Rancang Bangun Sistem Data Mining Untuk Analisis Tren Penjualan Dengan Algoritma K-Means (Studi Kasus : Toko Mainan Berkah 3R)
Keywords:
Data Mining, K-Means, Clustering, Sales Trend, Product ClassificationAbstract
This study aims to analyze sales trends and classify products based on their sales performance using the K-Means clustering method at Toko Mainan Berkah 3R. The main issue addressed is the absence of a structured data analysis system to support decision-making related to stock management and marketing strategies. The research utilized sales transaction data from a specific period, which underwent data cleaning and normalization before the clustering process. The K-Means algorithm was applied by defining three clusters to categorize products into high, medium, and low sales groups. The findings indicate that the clustering results provide a clearer overview of product distribution and sales patterns, enabling store owners to prioritize inventory management and evaluate low-performing products. Therefore, the implementation of the K-Means method proves effective in supporting data-driven decision-making in retail businesses.
References
Afiasari, N., Suarna, N., & Rahaningsi, N. (2023). Implementasi data mining transaksi penjualan menggunakan algoritma clustering dengan metode K-Means. Jurnal Teknologi Informasi dan Sains.
Agustiar, A., Sari, B., & Maulana, C. (2024). Penerapan data mining untuk pengelompokan produk penjualan menggunakan algoritma K-Means.
Anjani, A. (2024). Klasterisasi data penjualan terlaris produk kosmetik menggunakan algoritma K-Means.
Annas, M., & Wahab, A. (2023). Penerapan algoritma K-Means dalam pengelompokan data penjualan produk ritel. Jurnal Teknologi Informasi dan Komputer.
Dermawan, R., Prasetyo, D., & Lestari, N. (2023). Pemanfaatan data penjualan sebagai dasar pengambilan keputusan bisnis pada usaha ritel. Jurnal Sistem Informasi Bisnis.
Gede, I. (2020). Data mining: Menemukan pengetahuan dalam data. PT RajaGrafindo Persada.
Hidayat, K., Nur Farida, F., & Permana, S. E. (2025). Analisis tren dan prediksi penjualan restoran menggunakan metode data mining. METIK: Jurnal Sistem Informasi.
Karsa, N., & Hidayat, R. (2022). Metode algoritma K-Means untuk clustering data produk paling laku pada Toko Tono Grosir Plumbon Cirebon.
Kasini, R., & Hidayati, S. (2023). Penerapan data mining untuk clustering pada Toko Laura Grosir dan Eceran menggunakan algoritma K-Means.
Manik, R. A., & Ariesta, A. (2022). Data mining untuk klasterisasi provinsi di Indonesia. TICOM: Technology of Information and Communication.
Nazihah, N., Danniswara, R., & Wibowo, A. (2025). Penerapan data mining untuk analisis pola penjualan produk menggunakan metode clustering. Jurnal Ilmu Komputer dan Informatika.
Noval, D., Windarsyah, E., & Marleny, F. (2025). Implementasi algoritma K-Means untuk analisis pola penjualan pada Toko Monisa.
Rizkyandri, A., Jasmir, B., & Arvita, C. (2023). Implementasi metode K-Means untuk menentukan persediaan barang pada Toko SS BabyShop.
Sari, D., & Kurniawati, E. (2025). Penerapan data mining dalam analisis pola penjualan produk cetakan dengan algoritma K-Means.
Sari, R. P., & Kurniawati, D. (2025). Analisis tren penjualan produk ritel menggunakan pendekatan data mining. Jurnal Sistem Informasi dan Teknologi.
Sarimole, F., & Hakim, L. (2024). Klasifikasi barang menggunakan metode clustering K-Means untuk prediksi stok barang.
Sinaga, L., & Pranata, M. (2023). Clustering data penjualan produk pada Toko Yudha menggunakan algoritma K-Means.
Sugiyono. (2022). Metode penelitian kuantitatif, kualitatif, dan R&D. Alfabeta.
Wahyudi, M., & Masita. (2020). Data mining: Penerapan algoritma K-Means clustering dan K-Medoids clustering. Yayasan Kita Menulis.
