PENGGUNAAN ALGORITMA K-MEANS UNTUK MENGANALISA PENJUALAN DI BIGMART

Abstract

BigMart mencatatkan data terkait penjualan produk untuk diolah sebagai bahan pengambilan keputusan untuk pembelian produk sebagai dasar stok dan analisis sales di masa depan. BigMart dapat memahami karakteristik produk dan berbagai jenis outlet yang tersebar untuk memainkan peranan sangat penting dalam meningkatkan penjualan. Penjualan tidak mungkin dipisahkan dari tipe-tipe kategori barang yang laku dan tidak laku. Untuk itu perlu analisis yang mendalam untuk mengetahui sejauh mana data barang yang sangat laku, laku, dan kurang laku, untuk merencanakan pembelian kembali setelah barang kosong di gudang. Perusahaan ini perlu mengelompokkan ke berbagai macam cluster untuk mengetahui barang mana yang diminati dan kurang diminati konsumen. Kami menggunakan dataset ini dari Kaggle. Tools yang kami gunakan adalah algoritma k-means, tahapan preprocessing menggunakan Transformasi Z, dan software Rapidminer. Hasil perhitungan menggunakan rumus di Microsoft Excel terdapat 4 kategori barang paling laku, 6 kategori barang laku, dan 6 kategori barang kurang laku dengan terlebih dahulu mengelompokkan titik pusat antar cluster, dan dibagi 3 titik acak C0, C1, dan C2. Pada hasil perhitungan dengan software Rapidminer, hasil Davies Bouldin Index pada performance vector menunjukkan angka 0,497, dari angka ini hasil yang didapat sudah cukup baik, karena berada pada angka>=0.