PENGELOMPOKAN BARANG BERDASARKAN ALGORITME K-MEANS GUNA MENENTUKAN STOK BARANG (Studi Kasus: Toko Endah)

Toko Endah merupakan salah satu toko yang dalam proses bisnisnya menyediakan sembako, bahan-bahan kelontong, seperti sabun, alat tulis, dan sebagainya seperti minimarket pada umumnya. Namun, terdapat beberapa masalah yang pernah terjadi yaitu kekurangan stok barang dan penumpukan stok barang yang kadaluwarsa maupun kurang diminati. Hal tersebut terjadi karena belum adanya pemanfaatan data penjualan untuk menentukan stok produk yang ada di Toko Endah. Kesalahan dalam penentuan stok tersebut bisa membuat pihak toko Endah kesulitan dalam pengelolaan stoknya. Sehingga dibutuhkan data mining yang merupakan suatu proses untuk mendapatkan sebuah informasi yang mempunyai manfaat dan belum pernah diketahui sebelumnya dari database yang ada. Untuk menangani permasalahan tersebut maka dapat menggunakan metode clustering algoritme k-means melalui aplikasi Rapidminer versi 9.10. Dengan menggunakan metode tersebut akan didapatkan pengelompokan produk berdasarkan klaster terbaik, dan dapat memberikan saran untuk stok produk toko Endah selanjutnya. Klaster terbaik didapatkan dari Davies Bouldin Index (DBI) yang menguji jumlah klaster mulai dari K=2 sampai dengan K=5. Pengujian dilakukan dengan mencari nilai DBI dimana setelah diolah nilai DBI terkecil adalah 0,453 pada jumlah klaster 3. Sehingga, terdapat 3 kluster yang dihasilkan pada penelitian ini yaitu pada klaster 0 terdapat 185 item produk yang dikategorikan cukup diminati, klaster 1 terdapat 1210 item produk yang dikategorikan kurang diminati, dan klaster 2 terdapat 15 item produk yang dikategorikan sangat diminati.