Perbandingan Algoritma K-Means dan K-Medoids Dalam Penclusteran Data Penjualan

Akhirnya tayang lagi hasil bimbingan mahasiswa walau baru Sinta 3. Alhamdulillah ada kenang-kenangan hasil penulisan ini dengan judul Perbandingan Algoritma K-Means dan K-Medoids Dalam Penclusteran Data Penjualan pada jurnal Techno-com

Agung Lesmana, Wawan Gunawan

Pencatatan transaksi penjualan dalam sebuah perusahaan merupakan hal yang sangat penting untuk dilakukan. Dengan pencatatan transaksi penjualan setiap harinya perusahaan dapat mengetahui peningkatan tingkat penjualan barang. Data transaksi penjualan berisi data barang yang telah terjual, jumlah barang, nama barang, harga barang serta nama pelanggan yang melakukan pembelian barang. Data penjualan ini dapat dimanfaatkan untuk membantu perusahaan dalam meningkatkan penjualan perusahaan. Penelitian ini memanfaatkan teknik data mining yaitu clustering data dengan algoritma K-Means dan K-Medoids pada data penjualan. Pada penelitian ini dilakukan clustering data penjualan, data yang diambil dimulai dari tahun 2018 – 2020 di PT United Teknologi Integrasi. Data diambil dari tahun 2018 dikarenakan sistem pencatatan yang diterapkan di perusahaan ini mulai digunakan pada sejak tahun 2018. Penentuan clustering ditentukan dengan menggunakan metode elbow yang menunujukan hasil cluster yang paling optimal dibentuk adalah sebanyak tiga cluster, yaitu produk yang terjual paling laris, laris dan kurang laris. Dari hasil tersebut dimanfaatkan untuk memberikan promosi yang lebih banyak kepada produk yang ada pada cluster kurang laris untuk dapat meningkatkan penjualan. Kemudian dilakukan perbandingan hasil clustering algoritma dengan uji kualitas cluster menggunakan metode Silhouette Index yang menghasilkan nilai maksimum Index 0.404 pada algoritma K-Means sedangkan 0.376 pada algoritma K-Medoid.

Silakan kunjungi pada tautan berikut

http://publikasi.dinus.ac.id/index.php/technoc/article/view/5845