Jurnal Ilmiah Ilmu Komputer
Banthayo Lo Komputer Vol. 2, No. 1 (2023)
E-ISSN : 2827-9425
P-ISSN : 2828-4666
Penerapan Metode K-Means untuk Clustering Penjualan Suku
Cadang Kendaraan
(Studi Kasus: CV. Gotama Viar Gorontalo)
Iftinan Inaayah Mohamad1, Irvan Abraham Salihi2, Kartika Chandra Pelangi3
Ilmu Komputer, Teknik Informatika, Universitas Ichsan Gorontalo, Gorontalo, Indonesia
Email: inanmohamad06@gmail.com, *abrahamsalihi@gmail.com
Abstrak - Sampai saat ini sepeda motor masih menjadi salah satu alat transportasi yang paling banyak dipakai
oleh masyarakat Indonesia. Salah satu dealer resmi VIAR yang ada di Sulawesi ialah perusahaan yang bernama
CV. Gotama VIAR Gorontalo. Perusahaan tersebut menjual beberapa sepeda motor bermerek VIAR dan beberapa
suku cadang resminya. Tejadinya kehabisan stok di beberapa jenis suku cadang kendaraan viar yang di jual karena
banyak dibeli oleh konsumen serta adanya penumpukkan stok jenis suku cadang kendaran Viar lainnya di gudang
karena kurang laris. Hal ini disebabkan oleh perusahaan yang mengalami kebingungan dalam menentukan
terhadap jenis suku cadang apa saja yang laris dan kurang laris, Tujuan dari penelitian ini adalah untuk
mengelompokkan beberapa jenis suku cadang kendaraan apa saja yang laris dan kurang laris. Metode K-Means
merupakan salah satu metode yang ada pada Partitional Clustering yang bekerja dalam mengelompokkan sebuah
data yang besar dengan membagi data tersebut ke dalam satu bentuk cluster atau lebih. Dari hasil penelitian ini
dapat disimpulkan bahwa memperoleh sebuah hasil yaitu sebanyak 373 jenis barang dikategorikan barang yang
laris dan 7 jenis barang yang dikategorikan kurang laris serta sistem yang dibuat dapat memperoleh sistem yang
bisa mengelompokkan data penjualan suku cadang menggunakan metode K-Means yang dapat diandalkan saat
diimplementasikan.
Kata Kunci: suku cadang, sistem, cluster, partitional clustering, metode K-Means
Abstract - Until now motorcycles are still one of the most widely used means of transportation by Indonesian
people. One of the authorized VIAR dealers in Sulawesi is CV Gotama VIAR Gorontalo. The company sells several
VIAR-branded motorcycles and some genuine spare parts. There are stock-outs in several types of VIAR vehicle
spare parts that are sold because many consumers buy them. There is a stacking of stock of other types of VIAR
vehicle spare parts in the warehouse because they are not well sold. It is caused by the company experiencing
confusion in determining what types of spare parts are more and less in-demand. The purpose of this study is to
group several types of vehicle spare parts that are more and less in demand. The K-Means method is one of the
methods in partitional clustering which works in grouping large data by dividing the data into one or more
clusters. Based on the results of this study, it can be concluded that the results obtained explain that there are 373
types of goods categorized as more in-demand and 7 types of goods categorized as less in-demand. The system
created can obtain a system that can classify spare parts sales data using the K-Means method which is reliable
when applied.
Keywords: spare parts, system, cluster, partitional clustering, K-Means method
1. PENDAHULUAN
Sampai saat ini sepeda motor masih menjadi salah satu alat transportasi yang paling banyak
dipakai oleh masyarakat Indonesia. Harganya yang bisa dibilang terjangkau serta mudah dalam
mengoperasikannya untuk melakukan aktivitas sehari-hari, membuat alat transportasi tersebut banyak
dipilih sebagai kendaraan pribadi oleh masyarakat Indonesia. Tercatat bahwa jumlah pengguna sepeda
motor di indonesia masih menduduki posisi pertama dengan angka 119.536.624 pengguna sepeda motor
yang masih aktif [1].
Sementara itu dengan banyaknya pengguna sepeda motor di indonesia, beberapa perusahaan
sepeda motor bersaing untuk membuat dan mengembangkan sepeda motor yang berkualitas bagus dan
nyaman saat dipakai. Salah satu perusahaan sepeda motor lokal yang sukses dalam memproduksi sepeda
motor yang berkualitas dan sudah banyak dipakai oleh masyarakat indonesia ialah perusahaan yang
bernama PT Triangle Motorindo sebagai pemilik tunggal dari sepeda motor yang bermerek VIAR.
Didirikan pada tahun 2010, VIAR saat ini telah menjadi merek otomotif terkemuka di Indonesia
khususnya pada jenis kendaraan bermotor. Saat ini VIAR telah memiliki lebih dari 700 dealer resmi
yang tersebar di seluruh indonesia [2].
| Copyright @BALOK - Volume 2 Nomor 1
Halaman | 10
Jurnal Ilmiah Ilmu Komputer
Banthayo Lo Komputer Vol. 2, No. 1 (2023)
E-ISSN : 2827-9425
P-ISSN : 2828-4666
Salah satu dealer resmi VIAR yang ada di Sulawesi ialah perusahaan yang bernama CV. Gotama
VIAR Gorontalo. Perusahaan tersebut menjual beberapa sepeda motor bermerek VIAR dan beberapa
suku cadang resminya.
Tabel 1. Data Penjualan yang bersumber dari CV. Gotama Viar Gorontalo 2022
Nama Barang
Accu Yuasa 12N10-3B
Karya Viar 200L
Air Radiator Jumbo
Karya Viar 200 L
As Gear Depan Karya
200L
As Porsenelen Assy
Karya Viar 200L
Balon Lampu Depan
Karya Viar 200L
Botol Radiator Karya
Viar 200L
Busi Karya Viar 200L
Terjual
/Bulan
Jun
Jul
Jan
Feb
Mar
Apr
Mei
Agt
Sep
Okt
Nov
Des
14
0
27
5
18
11
5
9
3
10
13
4
21
1
7
3
4
7
9
13
3
15
4
14
15
4
20
9
16
11
3
8
7
3
6
13
5
5
7
20
2
4
12
13
3
18
12
19
13
12
13
16
2
5
28
7
9
14
7
2
21
10
20
8
13
7
28
15
7
8
12
29
3
8
11
12
1
12
13
3
1
17
9
20
11
6
6
2
16
6
27
Carburator Assy Karya
Viar 200L
Cool Stater Karya Viar
200L
Cross Blkng Karya
Viar 200L
5
11
22
9
5
19
12
10
4
1
11
28
9
1
20
6
6
17
1
25
15
3
10
3
7
1
8
7
19
…
…
…
…
…
…
…
…
…
…
…
…
…
23
9
20
5
2
4
20
9
6
22
13
7
11
2
20
8
8
9
14
10
5
14
6
29
Tangky Karya Viar
Bit100
Tutup Per Klep Karya
Bit100
Tabel 1 merupakan tabel data penjualan suku cadang viar selama tahun 2022, Terhitung pada
bulan Januari sampai bulan Desember tahun 2022, perusahaan CV. Gotama VIAR Gorontalo yang
menjual sebanyak 380 jenis suku cadang resmi untuk sepeda motor VIAR ini mengalami adanya
peningkatan pada penjualan beberapa suku cadang yang bermerek VIAR.
Berdasarkan hasil wawancara yang dilihat pada data penjualan suku cadang kendaraan viar
tersebut, pihak perusahaan mengatakan bahwa mereka mulai mengalami kehabisan stok suku cadang
pada bulan maret sampai november tahun 2022 karena terdapat beberapa jenis suku cadang kendaraan
viar yang mengalami peningkatan penjualan sehingga mengakibatkan jenis-jenis suku cadang tersebut
cepat mengalami kehabisan stok, sedangkan suku cadang kendaraan lainnya mengalami penumpukkan
berlebihan di gudang penyimpanan karena kurang diminati. Hal tersebut terjadi karena perusahaan
mengalami kebingungan dalam menentukan jenis suku cadang apa saja yang harus diperbanyak stoknya
agar tidak terjadi kehabisan stok, serta jenis suku cadang apa saja yang harus dikurangi stoknya agar
tidak terjadi penumpukkan di gudang, Kebingungan tersebut terjadi karena peningkatan penjualan suku
cadang kendaraan viar baru dialami pada tahun 2022 ini dan sebelumnya perusahaan belum melakukan
peninjauan terhadap jenis suku cadang dengan penjualan yang laris dan kurang laris. Untuk mengetahui
jenis suku cadang apa saja yang laris dan harus diperbanyak stoknya dan jenis suku cadang apa saja
yang kurang laris agar bisa dikurangi stoknya. maka diperlukan pengolahan dan pengelompokkan data
penjualan berdasarkan tingkat kelarisan suku cadang tersebut di sepanjang tahun 2022. dikarenakan data
penjualan besar maka diperlukan teknik Data Mining. Data mining yang dimaksud ialah sebuah proses
pencarian sebuah pola atau aturan-aturan yang tertentu pada data dengan jumlah yang besar untuk
memperoleh suatu informasi yang baru. Salah satu Teknik data mining yang akan digunakan ialah
Teknik data mining yang bernama Clustering. klasterisasi atau pengelompokan data merupakan sebuah
| Copyright @BALOK - Volume 2 Nomor 1
Halaman | 11
Jurnal Ilmiah Ilmu Komputer
Banthayo Lo Komputer Vol. 2, No. 1 (2023)
E-ISSN : 2827-9425
P-ISSN : 2828-4666
pemrosesan dalam mengelompokkan sebuah data untuk menentukan jumlah kluster. Metode yang
dipakai adalah metode K-Means yang merupakan metode yang popular dan sering digunakan pada data
mining khususnya pada Clustering.
Sementara itu, pada penelitian lainnya yang berhubungan dengan clustering pada data penjualan
dengan menggunakan metode K-Means pernah diimplementasikan pada penelitian yang dilakukan oleh
dua mahasiswa yang bernama Asep Muhidin dan Stefanus Kevin Alfandara yang berasal dari
Universitas Pelita Bangsa pada tahun 2022. Pada penelitian ini mereka menggunakan data penjualan
produk makanan yang akan di klasterisasi menggunakan metode K-Means. Dan mendapatkan sebuah
hasil cluster 0 (kurang laris) berjumlah 9 item, cluster 1 (sangat laris) berjumlah 1 item, dan cluter 2
(laris) berjumlah 4 item [3].
Dengan demikian, Metode K-Means dapat diterapkan untuk klasterisasi pada data penjualan
suku cadang resmi kendaraan yang bermerek VIAR. Dalam hal ini untuk membantu perusahaan CV.
Gotama Viar Gorontalo dalam menyusun strategi penjualan yang tepat sasaran dan bisa mengatasi
masalah tersebut dengan cepat.
2. TINJAUAN PUSTAKA
2.1 Suku Cadang Kendaraan (VIAR)
Menurut KBBI (Kamus Besar Bahasa Indonesia) Kendaraan berasal dari kata benda dengan
kata dasar ‘Kendara’ yang artinya adalah sesuatu yang dipakai dalam berkendara atau objek yang
dipakai untuk berpergian ke suatu yang dituju seperti kuda, kereta, mobil, motor dan lain sebagainya[4].
Sedangkan Suku cadang yang dipaparkan langsung oleh Indrajit dkk (2006), suku cadang merupakan
suatu alat yang menopang dalam pengadaan barang yang digunakan untuk peralatan dalam proses
produksi [5].
Sehingga penulis menyimpulkan suku cadang kendaraan adalah suatu komponen atau bagian
dari mesin kendaraan yang dicandangkan atau disediakan ketika bagian yang ada pada kendaraan
tersebut akan dilakukan perbaikan atau penggantian saat mengalami kerusakan.
2.2. Data Mining
Pendapat tentang data mining yang dikemukakan oleh Santoso (2007) menjelaskan bahwa data
mining sering juga disebut knowledge discovery in database (KDD) yang didefinisikan sebagai kegiatan
yang melakukan sebuah pengumpulan, dan pemakaian data agar bisa menemukan suatu pola atau halhal yang berhubungan dengan set data yang memiliki ukuran yang besar [6].
proses KDD antara lain :
1. Selection, yaitu sebuah langkah dimana untuk menentukan sebuah variabel yang akan
digunakan agar kesamaan dan perulangan tidak terjadi saat melakukan pengolahan data mining.
2. Preprocessing, yaitu proses menghilangkan data yang tidak diperlukan agar bisa diproses oleh
data mining.
3. Transformation, ¸ yaitu proses merubah data untuk disesuaikan ke dalam format khusus sebelum
dapat diproses data mining
4. Data Mining, yaitu proses yang paling utama yang diterapkan pada data yang diproses agar
memperoleh pengetahuan yang baru
5. Evaluation, pada tahap ini proses evaluasi dilakukan terhadap data yang sudah di proses dengan
data mining dan dinilai apakah sudah memenuhi target yang diinginkan
6. Knowledge, pada tahap ini diperoleh sebuah pengetahuan baru yang bisa dipahami semua orang
sehingga menjadi acuan dalam pengambilan keputusan [7].
2.3. Clustering
Sarwono (2006) menjelaskan secara detail tahapan algoritma K-Means yaitu sebagai berikut [8] :
1. Pada tahap pertama, tentukan K terlebih dahulu sebagai jumlah kluster yang ingin dibentuk
2. Tahap kedua, mengambil nilai random yang dijadikan untuk pusat kluster awal (centroid)
sebanyak K
3. Tahap ketiga, menghitung jarak setiap data yang diinput terhadap masing-masing centroid atau
kluster awal dengan menggunakan rumus jarak Euclidean hingga menemukan jarak yang paling
mendekati dari setiap data yang ada dengan centroid. Rumus persamaannya adalah Euclidean
Distance berikut: 𝑑(𝑥𝑖 , 𝜇𝑗) = √∑(𝑥𝑖 + 𝜇𝑗) 2 Dimana : d = jarak i = indeks dari cluster j = indeks
dari variabel Xi = data kriteria ke-i 𝜇𝑗 = centroid pada cluster ke-j
4. Menentukan setiap data yang memiliki kedekatan dengan centroid dalam jarak terkecil
| Copyright @BALOK - Volume 2 Nomor 1
Halaman | 12
Jurnal Ilmiah Ilmu Komputer
Banthayo Lo Komputer Vol. 2, No. 1 (2023)
5.
6.
E-ISSN : 2827-9425
P-ISSN : 2828-4666
Memperbaharui nilai centroid yang telah diperoleh dari rata-rata cluster yang berkaitan, rumus
yang digunakan sebagai berikut: 𝜇𝑗 (t + 1) = 1 𝑁𝑠𝑗 ∑𝑗∈𝑆𝑗𝑋𝑗 Dimana : j = indeks dari variabel
𝜇𝑗 (t + 1) = centroid baru pada iterasi ke-j Nsj = banyak data pada cluster Sj Sj = Silhoutte data
ke-j Xj = data kriteria ke-j
Melakukan perulangan dari langkah 2 sampai pada langkah 5 sampai anggota dari setiap cluster
tidak ada yang berubah. Apabila langkah yang ke-6 telah terpenuhi, Maka nilai pada pusat
cluster (µj ) di iterasi terakhir yang akan akan diambil sebagai kesimpulan akhir
3. METODE PENELITIAN
3.1 Sumber Data
Objek yang dilakukan pada penelitian ini ialah data penjualan suku cadang kendaraan Viar
dari bulan januari sampai desember tahun 2022 dengan studi kasus bertempat di perusahaan CV.
Gotama Viar Gorontalo.
3.2 Pemodelan
Penelitian ini mulai dilakukan pada tanggal 11 November tahun 2022. Model yang diusulkan
tertera pada gambar 1 berikut ini.
Gambar 1. Model Penerapan Metode K-Means
4. HASIL DAN PEMBAHASAN
4.1. Data Penjualan Suku Cadang Kendaraan Viar
Data yang digunakan diambil data penjualan pada tahun 2022. Dengan jumlah sebanyak 380 jenis
barang
Tabel 2. Data Penjualan Suku Cadang Kendaraan Viar 2022
Nama Barang
Accu Yuasa 12N103B Karya Viar 200L
Air Radiator Jumbo
Karya Viar 200 L
As Gear Depan Karya
200L
As Porsenelen Assy
Karya Viar 200L
Terjual
/Bulan
Jun
Jul
Jan
Feb
Mar
Apr
Mei
Agt
Sep
Okt
Nov
Des
14
0
27
5
18
11
5
9
3
10
13
4
21
1
7
3
4
7
9
13
3
15
4
14
15
4
20
9
16
11
3
8
7
3
6
13
5
5
7
20
2
4
12
13
3
18
12
19
| Copyright @BALOK - Volume 2 Nomor 1
Halaman | 13
Jurnal Ilmiah Ilmu Komputer
Banthayo Lo Komputer Vol. 2, No. 1 (2023)
Balon Lampu Depan
Karya Viar 200L
Botol Radiator Karya
Viar 200L
Busi Karya Viar 200L
E-ISSN : 2827-9425
P-ISSN : 2828-4666
13
12
13
16
2
5
28
7
9
14
7
2
21
10
20
8
13
7
28
15
7
8
12
29
3
8
11
12
1
12
13
3
1
17
9
20
11
6
6
2
16
6
27
Carburator Assy
Karya Viar 200L
Cool Stater Karya
Viar 200L
Cross Blkng Karya
Viar 200L
5
11
22
9
5
19
12
10
4
1
11
28
9
1
20
6
6
17
1
25
15
3
10
3
7
1
8
7
19
…
…
…
…
…
…
…
…
…
…
…
…
…
Tangky Karya Viar
Bit100
23
9
20
5
2
4
20
9
6
22
13
7
TtupPerKlepBit100
11
2
20
8
8
9
14
10
5
14
6
29
4.2. Penerapan Metode K-Means
Iterasi ke-1
1. Menentukan Cluster terlebih dahulu sebanyak 2 antara lain: C1 = tinggi (laris) C2 = rendah
(kurang laris)
2. Menentukan nilai centroid awal yang akan dijadikan titik pusat klaster yang ada di setiap bulan
januari sampai desember dengan menjadikan nilai yang paling tertinggi di setiap bulan dijadikan
titik pusat untuk C1, dan C2 ialah nilai terendah di setiap bulan
Gambar 2. Titik Pusat Cluster Awal
3. Menghitung jarak dari nilai yang ada di setiap bulannya ke titik pusat klaster yang sudah
ditentukan pada tahap kedua dengan menggunakan rumus Euclidean Distance.
(14 − 31)2 + (0 − 12)2 + (27 − 27)2 + (5 − 21)2 + (18 − 19)2 + (11 − 13)2
C1, (1) = √
+ (5 − 29)2 + (9 − 15)2 + (3 − 9)2 + (10 − 24)2 + (13 − 14)2 + (4 − 35)2
= 50
(21 − 31)2 + (1 − 12)2 + (7 − 27)2 + (3 − 21)2 + (4 − 19)2 + (7 − 13)2
C1, (2) = √
+ (9 − 29)2 + (13 − 15)2 + (3 − 9)2 + (15 − 24)2 + (4 − 14)2 + (14 − 35)2
= 47,623523599163
(15 − 31)2 + (4 − 12)2 + (20 − 27)2 + (9 − 21)2 + (16 − 19)2 + (11 − 13)2
C1, (3) = √
+ (3 − 29)2 + (8 − 15)2 + (7 − 9)2 + (3 − 24)2 + (6 − 14)2 + (13 − 35)2
= 47.370877129308
(5 − 31)2 + (5 − 12)2 + (7 − 27)2 + (20 − 21)2 + (2 − 19)2 + (4 − 13)2
C1, (4) = √
+ (12 − 29)2 + (13 − 15)2 + (3 − 9)2 + (18 − 24)2 + (12 − 14)2 + (19 − 35)2
| Copyright @BALOK - Volume 2 Nomor 1
Halaman | 14
Jurnal Ilmiah Ilmu Komputer
Banthayo Lo Komputer Vol. 2, No. 1 (2023)
E-ISSN : 2827-9425
P-ISSN : 2828-4666
= 46.054315758678
(13 − 31)2 + (12 − 12)2 + (13 − 27)2 + (16 − 21)2 + (2 − 19)2 + (5 − 13)2
C1, (5) = √
+ (28 − 29)2 + (7 − 15)2 + (9 − 9)2 + (14 − 24)2 + (7 − 14)2 + (2 − 35)2
= 46.91481642296
……..
(23 − 31)2 + (9 − 12)2 + (20 − 27)2 + (5 − 21)2 + (2 − 19)2 + (4 − 13)2
C1, (379) = √
+ (20 − 29)2 + (9 − 15)2 + (6 − 9)2 + (22 − 24)2 + (13 − 14)2 + (7 − 35)2
= 40.779897008207
(11 − 31)2 + (2 − 12)2 + (20 − 27)2 + (8 − 21)2 + (8 − 19)2 + (9 − 13)2
C1, (380) = √
+ (14 − 29)2 + (10 − 15)2 + (5 − 9)2 + (14 − 24)2 + (6 − 14)2 + (28 − 35)2
= 36.523964735499
(14 − 1)2 + (0 − 0)2 + (27 − 6)2 + (5 − 2)2 + (18 − 0)2 + (11 − 4)2
C2, (1) = √
+ (5 − 0)2 + (9 − 3)2 + (3 − 1)2 + (10 − 0)2 + (13 − 4)2 + (4 − 0)2
= 35.411862419252
(21 − 1)2 + (1 − 0)2 + (7 − 6)2 + (3 − 2)2 + (4 − 0)2 + (7 − 4)2
C2, (2) = √
+ (9 − 0)2 + (13 − 3)2 + (3 − 1)2 + (15 − 0)2 + (4 − 4)2 + (14 − 0)2
= 32.155870381627
(15 − 1)2 + (4 − 0)2 + (20 − 6)2 + (9 − 2)2 + (16 − 0)2 + (11 − 4)2
C2, (3) = √
+ (3 − 0)2 + (8 − 3)2 + (7 − 1)2 + (3 − 0)2 + (6 − 4)2 + (13 − 0)2
= 31.843366656181
(5 − 1)2 + (5 − 0)2 + (7 − 6)2 + (20 − 2)2 + (2 − 0)2 + (4 − 14)2
C2, (4) = √
(12
+
− 0)2 + (13 − 3)2 + (3 − 1)2 + (18 − 0)2 + (12 − 4)2 + (19 − 0)2
= 36.972963094672
(13 − 1)2 + (12 − 0)2 + (13 − 6)2 + (16 − 2)2 + (2 − 0)2 + (5 − 14)2
C2, (5) = √
+ (28 − 0)2 + (7 − 3)2 + (9 − 1)2 + (14 − 0)2 + (7 − 4)2 + (2 − 0)2
= 40.137264480779
……
(23 − 1)2 + (9 − 0)2 + (20 − 6)2 + (5 − 2)2 + (2 − 0)2 + (4 − 14)2
C2, (379) = √
+ (20 − 0)2 + (9 − 3)2 + (6 − 1)2 + (22 − 0)2 + (13 − 4)2 + (7 − 0)2
= 43
| Copyright @BALOK - Volume 2 Nomor 1
Halaman | 15
Jurnal Ilmiah Ilmu Komputer
Banthayo Lo Komputer Vol. 2, No. 1 (2023)
E-ISSN : 2827-9425
P-ISSN : 2828-4666
(11 − 1)2 + (2 − 0)2 + (20 − 6)2 + (8 − 2)2 + (8 − 0)2 + (9 − 14)2
C2, (380) = √
+ (14 − 0)2 + (10 − 3)2 + (5 − 1)2 + (14 − 0)2 + (6 − 4)2 + (28 − 0)2
= 40.865633483405
5. Melakukan penginputan hasil dari perhitungan jarak tadi dimasukkan ke dalam tabel untuk satu jenis
barang. Untuk hasil perhitungan titik pusat klaster tertinggi dimasukkan ke dalam kolom tabel C1, dan
rendah ke C2.
Tabel 3. Pelabelan Cluster Iterasi ke-1
NO
1
2
3
4
5
…
379
380
C1
50
47.623523599163
47.370877129308
46.054315758678
46.91481642296
…
40.779897008207
36.523964735499
C2
35.411862419252
32.155870381627
31.843366656181
36.972963094672
40.137264480779
…
43
40.865633483405
Jarak kecil
35.411862419252
32.155870381627
31.843366656181
36.972963094672
40.137264480779
…
43
40.865633483405
Label
C2
C2
C2
C2
C2
…
C1
C1
6. Melakukan pembaruan nilai centroid dengan menjumlah semua anggota masing-masing klaster lalu
dibagi dengan jumlah keseluruhan anggota yang ada di klaster tersebut.
7. Melakukan lagi perhitungan jarak seperti pada tahap ke-3 sampai pada tahap ke-5. Hal tersebut
dihitung sampai hasilnya tidak berpindah-pindah lalu perhitungan dihentikan dan bisa ditarik
kesimpulan.
Iterasi ke-3
8. Tabel 4. Pelabelan Cluster Iterasi Ke-3
NO
1
2
3
4
5
…
379
380
C1
50
47.623523599163
47.370877129308
46.054315758678
46.91481642296
…
40.779897008207
36.523964735499
C2
35.411862419252
32.155870381627
31.843366656181
36.972963094672
40.137264480779
…
43
40.865633483405
Jarak kecil
35.411862419252
32.155870381627
31.843366656181
36.972963094672
40.137264480779
…
43
40.865633483405
Label
C2
C2
C2
C2
C2
…
C1
C1
Pada iterasi-3 perhitungan dihentikan karena hasil dari pembagian data pada iterasi ke-2 sama
dengan hasil dari pembagian data pada iterasi ke-3, maka hasil tersebut bisa ditarik kesimpulan bahwa
pada data penjualan dari 380 jenis barang yang telah terjual pada tahun 2022 telah dilakukan
pengklasteran dan memperoleh hasil yang terbagi menjadi 2 centroid antara lain: C1 (barang laris) =
373 jenis barang C2 (barang kurang laris) = 7 jenis barang
4.3. Implementasi Sistem
Sistem ini dibuat menggunakan bahasa pemrograman PHP dan menggunakan database
MySQL, berikut beberapa tampilan pada sistem yang telah dibuat:
| Copyright @BALOK - Volume 2 Nomor 1
Halaman | 16
Jurnal Ilmiah Ilmu Komputer
Banthayo Lo Komputer Vol. 2, No. 1 (2023)
E-ISSN : 2827-9425
P-ISSN : 2828-4666
Gambar 3. Tampilan Halaman Data Penjualan
Gambar 4. Tampilan Halaman Hasil Perhitungan K-Means
5. KESIMPULAN
Dari hasil penerapan clustering dengan menggunakan metode k-means pada data penjualan selama tahun 2022
memperoleh sebuah hasil yaitu sebanyak 373 jenis barang dikategorikan C1 = barang yang laris dan 7 jenis barang
yang dikategorikan C2 = kurang laris, Dengan hasil tersebut, maka perusahaan tidak lagi kebingungan dalam
menetukan barang apa saja yang harus diperbanyak stok kedepannya dan barang apa saja yang harus dikurangi
stok agar tidak mengalami penumpukkan stok yang berlebihan.
DAFTAR PUSTAKA
[1] Kompas.com, “Sepeda Motor Masih Jadi Kendaraan Andalan Masyarakat Indonesia”, 10 Agustus
2022.[Online.]. Available: https://otomotif.kompas.com/read/2022/08/10/072200415/sepeda-motormasihjadi-kendaraan-andalan-masyarakat-indonesia.[Accessed 05 November 2022].
[2]
AutoFun.co.id, “Motor Viar 2022 Terbaru”, 15 Januari 2022.[Online.]. Available:
https://www.autofun.co.id/motor/viar.[Accessed 05 November 2022].
[3] Asep Muhidin dan Stefanus Kevin Alfandara, “Analisis Data Mining Menggunakan Algoritma K-Means untuk
Clustering Penjualan Studi Kasus Dapur Bu Ipung”,SIGMA: Jurnal Teknologi Pelita Bangsa e-ISSN:24073903; Vol.13, No.2, Juni 2022.
[4] Jago Kata, “Kendaraan”, 29 Agustus 2012.[Online.].Available: https://jagokata.com/artikata/kendaraan.html.[Accessed 07 November 2022].
[5] Eka Sofia.A, Darno, Mitha Otik Wiraswasti, dan Dewi Agustya Ningrum. “Analisa Pengendalian Persediaan
Suku Cadang Pada PT. XYZ Dengan Metode Analisis ABC”, Jurnal Abiwara ISSN : 2686 – 1577, Vol.2,
No.1, September 2020.
[6] Fitri Marisa, “Educational Data Mining (Konsep dan Penerapan)”, Jurnal Teknologi Informasi, Vol.4, No.2,
Juni 2022.
[7] Gustientiedina, M.Hasmil Adiya, Yenny Desnelita “Penerapan Algoritma KMeans Untuk Clustering Data
Obat-obatan pada RSUD Pekanbaru”, Jurnal Nasional Teknologi dan Sistem Informasi, Vol.5, No.1, April
2019.
[8] Yunita Kusumawardani, Amir Hamzah, dan Suraya. “Perbandingan Metode Clustering Menggunakan
Hierarchial Clustering dan Partional Clustering Untuk Mengelompokkan Dokumen Berita”, Jurnal Script
ISSN : 2334 – 6304, Vol.5, No.2, Juni 2018.
\
| Copyright @BALOK - Volume 2 Nomor 1
Halaman | 17