Clustering Data Penjualan Kopi Sidikalang Menggunakan Metode K-Means

Bermiko Kasah Padang; Rakhmat Kurniawan

doi:10.55681/sentri.v4i8.4400

Authors

Bermiko Kasah Padang Universitas Islam Negeri Sumatera Utara
Rakhmat Kurniawan Universitas Islam Negeri Sumatera Utara

DOI:

https://doi.org/10.55681/sentri.v4i8.4400

Keywords:

Sidikalang Coffee, K-Means clustering, sales analysis, machine learning, Davies-Bouldin Index

Abstract

This study aims to analyze the sales patterns of Sidikalang coffee using the K-Means clustering method to optimize stock management and marketing strategies. Three months of sales data were analyzed based on the attributes of sales volume, price, and season. The results showed that the data could be grouped into four clusters with distinct characteristics: low sales (52 data points), medium sales (50 data points), high sales (21 data points), and high stock with sporadic sales (77 data points). Evaluation using the Davies-Bouldin Index (DBI) yielded a score of 0.52, indicating good clustering quality. These findings provide valuable insights for business actors in developing more targeted marketing strategies and efficient stock management. This research also contributes to the literature on the application of machine learning in analyzing local product sales, particularly Sidikalang coffee.

Downloads

Download data is not yet available.

References

Aldi Cahya Muhammad, B.Sc.Engg., M.Sc.Engg., Ir. Anak Agung Gde Bagus Ariana, S.T., M.T., Indo Intan, S.T., M.T., Sumanto, M.Kom., Pastima

Simanjuntak, S.Kom., M.SI., Satria, S.Kom., M.Kom., M. Lutfi MA, S.T., M.Kom., Nono Heryana, M.Kom., Harrizki Arie P, M. (2023). Dasar-dasar Pembelajaran Mesin (Foundations of Machine Learning). Sada Kurnia Pustaka. https://books.google.co.id/books?id=8COzEAAAQBAJ&newbks=1&newbk s_redir=0&printsec=frontcover&pg=PA9&dq=Materi+tentang+machine+lea rning&hl=id&source=gb_mobile_entity&redir_esc=y#v=onepage&q=Materi tentang machine learning&f=false

Aprilianur, G., & Hadisaputro, E. L. (2022). Penerapan Data Mining Menggunakan Metode K-MeansClustering Untuk Analisa Penjualan Toko Myam HijabPenajam. Jupiter, 14(1), 161–170.

ARDI MARDIANA, & Budiman, B. (2022). Implementasi Metode K-Means Untuk Clustering Produk Yang Kurang Diminati Berdasarkan Data Penjualan. Seminar Teknologi Majalengka (Stima), 6, 198–210. https://doi.org/10.31949/stima.v6i0.697

Dinata, F. A., Nazir, A., Fikry, M., & Afrianty, I. (2024). Implementasi Data Mining Untuk Prediksi Stok Penjualan Keramik dengan Metode K-Means. Journal of Computer System and Informatic (JoSYC), 5(3), 701–708. https://doi.org/10.47065/josyc.v5i3.5200

Fatawa Imam Al Muftin, & Fendi Hidayat. (2024). Sistem Informasi Penjualan. Zona Komputer: Program Studi Sistem Informasi Universitas Batam, 13(3), 232–237. https://doi.org/10.37776/zkomp.v13i3.1461

Fuadi, S., & Candra, O. (2020). Prototype Alat Penyiram Tanaman Otomatis dengan Sensor Kelembaban dan Suhu Berbasis Arduino. JTEIN: Jurnal Teknik Elektro Indonesia, 1(1), 21–25. https://doi.org/10.24036/jtein.v1i1.12

Juita Selfia Manullang, & Gea Ibelala. (2023). Analisis Kopi Robusta Sidikalang Sebagai Pengahasil Kopi Terbaik Yang Mengalami Kenaikan Harga Jual. Lokawati : Jurnal Penelitian Manajemen Dan Inovasi Riset, 2(1), 300–308. https://doi.org/10.61132/lokawati.v2i1.537

Mustika, Yunita Ardilla, Abraham Manuhutu, Nazaruddin Ahmad, Imanuddin Hasbi, Guntoro, Melda Agnes Manuhutu, Mohamad Ridwan, Hozairi, Anindya Khrisna Wardhani, Syariful Alim, Ikhsan Romli, Yoga Religia, D Tri Octafian, Unggul Utan Sufandi, I. E. (2021). Data Mining dan Aplikasinya. Penerbit Widina. https://books.google.co.id/books?id=53FXEAAAQBAJ&newbks=1&newbk s_redir=0&printsec=frontcover&pg=PR6&dq=Materi+tentang+hierarchical+ clustering&hl=id&source=gb_mobile_entity&redir_esc=y#v=onepage&q=M ateri tentang hierarchical clustering&f=false

Normah, Rifai, B., Vambudi, S., & Maulana, R. (2022). Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE. Jurnal Teknik Komputer AMIK BSI, 8(2), 174–180. https://doi.org/10.31294/jtk.v4i2

Nurdiyansyah, F., & Akbar, I. (2021). Implementasi Algoritma K-Means untuk Menentukan Persediaan Barang pada Poultry Shop. Jurnal Teknologi Dan Manajemen Informatika, 7(2), 86–94. https://doi.org/10.26905/jtmi.v7i2.6377

Paembonan, S., & Abduh, H. (2021). Penerapan Metode Silhouette Coefficient untuk Evaluasi Clustering Obat. PENA TEKNIK: Jurnal Ilmiah Ilmu-Ilmu Teknik, 6(2), 48. https://doi.org/10.51557/pt_jiit.v6i2.659

Prastiwi, H., Jeny Pricilia, & Errissya Rasywir. (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

Rahmah, S. A., & Antares, J. (2022). Klasterisasi Seleksi Mahasiswa Calon Penerima Beasiswa Yayasan Menggunakan K-Means Clustering. I N F O R M a T I K A, 13(2), 25. https://doi.org/10.36723/juri.v13i2.282

Safira, I., Salkiawati, R., & Priatna, W. (2022). Penerapan Algoritma K-Means untuk Mengetahui Pola Persediaan Barang pada Toko Raja Bekasi. Journal of Informatic and Information Security, 3(1), 99–110. https://doi.org/10.31599/jiforty.v3i1.1253

Sarimole, F. M., & Hakim, L. (2024). Klasifikasi Barang Menggunakan Metode Clustering K-Means Dalam Penentuan Prediksi Stok Barang. Jurnal Sains Dan Teknologi, 5(3), 846–854. https://doi.org/10.55338/saintek.v5i3.2709

Sinaga, A. R., & Pranata, G. D. (2021). SisInfo Clustering Data Penjualan Produk pada Toko Yudha dengan Algoritma K- Means Kata Kunci : Data Mining , Naive Bayes , Prestasi . SisInfo. Jurnal Sistem Informasi Dan Informatika (SISINFO), 3(02), 135–139.

Sinaga, A., Sianturi, C. M., & Pasaribu, V. A. R. (2024). Analisis Kegiatan Pemberdayaan Petani Kopi dalam Peningkatan Hasil Produksi Kopi di Kecamatan Sidikalang, Kabupaten Dairi. Journal of Social Science and Digital Marketing (JSSDM), 1, 27–37.

Srisulistiowati, D. B., Khaerudin, M., & Rejeki, S. (2021). Sistem Informasi Prediksi Penjualan Alat Tulis Kantor Dengan Metode Fp-Growth (Studi Kasus Toko Koperasi Sekolah Bina Mulia). Jurnal Sistem Informasi Universitas Suryadarma, 8(2). https://doi.org/10.35968/jsi.v8i2.739