Penerapan Metode K-Means dalam Penjualan Produk Souq.Com

Abstract

Banyak produk yang dijual oleh perusahaan Souq.com. Perusahaan ini mengalami penumpukan di beberapa produknya karena terlalu banyak menyediakan produk yang kurang diminati oleh pelanggan, sehingga banyak produk yang tidak terjual. Perusahaan perlu melakukan pengelompokan untuk setiap produk untuk mengetahui barang mana yang paling diminati dan kurang diminati oleh pelanggan. Penelitian ini bertujuan menentukan tiga kelompok cluster dengan kemiripan produknya agar dijadikan rekomendasi bagi manajemen perusahaan dalam merencanakan stok barang. Pada penelitian ditentukan 3 cluster dengan cluster 1 merupakan produk yang paling laris, cluster 2 produk yang laris dan yang cluster 3 produk yang kurang laris. Penelitian ini mengambil 5 kategori produk dengan masing-masing kategori ada 10 jenis produk. Hasil perhitungan dengan menggunakan Ms. Excel menunjukkan bahwa cluster 1 mempunyai 18 anggota, untuk cluster 2 mempunyai 6 anggota dan cluster 3 mempunyai 26 anggota. Dari perhitungan dengan Rapidminer didapat bahwa anggota pada cluster 1 sebanyak 22 anggota, cluster 2 sebanyak 5 anggota dan cluster 3 sebanyak 23 anggota. Evaluasi cluster dengan DBI didapatkan hasil yang cukup baik dengan nilai 0,431. Pengukuran akurasi, recall dan precission hasil perhitungan Ms.Excel mendapatkan nilai masing-masing 62%, 67% dan 59%. Untuk perhitungan menggunakan Rapidminer mendapatkan nilai akurasi 64%, recall 81% dan precission 88%. Hasil perbandingan clustering membuktikan perhitungan menggunakan Rapidminer mendapatkan nilai yang accuracy, recall dan precission yang lebih tinggi.

The Implementation of K-Means Clustering on E-Learning Feature Development for Outstanding Student Recommendation

“…Additionally, a medium-scoring group (C2) comprising five students and a low-scoring group (C3) encompassing four students. To delve into specifics, C1 included students with the following data points: (2, 4, 6, 7, 8, 12, 13, 14, 15, 16, 17, 18, 19, 21, 24, 25, 26, 27, 28, 29, 30), C2 encompassed students (9,10,20,22,23), and C3 comprised students (1,3,5,11).…”

“…Through this meticulous partitioning, the K-means method unravels the intricate tapestry of data and magnifies the subtle nuances that delineate one cluster. It is a profound exploration into the essence of data, illuminating the unique qualities and commonalities that define each category, thereby enabling a profound understanding of the underlying patterns that permeate the dataset [11].…”

“…Additionally, a medium-scoring group (C2) comprising five students and a low-scoring group (C3) encompassing four students. To delve into specifics, C1 included students with the following data points:(2,4,6,7,8,12,13,14,15, 16, 17, 18, 19, 21, 24, 25, 26, 27, 28, 29, 30), C2 encompassed students(9,10, 20, 22, 23), and C3 comprised students(1,3,5,11).For an in-depth exploration of the K-Means distribution, mainly focusing on the exceptional students' grouping, Figure3serves as a comprehensive visual reference. This figure encapsulates the intricacies of the clustering outcomes, offering profound insights into the strategic arrangement of outstanding students within the defined clusters.…”

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

“…Meski program ini sangat bisa membantu keluarga miskin dalam menyekolahkan anak mereka, terkadang ada beberapa keluarga yang tergolong miskin namun malah tidak mendapatkannya keuntungan dari program ini, melainkan keluarga yang mampu. [6]. Perusahaan ini ertujuan menentukan tiga kelompok cluster dengan kemiripan produknya agar dijadikan rekomendasi bagi manajemen perusahaan dalam merencanakan stok barang.…”

Clustering Data Penjualan Produk Kesehatan Menggunakan Algoritma K-Means Di Pt. Citra Teknik Medica

“…Hasil akhirnya menghasilkan tiga kelompok, yaitu kelompok produk paling laris (C1) dengan 8 produk, kelompok produk laris lainnya (C2) dengan 26 produk, dan kelompok produk kurang laris (C3) dengan 16 produk. [5] Dalam penelitian berjudul "Analisis Pengelompokan Data Pelelangan Barang Dengan Metode K-Means Clustering" yang dilakukan oleh Muhammad Reza Fahlevi, dkk. digunakan teknik K-Means Clustering untuk mengumpulkan informasi penjualan yang tidak sepenuhnya ditentukan oleh beberapa aturan, terutama terfokus pada Kredit Tunai dan Biaya Penjualan.…”