Clustering Data Persediaan Barang Dengan Menggunakan Metode K-Means

Authors

  • Dadan Ramdhan STMIK IKMI Cirebon
  • Gifthera Dwilestari
  • Raditya Danar Dana STMIK IKMI Cirebon
  • Abdul Ajiz STMIK IKMI Cirebon
  • Kaslani STMIK IKMI Cirebon

DOI:

https://doi.org/10.54367/means.v7i1.1826

Keywords:

persediaan barang, clustering, k-means

Abstract

UD. Anugerah Sukses Mandiri merupakan perusahaan yang bergerak dibidang distribusi food dan non food. Transaksi barang yang berjalan terus meningkat, sehingga perusahaan mengalami permasalahan dalam menentukan jumlah persediaan barang, dikarenakan jumlah permintaan barang yang dibutuhkan selalu berubah setiap waktu. Persediaan barang merupakan suatu aktivitas lancar yang meliputi barang-barang milik perusahaan dengan maksud dijual kembali pada suatu periode usaha normal. Data mining merupakan proses yang menggunakan teknik statistik, matematika, kecerdasan buatan dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang terkait dari berbagai warehouse. Tujuan penelitian ini dengan memanfaatkan data mining yaitu untuk melakukan pengelompokan barang dan meningkatkan akurasi klasterisasi data persediaan barang dengan menggunakan metode K-Means Clustering. Dengan metode K-Means ini dapat mempartisi data ke dalam kelompok sehingga data berkarakteristik sama akan dimasukan ke dalam satu kelompok yang sama dan data yang berkarakteristik berbeda dikelompokan kedalam kelompok yang lain, karena metode ini menggunakan centroid (rata-rata) sebagai model dari cluster. Hasil penelitian yang didapat berupa pengelompokan data menjadi 2 kluster yaitu data dengan kluster terendah/sedikit dan kluster tertinggi/terbanyak. Sehingga mendapatkan kesimpulan bahwa clustering persediaan barang dengan menggunakan metode K-Means ini cukup baik dari sisi nilai average within distance dan kompleksitas waktu. Keyword : Data Mining, K-Means Clustering, Persediaan barang

References

Assauri, S. (2005). marihot dan dearlina sinaga (p. 50).

Budi, S. (2007). Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. In Graha Ilmu.

Gumelar, A., & alexandr. (2019). Pengertian Persediaan Menurut Para Ahli. In Persediaan Menurut Para Ahli.

Hanafi, M. (2010). Persediaan Barang.

Hermawati, F. A. (2005). Data Mining - Algoritme dan Implementasi Menggunakan Bahasa Pemrograman PHP. Mining of Massive Datasets.

Luthfi, K. A. E. T. (2009). Algoritma Data Mining Yogyakarta. February, 149–176.

Prasetyo, E. (2012). Data Mining: Konsep Dan Aplikasi Menggunakan MATLAB (Vol. 3, Issue 1, pp. 27–28). Penerbit ANDI. Yogyakarta.

Ristono. (2009). Definisi Persediaan Barang. In Persediaan Barang.

Turban, E. (2013). Implementasi Data Mining Algoritma Apriori pada sistem persediaan alat-alat kesehatan.

Published

2022-05-31

How to Cite

Ramdhan, D., Dwilestari, G., Dana, R. D. ., Ajiz, A., & Kaslani. (2022). Clustering Data Persediaan Barang Dengan Menggunakan Metode K-Means. MEANS (Media Informasi Analisa Dan Sistem), 7(1), 1–9. https://doi.org/10.54367/means.v7i1.1826

Issue

Section

Daftar Artikel

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.