DJOURNALSDJOURNALS

Journal of Informatics, Electrical and Electronics EngineeringJournal of Informatics, Electrical and Electronics Engineering

Toko IM Parfume Rantauprapat menawarkan bermacam aroma parfum, namun tidak semua laku; data penjualan, pembelian, dan pengeluaran tersimpan tidak teratur sehingga hanya menjadi arsip. Studi ini merancang aplikasi data mining berbasis algoritma K-Means untuk mengelompokkan 25 produk berdasarkan stok awal, terjual, dan akhir. Dengan pemodelan clustering (k=3) diperoleh cluster 1 (9 produk), cluster 2 (3 produk), dan cluster 3 (13 produk). Hasilnya membuktikan bahwa data mining K-Means memberikan analisis terbaik sebagai dasar pengambilan keputusan pengembangan bisnis parfum.

Algoritma K-Means clustering berhasil membagi 25 varian parfum ke dalam tiga cluster penjualan.laris (9 produk), cukup laris (3 produk), dan kurang laris (13 produk).Temuan ini memberi dasar pengambilan keputusan pemesanan ulang dan strategi promosi toko IM Parfume Rantauprapat, sehingga stok lebih efisien dan keuntungan meningkat.

Apakah penggabungan algoritma K-Means dengan metode lain seperti Apriori dapat menemukan aturan asosiasi pembelian parfum sehingga bundling produk lebih tepat sasaran? Bagaimana jika penelitian selanjutnya membandingkan K-Means dan DBSCAN untuk melihat cluster produk parfum yang lebih natural di saat penjualan fluktuatif? Selain itu, dapatkah data harian selama setahun dipakai untuk meramalkan tren musiman parfum dengan model time-series agar pemesanan stok lebih presisi dan menghindari kehabisan maupun over-stok?.

  1. #data mining#data mining
Read online
File size478.31 KB
Pages8
Short Linkhttps://juris.id/p-20c
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test