Skripsi/Tugas Akhir

Analisis Transaksi Penjualan pada Toko Faunaka Menggunakan Algoritma K-Means

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Toko Faunaka adalah sebuah toko retail yang menjual produk kebutuhan sehari-hari seperti kebutuhan dapur khususnya bahan pangan. Pada toko sering terjadi penumpukan stok barang pada gudang dikarenakan pengelola toko tidak dapat memprediksi jenis barang apa yang banyak laku terjual setiap bulan. Selain itu, data transaksi pada toko Faunaka belum dimanfaatkan secara maksimal hanya disimpan saja sebagai arsip dan dijadikan untuk pembuatan suatu laporan penjualan. Untuk mengatasi permasalahan tersebut analisis yang digunakan yaitu penerapan Clustering dengan menggunakan algoritma K-means. K-means adalah metode yang mempartisi data ke dalam kelompok sehingga data berkarakteristik sama dimasukan ke dalam satu kelompok yang sama dan data yang berkarakteristik berbeda dikelompokkan ke dalam kelompok lain. Penerapan algoritma K-means ini dapat mengidentifikasi dan mengelompokkan produk ke dalam 3 cluster yaitu produk kurang banyak terjual, produk cukup banyak terjual dan produk paling banyak terjual dengan hasil produk kurang banyak terjual terbanyak pada November sebanyak 32%, produk cukup banyak terjual terbanyak pada Desember sebanyak 45% dan produk paling banyak terjual terbanyak pada Oktober sebanyak 40%.
Kata Kunci: Transaksi, K-Means, Clustering, Rapidminer

ABSTRACT
Faunaka Shop is a retail shop that sells daily necessities such as kitchen necessities, especially food. In shops, there is often a buildup of stock in the warehouse because the shop manager cannot predict what types of goods will sell a lot each month. Apart from that, transaction data at Faunaka stores has not been utilized optimally, only stored as archives and used to create sales reports. To overcome this problem, the analysis used is the application of Clustering using the K-means algorithm. K-means is a method that partitions data into groups so that data with the same characteristics is put into the same group and data with different characteristics is grouped into another group. The application of the Kmeans algorithm can identify and group products into 3 clusters, namely less sold products, quite a lot of sold products and most sold products with the results of the least sold products being the most in November at 32%, quite a lot of products selling the most in December as much as 45% and the most sold products were in October at 40%.
Keywords: Transaction, K-Means, Clustering, RapidMiner

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 24-49 SAM a - 0642TI

Penerbit

Makassar : Universitas DIPA., 2024

Deskripsi Fisik

xi + 65 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 24-49

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 21 Februari 2024

Subjek

Skripsi/Tugas Akhir
K-Means Clustering
Rapid Miner

Lampiran File