IMPLEMENTASI DATA MINING UNTUK MENENTUKAN PERSEDIAAN STOK BURGER MENGGUNAKAN METODE K-MEANS CLUSTERING

IMPLEMENTASI DATA MINING UNTUK MENENTUKAN PERSEDIAAN STOK BURGER MENGGUNAKAN METODE K-MEANS CLUSTERING

• By IRWANSYAH,;
• Skripsi
• 1039

ABSTRAK

 

 

Irwansyah (11120736), Implementasi Data Mining Untuk Menentukan Persediaan Stok Burger Menggunakan Metode K-Means Clustering

 

Istilah data mining sudah berkembang jauh dalam mengadaptasi setiap bentuk analisa data. Pada dasarnya data mining berhubungan dengan analisa data dan penggunaan tenik-teknik perangkat lunak untuk mencari pola dan keteraturan dalam himpunan data yang sifatnya tersembunyi. Manajemen stok yang dilakukan secara tidak akurat dan asal-asalan akan menyebabkan biaya simpan yang tinggi dan tidak ekonomis, karena bisa terjadi kekosongan atau kelebihan produk tertentu. Hal ini tentu akan sangat merugikan semua pelaku usaha seperti halnya Burger King MOI Jakarta. Metode k-means merupakan salah satu teknik data mining yang di gunakan untuk membantu merancang strategi persediaan atau pemesanan stok barang yang efektif dengan memanfaatkan data transaksi penjualan yang telah tersedia di perusahaan. Teknik ini bertujuan untuk mengelompokkan produk burger yang dijual pada Burger King MOI Jakarta menjadi beberapa cluster dari data transaksi yang pada umumnya berukuran besar dengan menggunakan algoritma k-means. Penelitian ini bertujuan untuk mengaplikasikan algoritma k-means, data yang diambil sebagai contoh kasus adalah data transaksi penjualan burger di Burger King MOI Jakarta. Pencarian cluster ini menggunakan tools Rapidminer untuk mengetahui produk mana yang paling sedikit terjual sehingga jumlah stok harus sedikit, produk diminati untuk jumlah stok harus sedang dan produk yang paling banyak terjual untuk jumlah stok harus banyak, diharapkan dapat membantu pengembang dalam merancang strategi persediaan stok barang di Burger King MOI Jakarta. 

 

Kata Kunci: Data Mining, Manajemen Stok, Metode K-Means

• Katakunci Data Mining, Manajemen Stok, Metode K-Means
• URL http://
• Penerbit ,

REFERENSI

DAFTAR PUSTAKA

 

 

C, Dennis Aprilla, Donny Aji Baskoro, Lia Ambarwati dan I Wayan Simri             Wicaksana. 2013. Belajar Data Mining dengan RapidMiner. Jakarta. Diambil dari: https://www.academia.edu/7712860/Belajar Data Mining             dengan Rapid  Miner/. (18 Mei 2016)

 

Hermawati, Fajar Astuti, 2013. Data Mining. Yogyakarta: Andi Offset

 

Kusrini, 2007. Konsep dan aplikasi Sistem pendukung keputusan. Yogyakarta: Andi Offset

 

Kusrini, Emha Taufiq Luthfi. 2009. Algoritma data mining. Yogyakarata: Andi Offset

Metisen, Benri Melpa dan Herlina Latipa Sari. Analisis Clustering Menggunakan   Metode K-Means Dalam Pengelompokkan Penjualan Produk Pada      Swalayan Fadhila. ISSN: 1858-2680. Jakarta: Jurnal Media Infotama             Vol. 11, No. 2, September 2015: 110-118. Diambil dari:             jurnal.unived.ac.id/index.php/jmi/article/download/258/237/. (18 Mei          2016)

Nasari, Fina dan Surya Darma. Penerapan K-Means Clustering Pada Data Penerimaan Mahasiswa Baru (Studi Kasus: Universitas Potensi Utama).    ISSN: 2302-3805. Yogyakarta:          STMIK AMIKOM Yogyakarta, 6-8             Februari 2015: 73-78. Diambil dari:    ojs.amikom.ac.id/index.php/semnasteknomedia/article/view/837/. (18 Mei      2016)

 

Ong, Johan Oscar. Implementasi Algortima K-Means Clustering Untuk      Menentukan Strategi Marketing President University. ISSN: 1412-6869.            Jakarta: Jurnal Ilmiah Teknik Industri Vol. 12, No. 1, Juni 2013: 10-20.             Diambil dari: journals.ums.ac.id/index.php/jiti/article/download/651/392/.   (18 Mei 2016)

Santosa, Budi. 2007. Data Mining Terapan dengan Matlab. Yogyakarta: Graha Ilmu

 

Santosa, Budi. 2007. Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu.

 

Sugiyono. 2009. Metode Penelitian Bisinis (Pendekatan Kualitatif, Kuantitatif dan R&D). Bandung: Alfabeta