Skripsi/Tugas Akhir

Penerapan Algoritma K-Means untuk Mendapatkan Pola Penjualan Bahan Bangunan

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Dalam industri bahan bangunan, pemahaman tentang pola penjualan sangat penting untuk mengoptimalkan strategi bisnis. Pola penjualan mencakup informasi tentang jenis produk yang diminati, total penjualan, dan harga. Toko Bangunan Indra Depo Bangunan 2 di Makassar menghadapi tantangan dalam menganalisis data penjualan untuk mengidentifikasi tren dan preferensi pelanggan. Keterbatasan ini menghambat pemahaman tentang perilaku pembelian dan pengelolaan persediaan yang efektif. Penelitian ini menggunakan metode kuantitatif dengan mengumpulkan data sekunder dari pengelola toko. Data tersebut diolah menggunakan RapidMiner untuk menerapkan algoritma K-Means dalam analisis penjualan. Hasil analisis menunjukkan bahwa algoritma ini efektif dalam mengidentifikasi produk berdasarkan tingkat penjualan. Produk yang paling banyak terjual meliputi semen, cat dinding, gipsum, paku, paving block, dan isolasi, sedangkan produk yang paling sedikit terjual adalah batu bata, pipa PVC, triplek, plavon, kaca, besi, dan kabel. Temuan ini bertujuan untuk membantu pemilik toko dalam pengambilan keputusan strategis dan meningkatkan efisiensi pengelolaan persediaan barang.
Kata Kunci: Algoritma K-Means, Analisis Pola Penjualan, Klasterisasi, Strategi Pemasaran, Manajemen Persediaan, Industri Bahan Bangunan

ABSTRACT
In the building materials industry, understanding sales patterns is crucial for optimizing business strategies. Sales patterns include information about popular product types, total sales, and pricing. Indra Depo Bangunan 2 in Makassar faces challenges in analyzing sales data to identify customer trends and preferences. These limitations hinder the understanding of purchasing behavior and effective inventory management. This study employs a quantitative method by collecting secondary data from store managers. The data is processed using RapidMiner to apply the K-Means algorithm in sales analysis. The results indicate that this algorithm is effective in identifying products based on sales levels. The best-selling products include cement, wall paint, gypsum, nails, paving blocks, and insulation, while the least sold products are bricks, PVC pipes, plywood, ceiling tiles, glass, steel, and cables. These findings aim to assist store owners in making strategic decisions and improving the efficiency of goods inventory management.
Keywords: K-Means Algorithm, Sales Pattern Analysis, Clustering, Marketing Strategy, Inventory Management, Building Materials Industry

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 24-50 TAP p - 0774TI

Penerbit

Makassar : Universitas DIPA., 2024

Deskripsi Fisik

xv + 83 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 24-50

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 10 September 2024

Subjek

Skripsi/Tugas Akhir
K-Means Clustering

Lampiran File