply with the highest number, while clusters 2 and 3 are products with stock supply below clusters 0 and 1.

Keywords: King Computer Store; Clustering; Sales; K-Means

1. PENDAHULUAN

Pertumbuhan kegiatan jual-beli di Indonesia tercermin dengan pesatnya pertumbuhan minimarket sebagai salah satu pasar modern dan pasokan baru di Indonesia. Bisnis saat ini mengalami perkembangan pesat apalagi dengan menggunakan sistem yang lebih modern memudahkan dalam penghitungan sehingga dapat mengimbangi kebutuhan masyarakat yang tinggi[1].

Strategi pemasaran merupakan rencana yang menjabarkan ekspektasi perusahaan akan dampak dari berbagai aktivitas atau program pemasaran terhadap permintaan produk atau lini produknya di pasar sasaran tertentu. Program pemasaran meliputi tindakan - tindakan pemasaran yang dapat mempengaruhi permintaan terhadap produk, diantaranya dalam hal mengubah harga, memodifikasi kampanye iklan, merancang promosi khusus, menentukan pilihan saluran distribusi, dan sebagainya[2]. Toko Raja Komputer Merupakan Toko Pertama di Balikpapan yang bergerak di bidang penjualan komputer dengan produk utama seperti laptop, komputer rakitan, service computer dan aksesoris laptop lainnya. Perusahaan ini setiap harinya harus memenuhi kebutuhan konsumen dan dituntut untuk dapat mengambil keputusan yang tepat dalam menentukan strategi penjualan. Untuk dapat melakukan hal tersebut toko raja computer membutuhkan strategi – strategi penjualan untuk dapat menarik minat pembeli dan meningkatkan laba dan pendapatan perusahaan. Berikut ini data penjualan pada Toko Raja Komputer Balikpapan Untuk beberapa Item.

Permasalahan utama yang dihadapi oleh Raja Komputer Balikpapan adalah sulitnya untuk mengetahui kecendrungan pembeli terhadap barang – baerang yang ada pada toko Raja Komputer dan juga kesulitan dalam memenuhi kebutuhan pembeli yang selalu berkembang dan berubah – ubah sehingga berakibat dalam menentukan strategi penjualan.

Adapun komputer yang akan di klastering adalah Asus, Acer, Lenovo, Axioo, dan Hp. Hasil dari pengolahan data ini bertujuan untuk membantu pihak Raja Komputer Balikpapan dalam menentukan strategi penjualan.

Pada penelitian ini analisa data mining dilakukan dengan teknik clustering menggunakan metode K-Means.

Penggunaan metode K-Means pada penelitian ini karna K-Means merupakan salah satu metode pengelompokan data nonhierarki (sekatan) yang berusaha mempartisi data yang ada kedalam bentuk dua atau lebih kelompok. Algoritma K- Means merupakan salah satu algortima clustering yang sangat umum dalam mengelompokkan data sesuai dengan kesamaan karakteristik. Kelompok data yang dihasilkan disebut sebagai cluster/klaster[3]. K-means merupakan salah satu metode pengelompokan data nonhierarki (sekatan) yang berusaha mempartisi data yang ada ke dalam bentuk dua atau lebih kelompok[4]. Sehingga data yang berkarakteristik yang sama dimasukkan kedalam satu kelompok yang sama dan

(2)

JURIKOM (Jurnal Riset Komputer), Vol. 9 No. 2, April 2022 e-ISSN 2715-7393 (Media Online), p-ISSN 2407-389X (Media Cetak) DOI 10.30865/jurikom.v9i2.4003 Hal 281−288 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom data yang berkarakteristik yang berbeda akan dikelompokan kedalam kelompok yang lain. Berdasarkan analisa dan pengolahan data yang akan dilakukan, maka dapat diambil kesimpulan metode K-Means dapat digunakan untuk mengatasi permasalahan pada Toko Raja Komputer Balikpapan.

Metode yang digunakan untuk mengolah dataset tersebut adalah Metode k-Means untuk pengklasifikasian clustering. Clustering adalah proses mengklasifikasikan data menjadi sejumlah kelompok (cluster) dari data yang berukuran besar ke dalam beberapa kelompok, dimana data dalam satu kelompok mempunyai karakteristik yang sama satu sama lainnya dan mempunyai karakteristik yang berbeda dengan data yang ada di dalam kelompok yang lain[5].

Kelebihan Metode K-means Clustering ini sangat sederhana diimplementasikan dan paling paling banyak digunakan dalam pengklasteran. Dari hasil pengklusteran data transaksi penjualan adalah mengelompokan data produk yang terjual untuk mengetahui data yang memiliki potensi atau kecendrungan pelanggan dalam membeli barang tersebut. Selanjutnnya data transaksi yang memenuhi kriteria tersebut maka akan didapatkan hasil perhitungan pengelompokan kelayakan produk. Dari hasil penelitian ini di harapkan peran penting perusahaan dapat digunakan untuk memberi saran pertimbangan dalam menentukan strategi penjualan di Toko Raja Komputer yaitu mengeliminasi produk dengan posisi cluster terbawah dan lebih memfokuskan pada produk dengan posisi cluster tertinggi. Tujuan dari penelitian ini menggunakan Algoritma K-Means yang dimana digunakan untuk membantu perhitungan nilai kemurniannya dari hasil clustering yang dilakukan sangatlah tepat. Penelitian ini menggunakan lima kriteria yaitu Nama, No Hp, Kode item, Merk item, Seri, Processor, Warna dan Marketing.

Salah satu penelitian yang dilakukan oleh Baginda Harahap dan Arifin Rambe dengan menggunakan Algoritma K-Means, Dalam penelitian ini digunakanlah K-Means Clustering untuk menyeleksi mahasiswa dalam menerima beasiswa tersebut, yaitu 50%, 60% dan 100%. Sehingga penelitian ini sangat cocok untuk digunakan dalam menyeleksi calon

mahasiswa baru yang mendapatkan beasiswa dari Yayasan Pendidikan Battuta[6].

Penelitian selanjutnya dilakukan oleh W. M., Indartono, K., & Banat, S. dengan Pada penelitian ini dikembangkan suatu konsep data mining. Salah satu metode analisa data mining yang digunakan adalah clustering. Clustering yang dilakukan pada penelitian ini menggunakan metode k-means dan k-medoids, sehingga akan ditemukan informasi yang dapat digunakan untuk penentuan strategi pemasaran produk yang tepat. Software yang digunakan sebagai pendukung pengolahan data adalah RapidMiner. Hasil dari kedua metode tersebut kemudian akan dibandingkan dengan melakukan evaluasi clustering untuk mengetahui mana hasil yang lebih akurat dalam penelitian ini[7].

Penelitian selanjutnya dilakukan Rony Setiawan dengan menggunakan metode algoritma k-means, data yang telah didapatkan dapat dikelompokan kedalam beberapa cluster berdasarkan kemiripan dari data-data tersebut, sehingga data- data yang memiliki karakteristik yang sama dikelompokan dalam satu cluster dan yang memliki karakteristik yang berbeda dikelompokan dalam cluster yang lain yang memiliki karakteristik yang sama, Dengan adanya pengelompokanpengelompokan data seperti ini, diharapkan bagian marketing dapat melakukan pemasaran dengan strategi yang tepat untuk mendapatkan calon mahasiswa baru[8].

Penelitian selanjutnya yang dilakukan Hadist Annur Pada penelitian ini analisa data mining dilakukan dengan Teknik Clustering menggunakan metode K-Means. Hasil akhir dari penelitian ini adalah mengelompokkan data produk yang terjual untuk mengetahui data yang memiliki potensi atau kecenderungan pelanggan dalam membeli barang tersebut.

Hasil ini dapat digunakan untuk memberi saran pertimbangan dalam menentukan strategi penjualan yaitu mengeliminasi produk dengan posisi cluster terbawah dan lebih memfokuskan pada produk dengan posisi cluster tertinggi. Dari Hasil penelitian didapatkan Dapat diketahui bahwa Aplikasi data mining untuk menentukan strategi penjualan pada Toko Luxor Variasi Gorontalo dengan Menggukan Metode K-Means Clustering yang dirancang dapat digunakan[9].

Dari latar belakang tersebut maka akan dilakukan penelitian tentang peran data mining dalam menyelesaikan permasalahan untuk menentukan strategi penjualan. Adapun teknik yang diimplemtasikan adalah teknik data mining metode clustering dengan Algoritma K-Means akan diterapkan pada penelitian ini untuk memecahkan masalah tersebut serta dapat mengolongkan data transaksi penjualan sehingga menghasilkan prodak apa saja yang harus diperhatikan penyediaan stok dengan jumlah paling banyak, dan yang tidak, sehingga nanti nya dapat dijadikan strategi penjualan untuk kedepannya

2. METODE PENELITIAN

2.1 Tahapan Penelitian

Pada penelitian ini dalam menentukan strategi penjualan dengan teknik clustering menggunakan metode K-Means.

Tahapan-tahapan yang dilakukan untuk menentukan strategi penjualan terhadap data transaksi penjualan yang ada di Raja Komputer diperlukan sebuah proses untuk mengolah data tersebut menjadi sebuah hasil seperti pada gambar 1.

(3)

Gambar 1. Tahapan Penelitian

Tahap pertama yang peneliti lakukan adalah mengumpulkan data, data yang digunakan dalam penelitian ini adalah data transaksi penjualan yang di ambil langsung di Toko Raja Komputer. Penelitian ini menggunakan dataset data transaksi penjualan Toko Raja Komputer tahun 2021 yang terdiri dari 1044 sampel data dengan atribut Nama, No Hp, Merk Item, Processor,Warna Item, dan Marketing.

Tahap berikutnya adalah memastikan data transaksi penjualan dapat dipilih telah layak untuk dilakukan proses pengolahan. Pada tahap ini dilakukan pemilihan atribut data yang digunakan dalam penelitian. Adapun bentuk data yang diperoleh dari Raja Komputer Balikpapan dapat dijelaskan pada Tabel 1 berikut ini :

Tabel 1. Data Transaksi Penjualan Raja Komputer Tahun 2021

Nama Customer No Hp Merk item Seri Item Processor Item Warna Item Marketing Didik Aris Samsudin 0813 4745 8354 ASUS X541SA INTEL BLACK JULIAH Aditya Rachman Yusuf 0821 5844 6582 ASUS X441BA AMD BROWN DIANA Delila Swesti Yunita, Sh. 0813 5011 4153 HP 15-CF0875 AMD GREY IRMA Eka Hidayan Setiabudi 0813 5150 4755 LENOVO IP330 INTEL BLACK DIANA

Hari Nurcahyo 0812 5014 3527 ACER A315 AMD BLACK DIANA

Lisa 0857 5056 7747 ASUS E402YA AMD WHITE JULIAH

……….. ……….. ……… ………… ……… ………… ……….

Haditianza 0812 5053 0684 ASUS E402YA AMD WHITE AYU

Selanjutnya tahap pra pengolahan meliputi tahapan integrasi atau penggabungan data seluruh nya dan juga pembersihan data yang mana hasilnya akan lebih baik ketika dilakukan clustering nantinya[10]. Pada tahap pra proses data mining meliputi data cleaning atau pembersihan data yang didalamnya terdapat atribut kosong maupun tidak lengkap, data integration atau pengubahan data menjadi format yang sesuai untuk digunakan dalam proses data mining, Pada tahap integration ini di lakukan konversi nilai atau memberikan pembobotan pada data asli oleh pihak terkait yang berwenang melakukan pembobotan[11]. Dimana data di berikan bobot dari data nominal ke data numerik untuk mempermudah perhitungan K-means. Adapun bentuk data intergartion hasil konversi yang telah di lakukan di tunjukan pada Tabel 2, Tabel 3,Tabel 4 dan Tabel 5.

Tabel 2. Hasil Konversi Merk

Merk Bobot

Acer 1

Hp 2

Lenovo 3

Axioo 4

Asus 5

(4)

JURIKOM (Jurnal Riset Komputer), Vol. 9 No. 2, April 2022 e-ISSN 2715-7393 (Media Online), p-ISSN 2407-389X (Media Cetak) DOI 10.30865/jurikom.v9i2.4003 Hal 281−288 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom Tabel 3. Hasil Konversi Prosesor

Processor Bobot

Intel ci 7/ryzen 7 1

Ci5 / ryzen 5 2

Ci3 / ryzen 3 3

Amd Athlon / Pentium silver

4

Intel Celeron 5

Tabel 4. Hasil Konversi Warna

Warna Bobot

Red 1

White 2

Silver 3

Grey 4

Black 5

Tabel 5. Hasil Konversi Marketing

Marketing Bobot

Rio 1

Kiel 2

Restu 3

Juliah 4

Ayu 5

Tahap selanjutnya adalah mengolah data menggunakan algoritma k-means clustering sehingga dapat menghasilkan informasi yang bermanfaat dan dapat menjadi pertimbangan dalam hal pengambilan keputusan. Instrumen penelitian merupakan sebuah alat untuk mengumpulkan data atau mengukur objek dari sebuah variabel penelitian. Untuk mendapatkan data yang benar dan sesuai dengan keadaan yang sebenarnya, maka dibutuhkan suatu instrument yang valid dan konsisten dalam memberikan data hasil penelitian (reliable)[12]. Penelitian ini juga menggunakan perangkat lunak rapidminer versi 5.3.0 sebagai software pendukung. Perangkat Lunak (Software).

3. HASIL DAN PEMBAHASAN

Implementasi penelitian ini menggunakan perhitungan Algoritma K-Means yang dilakukan dengan menggunakan tools Rapid Miner Studio. Rapid Miner sebagai tools yang mampu memudahkan usernya dalam melakukan perhitungan menggunakan operator. Operator berfungsi untuk memodifikasi data dan selanjutnya dihubungkan dengan node-node operator[13]. Sedangkan tugas user menghubungkan node-node tersebut untuk melihat hasil dari tampilan grafik perhitungan. Rapid Miner pada gambar 1 digunakan untuk melakukan proses ekstraksi data menggunakan metode yang ada pada data mining[14].

Dari proses penelitian yang dilakukan didapatkan hasil dari 1044 dataset daftar transaksi penjualan Raja Komputer tahun 2021. terdapat 398 data mengikuti cluster 0, 363 data mengikuti cluster 1, 145 data mengikuti cluster 2, dan 138 data mengikuti cluster 3, yang artinya cluster 0 dan 1 didefinisikan sebagai prodak yang harus diperhatikan penyediaan stok dengan jumlah paling banyak sedangkan sedangkan cluster 2 dan 3 merupakan produk dengan penyediaan stok di bawah cluster 0 dan 1.

3.1 Dataset

Data yang sudah dikumpulkan akan diolah dengan beberapa tahap sehingga menjadi sebuah dataset yang kemudian akan di implementasikan menggunakan metode data mining. Dataset penjualan laptop digunakan dalam tahap pengolahan data.

Pada tahap ini ditentukan atribut yang akan digunakan pada tahap clustering, dari 8 atribut yang didapatkan pada proses pengumpulan data kemudian akan diseleksi menjadi 4 atribut, atribut Nama, Alamat, No Hp, Tgl Pembelian, kode Item, Jumlah dan Harga tidak dilibatkan dalam proses clustering, karna atribut tersebut tidak berpengaruh dalam tahap pengelompokan data. Pada tahap selanjutnya yaitu menentukan jumlah kelompok yang akan di bentuk, hasil yang diharapkan pada penelitian ini yaitu akan terbentuk 4 cluster,cluster 0, cluster 1, cluster 2, dan cluster 3. Cluster 1 didefinisikan sebagai prodak yang harus diperhatikan penyediaan stok dengan jumlah paling banyak, sedangkan cluster 2 dan 3 merupakan produk dengan penyediaan stok di bawah cluster 1. Dataset yang digunakan pada penelitian ini merupakan data transaksi penjualan laptop yang telah terdata oleh pihak toko yang nantinya akan direkomendasikan sebagai strategi penjualan seperti ditampilkan pada tabel 6 berikut ini:

3.2 Pengolahan Data dengan Software Rapidminer

(5)

JURIKOM (Jurnal Riset Komputer), Vol. 9 No. 2, April 2022 e-ISSN 2715-7393 (Media Online), p-ISSN 2407-389X (Media Cetak) DOI 10.30865/jurikom.v9i2.4003 Hal 281−288 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom Pada penelitian ini menggunakan aplikasi RapidMiner Studio untuk menyelesaikan proses pengelompokan data transaksi penjualan di Toko Raja Komputer. Rapid miner merupakan sebuah tools/perangkat lunak yang berfungsi sebagai alat untuk pengolahan data. tools ini menggunakan esensi serta pengimplementasian algoritma data mining, RapidMiner menganalisa secara otomatis dataset yang kita berikan lalu memberikan solusi dalam penganalisaan data tersebut. Selain itu RapidMiner juga memudahkan user dalam melakukan perkiraan dalam data yang banyak dengan menggunakan operator-operator yang dibutuhkan[15]. Tabel 5 menujukkan data yang akan digunakan pada proses pengelompokan menggunakan algoritme K-Means

Tabel 5. Dataset Transaksi Penjualan

Nama Customer No Hp Merk Item Processor Item Warna Item Marketing

Didik Aris Samsudin 0813 4745 8354 5 1 5 4

Aditya Rachman Yusuf 0821 5844 6582 5 2 5 5

Delila Swesti Yunita, Sh. 0813 5011 4153 2 3 4 4

Eka Hidayan Setiabudi 0813 5150 4755 3 4 5 5

Hari Nurcahyo 0812 5014 3527 1 5 5 5

Lisa 0857 5056 7747 5 2 2 4

Haditianza 0812 5053 0684 5 3 2 5

Rahmat Yulianto 0821 5149 7469 4 4 1 4

Nurul Anita 0813 4516 6300 4 5 1 4

Rahman Ramadhan 0812 5807 3693 2 2 3 4

Lita 0813 5241 7709 4 5 3 4

Darna 0895 7006 32523 5 4 5 5

Maniati 0852 4774 5058 3 3 5 5

Samendang 0853 8996 2351 4 5 1 5

Yoga Hanggara Pradipta 0821 4879 9620 3 5 5 5

Setelah data transaksi penjualan siap untuk diolah, maka data tersebut diimport ke dalam rapidminer menggunakan operator ReadExcel. Gambar 2 menunjukkan penerapan algoritma K-Means untuk mengelompokkan data dengan aplikasi rapidminerUntuk mengelompokkan data dalam penelitian ini, akan dilakukan dengan menggunakan software rapidminer 5.3.0 sebagai berikut:

Gambar 2. Proses Clustering dengan RapidMiner

Data yang sudah diimport ke rapidminer kemudian dihubungkan dengan operator clustering , pada tahap ini harus menentukan algoritma yang akan digunakan, yaitu algoritma K-means. Operator tersebut yang berperan dalam transformasi data. Data ini dihubungkan dengan node – node pada operator dan kemudia tinggal menghubungkan ke node final untuk memperlihatkan hasil akhirnya. Dari hasil ini dapat divisualisasikan dengan berbagai grafik yang akan mudah dipahami. Karena tools RapidMiner ini bisa menjadi salah satu alternatif untuk proses ekstrak data dengan teknik data mining penulis memakai konfigurasi data dan operator.

Pada data yang sebelumnya telah dilakukan pemrosesan sebelum dimasukkan kedalam konfigurasi, sudah tidak terdapat atribut label yang tidak perlu pada data tersebut. Setelah dilakukan proses clustering terhadap data yang mana tujuannya agar dapat menghasilaka beberapa cluster data berdasarkan bobot yang diberikan untuk dilakukan cluster terlebih dahulu mengecek untuk melihat potensi terbaik dari setiap kelompok atau cluster untuk diputuskan. disini terlihat pada gambar 3, gambar 4, gambar 5, dan gambar 6 merupakan pemrosesan pertama yang dimana telah diputuskan 4 buah cluster.

(6)

Gambar 3. Hasil Olah Cluster 0

(7)

Hasil dari proses clustering dataset transaksi penjualan Toko Raja Komputer dengan menggunakan metode K- Means di peroleh 4 cluster model yang di tunjukan pada Gambar 7. Gambar 7 menunjukan bahwa masing – masing cluster memiliki hasil yang berbeda – beda yaitu diantaranya untuk cluster 0 sebanyak 398 item, cluster 1 sebanyak 363 item, cluster 2 sebanyak 145 item, dan cluster 3 sebanyak 138 ite. Sehingga total cluster model adalah 4 buah cluster model.

Lalu dari total 1044 item tersebut akan dilihat setiap rinci yang sudah terklarifikasi dalam cluster model.

Gambar 7. Cluster Model

Pada tahap ini cluster pertama dan kedua menjadi dominan karna pada cluster model dapat diketahui bahwa terdapat 1044 item yang merupakan himpunan dari cluster. Kemudian terdapat juga atribut yang menyediakan data tersebut. Maka didapat kan hasil klasterisasi pada data transaksi penjualan tersebut sebanyak 4 cluster yang mana pada cluster 0 sebanyak 398 item, cluster 1 sebanyak 363 item, cluster 2 sebanyak 145 item, dan cluster 3 sebanyak 138 item.

Sehingga total cluster model adalah 4 buah cluster model.

Gambar 8. Rincian Cluster

(8)

JURIKOM (Jurnal Riset Komputer), Vol. 9 No. 2, April 2022 e-ISSN 2715-7393 (Media Online), p-ISSN 2407-389X (Media Cetak) DOI 10.30865/jurikom.v9i2.4003 Hal 281−288 http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom Hasil dari penelitian proses cluster yang dilakukan yang terdapat pada gambar 8 didapatkan hasil dari 1044 dataset daftar transaksi penjualan Raja Komputer tahun 2021, terdapat 4 buah cluster model yang diantaranya 398 data mengikuti cluster 0, 363 data mengikuti cluster 1, 145 data mengikuti cluster 2, dan 138 data mengikuti cluster 3, yang artinya cluster 0 dan 1 didefinisikan sebagai prodak yang harus diperhatikan penyediaan stok dengan jumlah paling banyak sedangkan sedangkan cluster 2 dan 3 merupakan produk dengan penyediaan stok di bawah cluster 0 dan 1.

4. KESIMPULAN

Berdasarkan hasil dari penelitian yang telah diuji eksperimen data menggunakan Microsoft Excel dan Software Rapidminer dengan Algoritma K-Means Clustering dalam penelitian ini, dapat disimpulkan sebagai berikut: Telah diterapkan Metode Algoritma K-Means Clustering untuk mengelompokan data transaksi penjualan Toko Raja Komputer Tahun 2021, Pengolahan data yang dilakukan menghasilkan kelompok penerima beasiswa yang dipertimbangkan menggunakan 5 variabel penelitian, sehingga pihak Toko Raja Komputer bisa lebih mudah dalam menentukan strategi penjualan dengan teknik Data Mining, dan Berdasarkan hasil pengolahan data yang telah dilakukan dapat diketahui terdapat 4 cluster yang dihasilkan dalam mengelompokkan data Transaksi penjualan , terdapat 398 data mengikuti cluster 0, 363 data mengikuti cluster 1, 145 data mengikuti cluster 2, dan 138 data mengikuti cluster 3, yang artinya cluster 0 dan 1 didefinisikan sebagai prodak yang harus diperhatikan penyediaan stok dengan jumlah paling banyak sedangkan sedangkan cluster 2 dan 3 merupakan produk dengan penyediaan stok di bawah cluster 0 dan 1.

REFERENCES

[1] A. Nastuti, “Amelia Nastuti 1 ) , Syaiful Zuhri Harahap 2 ),” Tek. Data Min. Untuk Penentuan Paket Hemat Sembako Dan Kebutuhan Hari. Dengan Menggunakan Algoritm. Fp-Growth, vol. 7, no. 3, pp. 111–119, 2019.

[2] Dimas Hendika Wibowo, “Strategi dan Program Pemasaran,” J. Adm. Bisnis, vol. 29, no. 1, pp. 59–66, 2015.

[3] L. Maulida, “Penerapan Datamining Dalam Mengelompokkan Kunjungan Wisatawan Ke Objek Wisata Unggulan Di Prov. Dki Jakarta Dengan K-Means,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 2, no. 3, p. 167, 2018, doi: 10.14421/jiska.2018.23-06.

[4] J. Prima et al., “PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA K-MEANS UNTUK MENENTUKAN JUDUL SKRIPSI DAN JURNAL,” vol. 5, no. 2, pp. 80–85, 2022.

[5] B. G. Sudarsono and S. P. Lestari, “Clustering Penerima Beasiswa Yayasan Untuk Mahasiswa Menggunakan Metode K-Means,”

J. Media Inform. Budidarma, vol. 5, no. 1, p. 258, 2021, doi: 10.30865/mib.v5i1.2670.

[6] B. Harahap and A. Rambe, “Implementasi K-Means Clustering Terhadap Mahasiswa yang Menerima Beasiswa Yayasan Pendidikan Battuta di Universitas Battuta Tahun 2020/2021 Studi Kasus Prodi Informatika,” Informatika, vol. 9, no. 3, pp. 90–

97, 2021, doi: 10.36987/informatika.v9i3.2185.

[7] W. M. Baihaqi, K. Indartono, and S. Banat, “Penerapan Teknik Clustering Sebagai Strategi Pemasaran pada Penjualan Buku Di Tokopedia dan Shopee,” Paradig. - J. Komput. dan Inform., vol. 21, no. 2, pp. 243–248, 2019, doi: 10.31294/p.v21i2.6149.

[8] R. Setiawan, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru ( Studi Kasus : Politeknik Lp3i Jakarta ),” J. Lentera Ict, vol. 3, no. 1, pp. 76–92, 2016.

[9] S. Kasus, T. Luxor, and V. Gorontalo, “Strategi Penjualan Variasi Mobil Menggunakan Metode K-Means Clustering,” vol. 2, no. 2, pp. 43–46, 2018.

[10] M. R. Alhapizi, M. Nasir, and I. Effendy, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru Universitas Bina Darma Palembang,” J. Softw. Eng. Ampera, vol. 1, no. 1, pp.

1–14, 2020, doi: 10.51519/journalsea.v1i1.10.

[11] P. Alkhairi and A. P. Windarto, “Penerapan K-Means Cluster pada Daerah Potensi Pertanian Karet Produktif di Sumatera Utara,”

Semin. Nas. Teknol. Komput. Sains, pp. 762–767, 2019.

[12] M. M. K-means, “Penerapan Data Mining untuk Clustering Data Penduduk Miskin,” vol. 3, no. 1, pp. 31–37, 2021.

[13] A. Salam, D. Adiatma, and J. Zeniarja, “Implementasi Algoritma K-Means Dalam Pengklasteran untuk Rekomendasi Penerima Beasiswa PPA di UDINUS,” JOINS (Journal Inf. Syst., vol. 5, no. 1, pp. 62–68, 2020, doi: 10.33633/joins.v5i1.3350.

[14] B. Rahmat C.T.I. et al., “Implemetasi k-means clustering pada rapidminer untuk analisis daerah rawan kecelakaan,” Semin. Nas.

Ris. Kuantitatif Terap. 2017, no. April, pp. 58–60, 2017.

[15] L. Penelitian dan Pengabdian Kepada Masyarakat Universitas Darwan Ali, A. Maulana, and K. Nur Akbar, “Penerapan Clustering Menggunakan Algoritma K-Means Sebagai Analisis Produksi Komoditas Perikanan Provinsi di Indonesia,” EJECTS E-Journal Comput. Technol. Informations Syst., vol. 01, no. 01, pp. 1–6, 2021.