PENERAPAN ALGORITMA K-MEANS UNTUK KLASTERING PRODUK BERBASIS WEB

Abstract

Dalam era persaingan ritel modern, manajemen persediaan menjadi faktor penting dalam meningkatkan efisiensi operasional. Assalaam Hypermarket menghadapi kendala dalam mengelompokkan produk bazar secara objektif. Penelitian ini bertujuan menerapkan algoritma K-Means untuk melakukan clustering produk berdasarkan data historis penjualan dan mengintegrasikannya ke dalam sistem berbasis web. Data yang digunakan meliputi volume penjualan dan frekuensi transaksi. Metode K-Means dipilih karena kemampuannya mengelompokkan data tanpa label (unsupervised learning). Hasil penelitian menunjukkan bahwa 100 produk berhasil dikelompokkan menjadi tiga kategori, yaitu fast moving (19 produk), medium moving (56 produk), dan slow moving (25 produk). Proses clustering mencapai konvergensi pada iterasi keempat dengan hasil yang stabil. Evaluasi menggunakan Silhouette Score sebesar 0,7075 menunjukkan kualitas pengelompokan yang baik. Sistem berbasis web yang dikembangkan mampu menampilkan hasil clustering secara real-time dan memberikan rekomendasi untuk pengelolaan persediaan. Implementasi ini diharapkan dapat meningkatkan akurasi pengambilan keputusan serta efisiensi operasional perusahaan