Naskah ini versi lama yang diterbitkan pada 2022-07-30. Baca versi terbaru.

Klasifikasi Data Penjualan Mengunakan Algoritma K-Means Dan Analytic Hierarchy Process

Penulis

  • yosep nuryaman universitas bina sarana informatika
  • Bibit Sudarsono Universitas Bina Sarana Informatika
  • ummi Faddillah Universitas Bina Sarana Informatika
  • Ayuni Asistyasari

DOI:

https://doi.org/10.31294/larik.v2i1.1371

Kata Kunci:

K-Mean, AHP, DATA MINING

Abstrak

Dengan adanya Covid 19 yang telah melanda beberapa tahun terakhir ini membuat penjualan di berbagai bidang mengalami dampak negatif tak terkecuali bagi Swalayan X yang mengalami penurunan di berbagai cabang yang terbagai ke beberapa daerah. Sebagai bahan pertimbangan, mereka melakukan evaluasi terhadap penjualan cabang-cabang tersebut. Dengan mengklasifikasikan data penjualan yang ada diharapkan mereka mampu melihat mana kelompok cabang swalayan x yang kurang baik mana yang sudah baik. Namun perlu adanya teknik klasifikasi yang baik agar evaluasi yang dilakukan bedasarkan hasil perhitungan yang baik. Oleh sebab itu penulis mencoba menggunakan Algoritma K-Mean dan Algortima AHP untuk mengklasifikan data penjualan yang ada. Algoritma K-Mean dan Algortma AHP merupakan algoritma yang mampu mengklusterisasi sekumpulan data. Dengan mengklusteriasi toko-toko berdasarkan kedekatan hasil penjualan selama 2 tahun terakhir yang naik turun dengan menggunakan 2 algoritma tersebut nantinya akan mampu melihat toko mana tergolong baik dan mana yang tergolong kurang baik.  Berdasarkan hasil perbandingan dari hasil perhitungan, didapakan bahwa hasil terbaik yaitu menggunakan algoritma K-Mean dengan k2 pada literasi ke 3 dengan rasio 0,04926

Referensi

Butsianto and N. T. Mayangwulan, “Penerapan Data Mining Untuk Prediksi Penjualan Mobil Menggunakan Metode K-Means Clustering,” J. Nas. Komputasi dan Teknol. Inf., vol. 3, no. 3, pp. 187–201, 2020, doi: 10.32672/jnkti.v3i3.2428

Nuryaman, Y.(2017). "Komparasi Algoritma Kmean dan Ahc untuk Klasifikasi Curah Hujan di Indonesia." Ikraith Informatika, vol. 2, no. 2, 1 Jul. 2018, pp. 70-75.

Normah, N., Nurajizah, S., & Salbinda, A. (2021). Penerapan Data Mining Metode K-Means Clustering untuk Analisa Penjualan Pada Toko Fashion Hijab Banten. JITK AMIK BSI, 22(2)

Yulianti, Y., Utami, D. Y., Hikmah, N., & Hasan, F. N. (2019). Penerapan Data Mining Menggunakan Algoritma K-Means Untuk Mengetahui Minat Customer Di Toko Hijab. Jurnal Pilar Nusa Mandiri, 15(2), 241–246. https://doi.org/10.33480/pilar.v15i2.650

G. Gustientiedina, M. H. Adiya, and Y. Desnelita, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan,” J. Nas. Teknol. dan Sist. Inf., vol. 5, no. 1, pp. 17–24, 2019, doi: 10.25077/teknosi.v5i1.2019.17-24.

I. Parlina, A. P. Memanfaatkan Algoritma K-Means Dalam Menentukan Pegawai Yang Layak Mengikuti Asessment Center. Journal of Computer Engineering, System and Science, 2018; 3(1): 87-93.

Siregar, M. H. (2018). Data Mining Klasterisasi Penjualan Alat-Alat Bangunan Menggunakan Metode K-Means (Studi Kasus Di Toko Adi Bangunan). Jurnal Teknologi Dan Open Source, 1(2), 83–91. https://doi.org/10.36378/jtos.v1i2.24

Armaita, Dedi , H., Eri , B., Indang , D., & Iswandi, U. (2020). Policy Model of Community Adaptation using AHP in the Malaria Endemic Region of Lahat Regency -Indonesia. International Journal of Management and Humanities (IJMH), 44-48.

Deny , S., Agus , R., & Yushar , K. (2020). ANALISIS PENENTUAN TIPE FONDASI PILAR JEMBATAN DENGAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) (Studi Kasus: Pembangunan Jembatan Walahar Kecamatan Ciampel, Kabupaten Karawang)

Armaita, Dedi , H., Eri , B., Indang , D., & Iswandi, U. (2020). Policy Model of Community Adaptation using AHP in the Malaria Endemic Region of Lahat Regency -Indonesia. International Journal of Management and Humanities (IJMH), 44-48

##submission.downloads##

Diterbitkan

2022-07-30

Versi

Cara Mengutip

nuryaman, yosep, Sudarsono, B. ., Faddillah, ummi ., & Asistyasari, A. . (2022). Klasifikasi Data Penjualan Mengunakan Algoritma K-Means Dan Analytic Hierarchy Process. Jurnal Larik Ladang Artikel Ilmu Komputer, 2(1), 18 - 23. https://doi.org/10.31294/larik.v2i1.1371

Terbitan

Bagian

Artikel