Klasifikasi Barang Menggunakan Metode Clustering K-Means Dalam Penentuan Prediksi Stok Barang

Abstract

TB Bambu Kuning merupakan toko yang bergerak dalam penjualan bahan – bahan bangunan yang tingkat penjualannya cukup tinggi dan berlokasi di desa Muara Bakti Bekasi. Saat ini TB Bambu Kuning masih melakukan pemenuhan stok barang atau produk dan melakukan pencatatan transaksi secara manual sehingga sering terjadi kesalahan dalam pencatatan data data yang ada dan juga kurangnya efisiensi waktu yang diperlukan. Maka diperlukan suatu proses pengolahan data besar dengan menggunakan suatu teknik data mining. Teknik data mining yang akan digunakan pada penelitian ini adalah metode K-Means Clustering. Metodologi yang diterapkan dalam penelitian ini adalah CRISP-DM, dengan data penjualan di toko TB Bambu kuning bulan januari sampai maret 2023. Tujuannya Mempermudah pengendalian barang yang dikelola, Mendapatkan proses yang lebih akurat dan efektif dalam menentukan prediksi stok barang dan Mengukur tingkat akurasi dan efektifitas penerapan algoritma K-Means clustering untuk menentukan prediksi stok barang menggunakan Algoritma K-means diterapkan dalam pembentukan cluster berdasarkan model Recency, Frequency dan Monetary (RFM). Dengan bantuan tools jupiter notebook. Pada penentuan jumlah cluster (k) terbaik digunakan metode Elbow. Hasil yang didapat dengan 20 data transaksi terbagi menjadi tiga cluster penjualan terlaris, sedang dan kurang laris. Dari akurasi yang dihasilkan dengan nilai SSE yang rendah yaitu 0,0041 dapat disimpulkan bahwa metode Clustering K-Means dapat digunakan untuk proses clustering dengan hasil cluster yang baik.