Pengelompokan Menu Minuman Berdasarkan Tingkat Penjualan Menggunakan Metode K-Means Pada Kedai MilkyMoo
DOI:
https://doi.org/10.33592/jutis.v12i2.4099Keywords:
Clustering, Data Mining, K-Means Algorithm, Stock of GoodsAbstract
Kedai Milky Moo merupakan sebuah usaha yang bergerak pada bidang minuman, produk yang ditawarkan oleh kedai Milky Moo adalah produk minuman yang berbahan baku susu sapi murni atau UHT. Eksistensi Milky Moo yang bergerak dibidang kuliner khusus nya minuman, dengan banyaknya persaingan dengan usaha yang mirip tidak lepas dari strategi pemasaran yang dilakukan oleh pemilik Milky Moo sendiri. Juga, harga yang terjangkau mulai dari yang termurah Rp5000 hingga yang termahal Rp12.000 sehingga mampu bertahan dan banyak dikenal oleh masyarakat sekitar. Data mining dimaksudkan dalam memberi solusi bagi para pengambil keputusan di dunia bisnis dalam mengembangkan bisnis tersebut. Metode K-Means yang digunakan pada penelitian ini untuk merancang strategi persediaan barang dalam pengelompokan menu minuman. Tujuan dari penelitian ini adalah untuk menerapkan algoritma K-Means pada data penjualan dari Kedai Milky Moo sebagai contoh tipikal. Hasil analisis penelitian dari 20 record bahwa cluster menengah sebanyak 8 menu memiliki tingkat penjualan tertinggi sebanyak 495,625 gelas selama 6 bulan.
References
Darmi, Y., Setiawan, A., Bali, J., Kampung Bali, K., Teluk Segara, K., & Bengkulu, K. (2016). PENERAPAN METODE CLUSTERING K-MEANS DALAM PENGELOMPOKAN PENJUALAN PRODUK. JURNAL MEDIA INFOTAMA, 12(2). https://doi.org/10.37676/JMI.V12I2.418
Ernawati, I. (2018). DATA MINING SEBAGAI SALAH SATU SOLUSI STRATEGI BISNIS. Informatik : Jurnal Ilmu Komputer, 14(1), 9–16. https://doi.org/10.52958/IFTK.V14I1.367
Fabregas, A. C., Gerardo, B. D., & Tanguilig, B. T. (2017). Information Technology and Computer Science. Information Technology and Computer Science, 1, 26–33. https://doi.org/10.5815/ijitcs.2017.01.04
Keputusan Dirjen Penguatan Riset dan Pengembangan Ristek Dikti, S., Setiawan Mangku Negara, I., Ahmad Ashari, I., Studi Teknologi Informasi, P., Sains dan Teknologi, F., Harapan Bangsa, U., & Studi Informatika, P. (2021). Analisa Cluster Data Transaksi Penjualan Minimarket Selama Pandemi Covid-19 dengan Algoritma K-means. JOINTECS (Journal of Information Technology and Computer Science), 6(3), 153–160. https://doi.org/10.31328/JOINTECS.V6I3.2693
Normah, Yulianti, I., Novianti, D., Winnarto, M. N., Zumarniansyah, A., & Linawati, S. (2020). Comparison of Classification C4.5 Algorithms and Naïve Bayes Classifier in Determining Merchant Acceptance on Sponsorship Program. Journal of Physics: Conference Series, 1641(1), 012006. https://doi.org/10.1088/1742-6596/1641/1/012006
Prasetiani, S. D., & Rochmawati, N. (2022). Penerapan Data Mining Untuk Clustering Menu Favorit Menggunakan Algoritma K-Means (Studi Kasus Kedai Expo). Journal of Informatics and Computer Science (JINACS), 3(03), 278–286. https://doi.org/10.26740/JINACS.V3N03.P278-286
Prastiwi, H., Pricilia, J., & Rasywir, E. (2022). Implementasi Data Mining Untuk Menentuksn Persediaan Stok Barang Di Mini Market Menggunakan Metode K-Means Clustering. Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM), 2(1), 141–148. https://doi.org/10.33998/JAKAKOM.2022.2.1.34
Ramdhan, D., Dwilestari, G., Dana, R. D., Ajiz, A., & Kaslani, K. (2022). Clustering Data Persediaan Barang Dengan Menggunakan Metode K-Means. MEANS (Media Informasi Analisa Dan Sistem), 1–9. https://doi.org/10.54367/MEANS.V7I1.1826
Triyandana, G., Putri, L. A., & Umaidah, Y. (2022). Penerapan Data Mining Pengelompokan Menu Makanan dan Minuman Berdasarkan Tingkat Penjualan Menggunakan Metode K-Means. Journal of Applied Informatics and Computing, 6(1), 40–46. https://doi.org/10.30871/JAIC.V6I1.3824
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 JURNAL TEKNIK INFORMATIKA UNIS
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
