PENERAPAN ALGORITMA K-MEANS UNTUK PENGELOMPOKAN DAN METODE LEAST SQUARE UNTUK PREDIKSI PENJUALAN BARANG (STUDI KASUS: BUANA MART KENDARI)
| Main Authors: | Alam, Indri Anatasya, Jaya, LM Golok, Ransi, Natalis |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Informatics Engineering Department of Halu Oleo University
, 2020
|
| Online Access: |
http://ojs.uho.ac.id/index.php/semantik/article/view/8924 http://ojs.uho.ac.id/index.php/semantik/article/view/8924/pdf |
Daftar Isi:
- Toko Buana Mart merupakan toko yang bergerak dalam bidang penjualan bahan campuran yang menjual berbagai jenis barang atau produk serta kebutuhan pokok dan kebutuhan lainnya bagi konsumen. Dengan banyaknya jumlah data penjualan barang Buana Mart, pengelompokan jenis-jenis produk dapat digunakan untuk peningkatan stok pada produk secara tepat. Toko tersebut dalam memperkirakan stok penjualan barang masih menggunakan cara manual sehingga mengalami kesulitan dalam menentukan jumlah barang yang akan dijual. Oleh sebab itu toko tersebut memerlukan sebuah sistem yang dapat melakukan pengolahan data dan memprediksi stok penjualan barang. Untuk memudahkan dalam mengelola dan memprediksi stok barang maka dibuat penelitian dengan menerapkan algoritma K-Means dan metode Least Square. Algoritma K-Means merupakan salah satu algoritma yang digunakan untuk melakukan pengelompokan data yang memiliki kesamaan karakteristik. Metode Least Square merupakan metode yang digunakan untuk melakukan proses perhitungan prediksi menggunakan data deret berkala pada suatu waktu yang akan datang dibuat berdasarkan data pada periode sebelumnya. Hasil penelitian ini dapat dibuat suatu aplikasi pengolahan data dengan algoritma K-Means dengan mengelompokkan barang untuk peningkatan stok. Hasil prediksi menggunakan metode least square mempunyai error (tingkat kesalahan) yang diukur dengan MAPE sebesar 18,14%Kata kunci; K-Means Clustering, Prediksi, Least Square, Persediaan Barang