Implementasi Algoritma K-Means Data Mining Untuk Clustering Data Transaksi Pengeluaran Toko Sepatu

Abstract

Toko Sepatu Ldr. Secondbrand merupakan salah satu toko di Pekan Baru yang belum pernah memanfaatkan data transaksi toko tersebut, terlebih lagi mereka tidak mengetahui bahwa data tersebut dapat diolah yang nantinya akan menciptakan data yang bermanfaat untuk toko itu sendiri. Bersumber pada permasalahan tersebut maka penulis akan melaksanakan riset terkait penerapan algoritma K-Means pada data transaksi pengeluaran guna mengetahui pola pembelian customer, yang nantinya diharapkan dapat dimanfaatkan lebih lanjut oleh toko tersebut. Tujuan penelitian ini  untuk mengimplementasikan Data Mining pada transaksi pengeluaran toko sepatu Ldr. Secondbrand, yang menggunakan algoritma K-Means yang visualisasinya akan ditampilkan di web. Data yang di input ke dalam sistem ialah data pengeluaran sewa gedung, data gaji karyawan, air, listrik dan lain-lain yang bersifat pengeluaran. Dari hasil pengujian sistem terlihat bahwa pada cluster 1 biaya pengeluaran terbesarnya sebanyak 72,000,000.00 per tahunya, pada cluster 2 6,600,000.00, pada cluster 3 2,940,000.00 dan pada cluster 4 105,000,000.00. Sistem yang dirancang dapat menyelesaikan permasalahan Clustering data transaksi pengeluaran toko sepatu Ldr. Secondbrand dikarenakan sistem dapat memberikan sebuah informasi mengenai data transaksi pengeluaran yang tersusun secara klasifikasi.