Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 3

PENERAPAN ALGORITMA K-MEANS UNTUK PENGELOMPOKAN DAN METODE LEAST SQUARE UNTUK PREDIKSI PENJUALAN BARANG (STUDI KASUS: BUANA MART KENDARI)

SemanTIK: Teknik Informasi · Vol. 6 No. 1 (2020) · hlm. 147–152

DOI
10.55679/semantik.v6i1.8924
ISSN
2502-8928, 2460-1446
Terbit
2020-06-20
Penerbit
Informatics Engineering Department of Halu Oleo University
Bahasa
eng
Lisensi
creativecommons.org/licenses/by-sa/4.0

Abstrak

Toko Buana Mart merupakan toko yang bergerak dalam bidang penjualan bahan campuran yang menjual berbagai jenis barang atau produk serta kebutuhan pokok dan kebutuhan lainnya bagi konsumen. Dengan banyaknya jumlah data penjualan barang Buana Mart, pengelompokan jenis-jenis produk dapat digunakan untuk peningkatan stok pada produk secara tepat. Toko tersebut dalam memperkirakan stok penjualan barang masih menggunakan cara manual sehingga mengalami kesulitan dalam menentukan jumlah barang yang akan dijual. Oleh sebab itu toko tersebut memerlukan sebuah sistem yang dapat melakukan pengolahan data dan memprediksi stok penjualan barang. Untuk memudahkan dalam mengelola dan memprediksi stok barang maka dibuat penelitian dengan menerapkan algoritma K-Means dan metode Least Square. Algoritma K-Means merupakan salah satu algoritma yang digunakan untuk melakukan pengelompokan data yang memiliki kesamaan karakteristik. Metode Least Square merupakan metode yang digunakan untuk melakukan proses perhitungan prediksi menggunakan data deret berkala pada suatu waktu yang akan datang dibuat berdasarkan data pada periode sebelumnya. Hasil penelitian ini dapat dibuat suatu aplikasi pengolahan data dengan algoritma K-Means dengan mengelompokkan barang untuk peningkatan stok. Hasil prediksi menggunakan metode least square mempunyai error (tingkat kesalahan) yang diukur dengan MAPE sebesar 18,14%Kata kunci; K-Means Clustering, Prediksi, Least Square, Persediaan Barang

Jaringan kolaborasi para penulis

40 penulis · 114 tautan kepenulisan bersama · 13 lintas organisasi · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Universitas Halu Oleo
  • Bank Indonesia
  • State University of Semarang
  • Universitas Gadjah Mada
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Jumadil NangiUniversitas Halu Oleo11
Adha Mashur SajiahUniversitas Halu Oleo7
La SurimiUniversitas Halu Oleo6
Arman ArmanUniversitas Halu Oleo5
Edi CahyonoUniversitas Halu Oleo5
L.M. Fid AksaraUniversitas Halu Oleo4
Rahmat RamadhanUniversitas Halu Oleo3
Gusti Arviana RahmanUniversitas Halu Oleo2
Andi TenriawaruUniversitas Halu Oleo2
Umar RamdaniUniversitas Halu Oleo2
Fitria Rihin UyunUniversitas Halu Oleo2
Statiswaty StatiswatyUniversitas Halu Oleo2
Yuwanda PurnamasariAfiliasi tidak diketahui2
Bambang PramonoBank Indonesia2
Isnawaty IsnawatyAfiliasi tidak diketahui2
Jufra JufraAfiliasi tidak diketahui2
Ambo Wonua NusantaraUniversitas Halu Oleo2
Ika Purwanti NingrumUniversitas Halu Oleo2
Dian Safitri DurukaUniversitas Halu Oleo1
Umu KhabibahUniversitas Halu Oleo1
Amal AnugraUniversitas Halu Oleo1
La Ode Muhammad Hafidz Abdillah Sam MongkitoUniversitas Halu Oleo1
Budi Wijaya RaufUniversitas Halu Oleo1
Gunawan GunawanState University of Semarang1
Ferdinand Murni HamunduUniversitas Halu Oleo1
Fazlul Rachmat MubbaraqUniversitas Halu Oleo1
Sri Ayu LestariAfiliasi tidak diketahui1
Muhammad ArfanAfiliasi tidak diketahui1
Achirul Slamet SugiartoAfiliasi tidak diketahui1
La Ode SaidiAfiliasi tidak diketahui1
Ferdinand Murni HamunduAfiliasi tidak diketahui1
SahrulAfiliasi tidak diketahui1
Muhammad ArfanAfiliasi tidak diketahui1
Edi WinarkoUniversitas Gadjah Mada1
La Ode Muh. Golok JayaUniversitas Halu Oleo1
Bambang PramonoUniversitas Halu Oleo1
Wa Ode ErmaliantiUniversitas Halu Oleo1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://ojs.uho.ac.id/index.php/semantik/oai, pertama di-harvest 1 Nov 2026, terakhir terlihat 15 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">PENERAPAN ALGORITMA K-MEANS UNTUK PENGELOMPOKAN DAN METODE LEAST SQUARE UNTUK PREDIKSI PENJUALAN BARANG  (STUDI KASUS: BUANA MART KENDARI)</dc:title>
	<dc:creator>Alam, Indri Anatasya</dc:creator>
	<dc:creator>Jaya, LM Golok</dc:creator>
	<dc:creator>Ransi, Natalis</dc:creator>
	<dc:subject xml:lang="en-US"></dc:subject>
	<dc:description xml:lang="en-US">Toko Buana Mart merupakan toko yang bergerak dalam bidang penjualan bahan campuran yang menjual berbagai jenis barang atau produk serta kebutuhan pokok dan kebutuhan lainnya bagi konsumen. Dengan banyaknya jumlah data penjualan barang Buana Mart, pengelompokan jenis-jenis produk dapat digunakan untuk peningkatan stok pada produk secara tepat. Toko tersebut dalam memperkirakan stok penjualan barang masih menggunakan cara manual sehingga mengalami kesulitan dalam menentukan jumlah barang yang akan dijual. Oleh sebab itu toko tersebut memerlukan sebuah sistem yang dapat melakukan pengolahan data dan memprediksi stok penjualan barang. Untuk memudahkan dalam mengelola dan memprediksi stok barang maka dibuat penelitian dengan menerapkan algoritma K-Means dan metode Least Square. Algoritma K-Means merupakan salah satu algoritma yang digunakan untuk melakukan pengelompokan data yang memiliki kesamaan karakteristik. Metode Least Square merupakan metode yang digunakan untuk melakukan proses perhitungan prediksi menggunakan data deret berkala pada suatu waktu yang akan datang dibuat berdasarkan data pada periode sebelumnya. Hasil penelitian ini dapat dibuat suatu aplikasi pengolahan data dengan algoritma K-Means dengan mengelompokkan barang untuk peningkatan stok. Hasil prediksi menggunakan metode least square mempunyai error (tingkat kesalahan) yang diukur dengan MAPE sebesar 18,14%Kata kunci; K-Means Clustering, Prediksi, Least Square, Persediaan Barang</dc:description>
	<dc:publisher xml:lang="en-US">Informatics Engineering Department of Halu Oleo University</dc:publisher>
	<dc:contributor xml:lang="en-US"></dc:contributor>
	<dc:date>2020-06-20</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://ojs.uho.ac.id/index.php/semantik/article/view/8924</dc:identifier>
	<dc:identifier>10.55679/semantik.v6i1.8924</dc:identifier>
	<dc:source xml:lang="en-US">SemanTIK : Teknik Informasi; Vol 6, No 1 (2020): semanTIK; 147-152</dc:source>
	<dc:source>2502-8928</dc:source>
	<dc:source>2460-1446</dc:source>
	<dc:source>10.55679/semantik.v6i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://ojs.uho.ac.id/index.php/semantik/article/view/8924/pdf</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2020 semanTIK</dc:rights>
	<dc:rights xml:lang="en-US">http://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>