Klasterisasi Menggunakan Metode Algoritma K-Means dalam Meningkatkan Penjualan Tupperware

Abstract

Persaingan dalam dunia bisnis sangatlah ketat,pelaku dunia bisnis memiliki tantangan untuk mengatur strategi penjualan.Toko Asrafi Raya merupakan suatu toko yang bergerak di bidang penjualan tuppeware yang berada di daerah Kabupaten Pasaman Barat. Banyaknya data produk tuppeware dan stok barang yang harus dianalisis, maka pemilik toko harus bekerja keras dalam menentukan barang yang akan dibeli berikutnya dilihat dari stok yang ada.Sehingga kesulitan yang dialamipemilik Toko Asrafi Raya adalah kurangnya stok produk yang laku karena penjualan tinggi, dan menumpuknya produk yang tidak laku karena penjualannya rendah. Penelitian ini bertujuan agar memudahkan Toko Asrafi Raya dalam meningkatkan penjualan tuppeware dengan mengelompokkan produk yang sangat laris, laris dan tidak laris. Data yang digunakan dalam penelitian ini adalah data laporan penjualan terhadap produk tuppeware pada bulan februari sampai juni 2021 yang ada di Toko Asrafi Raya, dengan menggunakan metode algoritma K-Means clustering. Hasil dari penelitian ini mendapatkan 3 cluster yaitu cluster 1(C1)Sangat Laris,Cluster 2 (C2) Laris,Cluster 3 (C3) Tidak Laris. Hasil Penelitian ini digunakan untuk membantu pemilik toko Asrafi Raya dalam menentukan strategi penjualan pada Toko Asrafi Jaya.

Penerapan Data Mining Untuk Clustering Penyakit Diare Menggunakan Algoritma K-Means

“…Paper 4 "Klasterisasi Menggunakan Metode Algoritma K-Means dalam Meningkatkan Penjualan Tupperware" [11] [13]. Penelitian ini membahas penerapan algoritma K-Means clustering untuk pemetaan wilayah yang terkena Demam Berdarah Dengue .…”

Analisa Clustering untuk Mengelompokan Data Penayangan Film Bioskop Menggunakan Algoritma K-Means

“…Penelitian terdahulu menurut Mulyadi dan Iriene Putri yang berjudul "Klasterisasi Menggunakan Metode Algoritma K-Means dalam Meningkatkan Penjualan Tupperware" Tujuan dari penelitian merupakan sarana untuk membantu Toko dalam meningkatkan penjualan tuppeware dengan menghasilkan produk yang sangat laris dan tidak sama sekali laris, dari penelitian ini di dapatkan bahwa metode algoritma K-means layak dan efektif untuk pengelompokan 3 cluster, Cluster 1 (C1) Sangat Laris, Cluster 2 (C2) Laris, dan Cluster 3 (C3) Tidak Laris [6]. Metode K-means dapat diterapkan untuk mengelompokan data terbukti dengan hasil penelitian dari Nofiar, Andri Defit, dan Sarjon Sumijan, dengan hasil penelitian yang memberikan cluster 0 kategori baik berjumlah 12 data, cluster 1 kategori sangat baik berjumlah 13 data, dan cluster 2 kategori kurang baik berjumlah 6 data, diperoleh dari hasil metode K-means Clustering dapat digunakan untuk proses pengolahan data menggunakan konsep Data Mining dalam mengelompokkan data sesuai criteria [7].…”

Implementasi Algoritma K-Means Untuk Klustering Data Produktivitas Kelapa Sawit

“…Dalam menghitung jarak antara centroid objek data digunakan rumus Euclidean Distance sebagai berikut [25]:…”