Clustering Data Persediaan Barang Dengan Menggunakan Metode K-Means
| Autor: | Dadan Ramdhan, Gifthera Dwilestari, Raditya Danar Dana, Abdul Ajiz, Kaslani Kaslani |
|---|---|
| Rok vydání: | 2022 |
| Zdroj: | MEANS (Media Informasi Analisa dan Sistem). :1-9 |
| ISSN: | 2599-3089 2548-6985 |
| Popis: | UD. Anugerah Sukses Mandiri merupakan perusahaan yang bergerak dibidang distribusi food dan non food. Transaksi barang yang berjalan terus meningkat, sehingga perusahaan mengalami permasalahan dalam menentukan jumlah persediaan barang, dikarenakan jumlah permintaan barang yang dibutuhkan selalu berubah setiap waktu. Persediaan barang merupakan suatu aktivitas lancar yang meliputi barang-barang milik perusahaan dengan maksud dijual kembali pada suatu periode usaha normal. Data mining merupakan proses yang menggunakan teknik statistik, matematika, kecerdasan buatan dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang terkait dari berbagai warehouse. Tujuan penelitian ini dengan memanfaatkan data mining yaitu untuk melakukan pengelompokan barang dan meningkatkan akurasi klasterisasi data persediaan barang dengan menggunakan metode K-Means Clustering. Dengan metode K-Means ini dapat mempartisi data ke dalam kelompok sehingga data berkarakteristik sama akan dimasukan ke dalam satu kelompok yang sama dan data yang berkarakteristik berbeda dikelompokan kedalam kelompok yang lain, karena metode ini menggunakan centroid (rata-rata) sebagai model dari cluster. Hasil penelitian yang didapat berupa pengelompokan data menjadi 2 kluster yaitu data dengan kluster terendah/sedikit dan kluster tertinggi/terbanyak. Sehingga mendapatkan kesimpulan bahwa clustering persediaan barang dengan menggunakan metode K-Means ini cukup baik dari sisi nilai average within distance dan kompleksitas waktu. Keyword : Data Mining, K-Means Clustering, Persediaan barang |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|