Klasterisasi Tingkat Penjualan pada Startup Panak.id dengan Algoritma K-Means

Abstrak

Pengolahan data penjualan merupakan salah satu cara bagi perusahaan dalam menunjang pengambilan keputusan ke depannya. Salah satu cara mengolah data penjualan yaitu melakukan klasterisasi dengan teknik data mining yang hadir sebagai solusi perusahan untuk bisa mengolah data penjualan yang dimiliki dengan melakukan proses yang menghasilkan pengetahuan baru. Pengetahuan yang didapatkan dari data-data yang dimiliki biasa disebut sebagai Knowledge Discovery in Database (KDD) yang terdiri dari langkah-langkah seperti; pemilihan data, pembersihan data, pencarian pola (data mining), dan interpretasi. Pada penelitian ini, penulis akan membahas teknik dan aplikasi data mining menggunakan algoritma K-Means yang diaplikasikasikan dengan bahasa pemrograman Python. Penelitian dilakukan di perusahaan startup Panak.id dengan mengakses data penjualan produk olahan ternak pada periode Juli 2021 – Juli 2022. Hasil penelitian menunjukkan tingkat penjualan produk didominasi oleh produk-produk yang masuk ke dalam kategori kurang laris. Hal ini menunjukkan bahwa dari banyaknya jenis produk yang ditawarkan oleh Panak.id, masih banyak produk yang kurang diminati oleh masyarakat. Dari pengetahuan tersebut, pihak perusahaan dapat mengambil keputusan terkait strategi penjualan maupun inovasi pada produk-produk yang kurang laris dengan harapan dapat lebih meningkatkan penjualan. Selain itu, pihak perusahaan juga dapat menjadikan pengetahuan ini sebagai prediksi dalam hal pengontrolan stok agar produk-produk yang kurang laku dapat lebih terawasi produksinya untuk menghindari penumpukan stok di gudang.