Clustering Data Stock dan Market Basket Analysis untuk Perencanaan Penjualan Berbasis K-Means dan Fuzzy C-Covering pada InshofMart

摘要

InshofMart masih menggunakan cara manual dalam menentukan stock produk, dan menggunakan kelompok kategori dalam penataan rak-rak barang. Hal ini menyebabkan ketidaktepatan dalam menentukan stock yang sangat laku, laku, atau kurang laku, sehingga berdampak pada perencanaan stock kurang akurat, dan penataan rak barang kurang efektif bagi para pelanggan. Oleh masalah itu perlu dilakukan clustering item dalam tingkatan tertentu, juga mengasosiasikan antara suatu item dengan item lainnya sesuai keakuratan yang terukur, sehingga kegiatan penjualan lebih terencana dengan mengacu pada hasil perhitungan data-data yang lebih mengarah pada fakta dari lapangan. Dengan clustering yang lebih tepat menggunakan algoritma k-means dan market basket analysis dengan algoritma fuzzy c-covering. Clustering menghasilkan output tentang perencanaan stock produk di mana dari penelitian ditentukan 3 cluster dengan hasil 7 produk sangat laku, 28 produk laku, dan 15 produk kurang laku berdasarkan jarak antara data ke pusat cluster-nya. Sedangkan market basket analysis dari 96 data sample transaksi yang mempunyai minimal_support dan minimal_confidence memenuhi syarat yaitu terdapat 8 interesting association rule antara 2 produk (k item-2).