Klasterisasi Outlet Berdasarkan Data Penjualan Dengan Menggunakan Algoritma K-Medoids

Data mining kini digunakan diberbagai bidang termasuk bisnis. Data mining memiliki beberapa teknik, salah satunya yang populer yaitu teknik Clustering. Ketersediaan data yang melimpah, kebutuhan akan ketersediaan informasi (atau pengetahuan) sebagai acuan bagi pelaku bisnis dalam proses pengambilan keputusan untuk membuat solusi bisnis merupakan cikal-bakal dari lahirnya teknologi data mining. PT. Gondowangi salah satu bisnis yang memiliki ketersediaan data yang melimpah, menghasilkan data penjualan dari setiap outlet yang beragam sehingga pendistribusian produk dan penentuan strategi penjualan. Analisis terhadap data penjualan dengan jumlah yang besar dan data yang beragam tidak efektif dan efisien. Proses analisis data yang dilakukan manual memerlukan waktu yang lama, sehingga ketersediaan informasi atau pengetahuan mendalam dari data penjualan sulit ditemukan. Penelitian ini mengarah pada penggunaan teknik clustering dengan algoritma K-Medoids untuk mengeksplorasi data guna mendapatkan pengelompokan outlet berdasarkan data penjualan. Penggunaan teknik clustering dengan algoritma K-Medoids mampu menunjukan pengelompokan terhadap data penjualan yang menghasilkan pengelompokan outlet. Hasil pengujian pada hasil clustering dengan beberapa nilai K didapatkan jumlah K=3 memiliki nilai silhoutte Coefficient yang paling tinggi dan mendekasi Si = 1 yaitu dengan nilai 0,92669616303752 yang merupakan struktur kuat.Data mining kini digunakan diberbagai bidang termasuk bisnis. Data mining memiliki beberapa teknik, salah satunya yang populer yaitu teknik Clustering. Ketersediaan data yang melimpah, kebutuhan akan ketersediaan informasi (atau pengetahuan) sebagai acuan bagi pelaku bisnis dalam proses pengambilan keputusan untuk membuat solusi bisnis merupakan cikal-bakal dari lahirnya teknologi data mining. PT. Gondowangi salah satu bisnis yang memiliki ketersediaan data yang melimpah, menghasilkan data penjualan dari setiap outlet yang beragam sehingga pendistribusian produk dan penentuan strategi penjualan. Analisis terhadap data penjualan dengan jumlah yang besar dan data yang beragam tidak efektif dan efisien. Proses analisis data yang dilakukan manual memerlukan waktu yang lama, sehingga ketersediaan informasi atau pengetahuan mendalam dari data penjualan sulit ditemukan. Penelitian ini mengarah pada penggunaan teknik clustering dengan algoritma K-Medoids untuk mengeksplorasi data guna mendapatkan pengelompokan outlet berdasarkan data penjualan. Penggunaan teknik clustering dengan algoritma K-Medoids mampu menunjukan pengelompokan terhadap data penjualan yang menghasilkan pengelompokan outlet. Hasil pengujian pada hasil clustering dengan beberapa nilai K didapatkan jumlah K=3 memiliki nilai silhoutte Coefficient yang paling tinggi dan mendekasi Si = 1 yaitu dengan nilai 0,92669616303752 yang merupakan struktur kuat