Clustering K-Means Dengan Rapidminer Untuk Identifikasi Produk Terlaris
DOI:
https://doi.org/10.70609/jusifor.v4i1.5821Kata Kunci:
Data Mining, K-Means Clustering, RapidMiner, Analisis Penjualan, Produk TerlarisAbstrak
Analisis penjualan merupakan elemen krusial dalam industri ritel untuk merancang strategi pemasaran yang efektif dan efisien. K-Means Clustering digunakan dalam penelitian ini untuk dataset transaksi selama rentang waktu 45 hari di Toko Sembako Zamibarokah. Barang – barang dibagi menjadi dua kelompok berdasarkan jumlah penjualan. Hasil clustering menunjukkan bahwa produk Mie Instan Indomie dan Tepung Segitiga berada dalam kategori penjualan tinggi, sedangkan produk lain seperti The Pucuk Harum berada dalam kategori penjualan rendah. Sehingga hasil ini memberikan wawasan kepada manajer toko untuk mengelola inventaris, memberikan prioritas kepada pengadaan produk, dan mengurangi biaya penyimpanan barang yang kurang diminati. Dengan menggunakan data mining, Data mining membantu memberikan keputusan yang tepat dan cermat. Metode ini digunakan untuk mengoptimalkan analisis data penjualan di industri ritel lainnya.
Referensi
[1] Budi Harto (dkk), Transformasi Bisnis di Era Digital, 1st ed. Indonesia: PT. Sonpedia Publishing Indonesia, 2023.
[2] D. Satrio Junaidi, Gellysa Urva, PENERAPAN DATA MINING DI BERBAGAI BIDANG : Konsep, Metode, dan Studi Kasus. Indonesia: PT. Sonpedia Publishing Indonesia, 2023.
[3] M. K. Amril Mutoi Siregar, S, Kom dan Adam Puspabhuana, S.Kom., Data Mining : Pengolahan Data Menjadi Informasi dengan RapidMiner. Indonesia: CV Kekata Group, 2017.
[4] C. P. Ema Ainun Novia, Woro Isti Rahayu, SISTEM PERBANDINGAN ALGORITMA K-MEANS DAN NAÏVE BAYES UNTUK MEMPREDIKSI PRIORITAS PEMBAYARAN TAGIHAN RUMAH SAKIT BERDASARKAN TINGKAT KEPENTINGAN. Indonesia: Kreatif industri Nusantara, 2020.
[5] Moh Syahrul Iskandar dan Zaehol Fatah, “Implementasi Metode Algoritma K-Means Clustering Untuk menentukan Penerima Program Indonesia Pintar (PIP),” Gudang J. Multidisiplin Ilmu, vol. 2, p. page 1-8, 2024.
[6] Anil K. Jain, Data Clustering: 50 Years Beyond K-means, 8th ed. Belanda: Elsevier, 2010.
[7] Sugiyono, Metode Penelitian Kuantitatif, Kualitatif, dan R&D, 15th ed. Indonesia: Alfabeta.
[8] Edy Irwansyah, Advanced Clustering Teori dan Aplikasi. Indonesia, 2012.
[9] Sarwono, Metode Penelitian Kuantitatif: Pedoman Praktis Bagi Mahasiswa dan Peneliti Pemula, Cetakan pe. Indonesia: Rineta Cipta, 2015.
[10] “Panduan refrensi operator.” https://docs.rapidminer.com/9.2/studio/operators/modeling/segmentation/k_means.html
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Mutmainnah Ilmiatul Faidah
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
