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.

Gizi  sangat dibutuhkan bagi tubuh manusia, terutama pada usia balita dan anak-anak, nilai gizi yang seimbang sangat baik dalam proses tumbuh kembang anak, meningkatkan kemampuan belajar yang baik, serta memberikan dampak positif untuk perkembangannya di masa depan. Saat ini masih kurangnya pengetahuan dasar orang tua dan para kader Posyandu mengenai nilai gizi seimbang pada balita, belum adanya pengelompokkan data berdasarkan karakteristik nilai gisi balita. Pengklasteran (clustering) merupakan metode yang cukup popular dan paling sering digunakan dalam pengolahan data pencitraan medis, biometrik dan bidang yang terkait oleh karena kesederhanaannya serta cukup efektif dalam mengelompokan data dengan  ukuran besar berdasarkan kecepatan pemrosesan dengan menempatkan objek-objek ke dalam kelas-kelas yang memiliki kemiripan. Dalam penelitian ini klasterisasi data nilai gizi balita pada Posyandu dengan acuan parameter tinggi badan balita dan berat badan balita menggunakan algoritma k-Means. Dengan menggunakan K-Means dapat mengklasifikasi nilai gizi balita secara umum agar dapat digunakan sebagai landasan pencegahan dini bagi para kader posyandu menanggulangi gizi buruk atau obesitas. Hasil klasterisasi tersebut dapat membantu para kader Posyandu dan orang tua balita dalam penanganan dini kondisi gizi balita dengan kategori obesitas, gizi lebih, gizi baik, gizi kurang dan gizi buruk.

Banyaknya variasi rasa dari Pudding Moiaa mengakibatkan penjual mengalami kesusahan mencari tahu varian rasa sering terbeli secara bersamaan, pengaturan letak yang berserakan, tidak dapat diklasifikasikan pesanan konsumen berdasarkan permintaan, dan ketersediaan produk tidak terditeksi dengan baik oleh penjual. Permasalahan tersebut mengakibatkan penjual merasakan kesusahan mengetahui jumlah barang yang sering habis secara bersamaan. Metode yang dipergunakan memecahkan masalah menggunakan metode data mining algoritma apriori dengan aturan asosiasi dan aplikasi RapidMiner. Tujuan penelitian ialah menentukan pola kemiripan rasa paling banyak terjual secara bersamaan, sehingga dapat memprediksi pola kombinasi dari itemset paling banyak berdasarkan data penjualannya yang akan terbentuk pola asosiasi dari kombinasi itemnya. Metode ini membantu penjual mengatur strategi penjualan dengan melakukan penempatan makanan dengan rasa paling sering dibeli bersamaan didaftar menunya. Pengolahan data menggunakan algoritma apriori dan aplikasi RapidMiner menunjukkan hasil pola asosiasi yang sama pada penjualan makanan dihasilkan 3 itemset yaitu Choco Almond, Moca dan Swiss Choco dengan nilai support 40,0% sedangkan nilai confidence sebesar 92,3%.

Kebutuhan akan tempat tinggal menjadi kebutuhan utama bagi setiap orang Untuk membangun perumahan atau properti pada umumnya dibangun dan dirancang oleh pengembang (developer) perumahan, namun salah satu faktor penentuan rumah tersebut dapat laku terjual atau tidaknya tergantung dari proses pemasaran. Suatu upaya untuk memudahkan pengembang perumahan dalam menyelesaikan masalah yaitu dengan membutuhkan penggunaan teknologi informasi agar perusahaan dapat mengembangkan proses pemasaran perumahan. Dalam kegiatan operasionalnya, sistem masih manual konsumen kesulitan pada saat proses pengajuan pemesanan unit rumah dimana informasi dan pemesanan unit rumah melalui media whatsapp. Marketing juga membutuhkan waktu lama untuk melihat data unit rumah yang belum terjual dikarenakan pencatatan rumah yang sudah terjual masih dilakukan secara manual, untuk pengumpulan berkas pengajuan Kredit Pemilikan Rumah (KPR) sering terjadi kehilangan berkas dikarenakan penempatan berkas yang masih tercecer dari konsumen yang mengirimkannya secara bertahap. Untuk itu perlu adanya sebuah sistem informasi ini mempermudah pengguna pada saat pemesanan properti dan pengumpulan dokumen pengajuan KPR dalam bentuk softfile agar tidak terjadi kehilangan berkas.  Dalam merancang sistem Informasi pemesanan unit properti menggunakan metode SLDC dengan model Waterfall dengan menggunakan UML sebagai analisa dan desain. Bahasa pemograman yang digunakan dalam pembuatan aplikasi yaitu Mysql, PHP, CSS, Javascript dan framework Codeigniter. Dengan adanya aplikasi ini memudahkan kinerja staff marketing dalam melakukan pemesanan unit properti serta menghindari terjadinya kehilangan dokumen pada saat pengajuan KPR.

A good sales strategy has an effect on increasing the number of sales of goods. Problems that often occur in outdoor sports equipment stores are the difficulty in determining sales strategies because there is not much interest in outdoor sports in the community. In addition, the amount of inventory in the store is excessive, which affects the sales cycle of goods. One way to help determine strategy is to use apriori algorithm. In this method can determine consumer shopping behavior patterns. Apriori algorithms are part of the data mining analysis association. This algorithm is used to determine association rules. In the study, a combination of sports equipment purchased by consumers will be determined. Determination of the combination starts from 1 itemset to 3 itemsets, the combination of rule association produces different sales transaction patterns. The results of the study in the form of a combination of consumer shopping behavior patterns that will be used as recommendations for shop owners in determining the sales strategy. The resulting Rule association will help sales promotions and add the amount of inventory that many customers buy.