KLASTERISASI DATA PENJUALAN BERDASARKAN WILAYAH MENGGUNAKAN METODE K-MEANS PADA PT XYZ

Elin Mayoana Fitri, Ryan Randy Suryono, A. Wantoro
{"title":"KLASTERISASI DATA PENJUALAN BERDASARKAN WILAYAH MENGGUNAKAN METODE K-MEANS PADA PT XYZ","authors":"Elin Mayoana Fitri, Ryan Randy Suryono, A. Wantoro","doi":"10.23960/komputasi.v11i2.12582","DOIUrl":null,"url":null,"abstract":"PT XYZ merupakan perusahaan yang bergerak dalam bidang distributor minuman ringan yang ada di Lampung. Permasalahan yang dihadapi perusahaan saat ini dalam mengelola data transaksi penjualan di setiap cabangnya masih dilakukan pengelompokkan secara manual sehingga menjadi kurang efisien. Penelitian ini bertujuan untuk memberikan kemudahan bagi perusahaan dalam mengelola data transaksi penjualannya untuk mengetahui tingkat penjualan produk pada setiap cabangnya. Penelitian dilakukan dengan menggunakan metode clustering algoritma k-means, dan menggunakan bahasa pemrograman python. Data akan di clustering ke dalam 3 cluster yaitu penjualan tertinggi, penjualan, sedang, dan penjualan terendah. Hasil dari penelitian menunjukkan bahwa penjualan dengan nilai tertinggi adalah pada region 3, penjualan dengan nilai sedang berada pada region 11 dan penjualan dengan nilai terendah yaitu pada region 4. Pengujian terhadap hasil clustering dalam penelitian ini menggunakan metode silhouette score untuk mengetahui jumlah klaster yang optimal. Hasilnya didapatkan skor untuk klaster data penjualan berdasarkan region adalah 0,78 dan untuk klaster data penjualan berdasarkan outlet adalah 0,58. Skor tersebut menunjukkan bahwa jumlah klaster yang dihasilkan masuk kedalam kategori baik karena tidak mendekati -1. Berdasarkan hasil klasterisasi tersebut diharapkan dapat menjadi rekomendasi PT XYZ dalam menentukan strategi penjualan sebagai upaya meningkatkan keuntungan bagi perusahaan.","PeriodicalId":292117,"journal":{"name":"Jurnal Komputasi","volume":"92 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-10-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Komputasi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.23960/komputasi.v11i2.12582","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

PT XYZ merupakan perusahaan yang bergerak dalam bidang distributor minuman ringan yang ada di Lampung. Permasalahan yang dihadapi perusahaan saat ini dalam mengelola data transaksi penjualan di setiap cabangnya masih dilakukan pengelompokkan secara manual sehingga menjadi kurang efisien. Penelitian ini bertujuan untuk memberikan kemudahan bagi perusahaan dalam mengelola data transaksi penjualannya untuk mengetahui tingkat penjualan produk pada setiap cabangnya. Penelitian dilakukan dengan menggunakan metode clustering algoritma k-means, dan menggunakan bahasa pemrograman python. Data akan di clustering ke dalam 3 cluster yaitu penjualan tertinggi, penjualan, sedang, dan penjualan terendah. Hasil dari penelitian menunjukkan bahwa penjualan dengan nilai tertinggi adalah pada region 3, penjualan dengan nilai sedang berada pada region 11 dan penjualan dengan nilai terendah yaitu pada region 4. Pengujian terhadap hasil clustering dalam penelitian ini menggunakan metode silhouette score untuk mengetahui jumlah klaster yang optimal. Hasilnya didapatkan skor untuk klaster data penjualan berdasarkan region adalah 0,78 dan untuk klaster data penjualan berdasarkan outlet adalah 0,58. Skor tersebut menunjukkan bahwa jumlah klaster yang dihasilkan masuk kedalam kategori baik karena tidak mendekati -1. Berdasarkan hasil klasterisasi tersebut diharapkan dapat menjadi rekomendasi PT XYZ dalam menentukan strategi penjualan sebagai upaya meningkatkan keuntungan bagi perusahaan.
使用 K-均值法按地区对销售数据进行聚类,PT XYZ
PT XYZ 是一家在楠榜从事软饮料分销商的公司。目前,该公司在管理各分公司销售交易数据方面面临的问题仍然是手工操作,因此效率较低。本研究旨在为公司管理销售交易数据提供便利,以确定各分公司的产品销售水平。研究采用 k-means 算法聚类方法,并使用 python 编程语言。数据将被聚类为 3 个聚类,即最高销售额、销售额、中等销售额和最低销售额。研究结果显示,销售额最高的在第 3 区域,销售额中等的在第 11 区域,销售额最低的在第 4 区域。 本研究使用剪影得分法测试聚类结果,以确定最佳聚类数量。结果显示,按地区对销售数据进行聚类的得分为 0.78,按销售点对销售数据进行聚类的得分为 0.58。该得分表明所产生的聚类数目属于良好范畴,因为它并不接近-1。根据聚类结果,预计将建议 PT XYZ 确定销售策略,努力提高公司利润。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信