Klasterisasi Outlet Berdasarkan Data Penjualan Dengan Menggunakan Algoritma K-Medoids

Sri Mulyani Azhari; Tacbir Hendro Pudjiantoro; Irma Santikarama

doi:10.26874/jumanji.v5i2.93

Sri Mulyani Azhari Universitas Jenderal Achmad Yani
Tacbir Hendro Pudjiantoro Universitas Jenderal Achmad Yani
Irma Santikarama Universitas Jenderal Achmad Yani

DOI: https://doi.org/10.26874/jumanji.v5i2.93

Abstract

Data mining kini digunakan diberbagai bidang termasuk bisnis. Data mining memiliki beberapa teknik, salah satunya yang populer yaitu teknik Clustering. Ketersediaan data yang melimpah, kebutuhan akan ketersediaan informasi (atau pengetahuan) sebagai acuan bagi pelaku bisnis dalam proses pengambilan keputusan untuk membuat solusi bisnis merupakan cikal-bakal dari lahirnya teknologi data mining. PT. Gondowangi salah satu bisnis yang memiliki ketersediaan data yang melimpah, menghasilkan data penjualan dari setiap outlet yang beragam sehingga pendistribusian produk dan penentuan strategi penjualan. Analisis terhadap data penjualan dengan jumlah yang besar dan data yang beragam tidak efektif dan efisien. Proses analisis data yang dilakukan manual memerlukan waktu yang lama, sehingga ketersediaan informasi atau pengetahuan mendalam dari data penjualan sulit ditemukan. Penelitian ini mengarah pada penggunaan teknik clustering dengan algoritma K-Medoids untuk mengeksplorasi data guna mendapatkan pengelompokan outlet berdasarkan data penjualan. Penggunaan teknik clustering dengan algoritma K-Medoids mampu menunjukan pengelompokan terhadap data penjualan yang menghasilkan pengelompokan outlet. Hasil pengujian pada hasil clustering dengan beberapa nilai K didapatkan jumlah K=3 memiliki nilai silhoutte Coefficient yang paling tinggi dan mendekasi Si = 1 yaitu dengan nilai 0,92669616303752 yang merupakan struktur kuat.

References

Ribeiro, A., & Seruca, I. (n.d.). Farmacêutica : Uma Aproximação Baseada Em Data Company : a Data Mining Based Approach.
SULISTIANI, H. (2016). Tesis – ks142501 pemilihan fitur untuk klasifikasi loyalitas pelanggan terhadap merek produk.

Baihaqi, W. M., Indartono, K., & Banat, S. (2019). Penerapan Teknik Clustering Sebagai Strategi Pemasaran pada Penjualan Buku Di Tokopedia dan Shopee. Paradigma - Jurnal Komputer Dan Informatika, 21(2), 243–248. https://doi.org/10.31294/p.v21i2.6149

Djamaludin, I., & Nursikuwagus, A. (2017). Analisis Pola Pembelian Konsumen Pada Transaksi Penjualan Menggunakan Algoritma Apriori. Simetris : Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 8(2), 671.

Yahya, Y., & Puspita Hidayanti, W. (2020). Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Efektivitas Penjualan Vape (Rokok Elektrik) pada “Lombok Vape On.” Infotek : Jurnal Informatika Dan Teknologi, 3(2), 104–114. https://doi.org/10.29408/jit.v3i2.2279.

Agarwal, S. (2014). S. Agarwal, Data mining: Data mining concepts and techniques. 2014. In Proceedings - 2013 International Conference on Machine Intelligence Research and Advancement, ICMIRA 2013. https://doi.org/10.1109/ICMIRA.2013.45

Arora, P., Deepali, & Varshney, S. (2016). Analysis of K-Means and K-Medoids Algorithm for Big Data. Physics Procedia, 78(December 2015), 507–512. https://doi.org/10.1016/j.procs.2016.02.095

Arora, P., & Varshney, S. (2016). Analysis of K-Means and K-Medoids Algorithm For Big Data. Procedia - Procedia Computer Science, 78(December 2015), 507–512. https://doi.org/10.1016/j.procs.2016.02.095

Chiu, C. Y., Chen, Y. F., Kuo, I. T., & Ku, H. C. (2009). An intelligent market segmentation system using k-means and particle swarm optimization. Expert Systems with Applications, 36(3 PART 1), 4558–4565. https://doi.org/10.1016/j.eswa.2008.05.029

Deker, G. W., Pechenizkiy, M., Vleeshouwers, J. M. (2009). Predicting Students Drop Out. The 2nd International Conference on Educational Data Mining, 7(1), 44–56. https://eric.ed.gov/?id=ED539082%0Ahttp://www.win.tue.nl/~mpechen/research/edu.html.

Fu, Y. (1997). Data mining Theories, Algorithms, and Examples [Ye 2013-07-26]. In IEEE Potentials (Vol. 16, Issue 4). https://doi.org/10.1109/45.624335

Gürbüz, F., Özbakir, L., & Yapici, H. (2011). Data mining and preprocessing application on component reports of an airline company in Turkey. Expert Systems with Applications, 38(6), 6618–6626. https://doi.org/10.1016/j.eswa.2010.11.076

Larose, D. T., & Larose, C. D. (2014). Discovering Knowledge in Data. In Discovering Knowledge in Data. https://doi.org/10.1002/9781118874059

Motlagh, O., Berry, A., & O’Neil, L. (2019). Clustering of residential electricity customers using load time series. Applied Energy, 237(December 2018), 11–24. https://doi.org/10.1016/j.apenergy.2018.12.063

Prakasawati, P. E., Chrisnanto, Y. H., & Hadiana, A. I. (2019). Segmentasi Pelanggan Berdasarkan Produk Menggunakan Metode K- Medoids. KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 3(1), 335–339. https://doi.org/10.30865/komik.v3i1.1610