CLUSTERING DATA BARANG DARI TRANSAKSI CLOTHING BENGKULU MENGGUNAKAN ALGORITMA K-MEANS

Abstract

Perkembangan usaha ritel menuntut pengelolaan data penjualan yang akurat guna mendukung pengambilan keputusan berbasis data. Toko Clothing Bengkulu menghadapi kendala dalam mengidentifikasi produk yang tergolong laris, kurang laris, dan tidak laris berdasarkan data transaksi yang tersedia. Penelitian ini bertujuan untuk mengelompokkan produk berdasarkan tingkat penjualan menggunakan algoritma K-Means dengan pendekatan Knowledge Discovery in Databases (KDD). Data yang dianalisis berjumlah 115 item produk selama periode Januari–Mei 2025 melalui tahapan seleksi data, pembersihan, transformasi, proses clustering, dan evaluasi. Jumlah klaster ditetapkan sebanyak tiga kategori. Hasil pengelompokan menunjukkan 33 produk termasuk kategori laris, 62 produk kurang laris, dan 20 produk tidak laris. Evaluasi performa menghasilkan nilai average within centroid distance sebesar 966,181 dan Davies Bouldin Index sebesar 0,724 yang menunjukkan kualitas klaster yang cukup baik. Hasil penelitian ini dapat dimanfaatkan sebagai dasar dalam perencanaan strategi stok dan promosi guna meningkatkan efektivitas pengelolaan persediaan dan penjualan