Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Minfo Polgan (JMP)
Dinda Anantya
Universitas Muhammadiyah Sumatera Utara
Computer Science & IT Library & Information Science Mathematics Social Sciences

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pengelompokan Produk Pestisida Berdasarkan Pola Konsumsi Retailer Menggunakan Algoritma HAC dan K-Medoids Dinda Anantya; Yohanni Syahra
Jurnal Minfo Polgan Vol. 15 No. 2 (2026): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v15i2.16127

Abstract

Sektor pertanian sangat bergantung pada efektivitas input produksi pestisida, namun CV. Aneka Jaya Tunas Agro saat ini menghadapi tantangan operasional karena pengambilan keputusan distribusi yang cenderung subjektif. Penelitian ini bertujuan untuk mengelompokkan pola konsumsi retailer guna menghasilkan insight strategis dalam manajemen stok dan optimalisasi distribusi. Dataset yang digunakan merupakan transaksi penjualan tahun 2023–2024 yang dibersihkan menjadi 1.488 data valid dan diagregasi menjadi 134 profil retailer. Menggunakan metodologi Knowledge Discovery in Databases (KDD), dilakukan perbandingan performa antara algoritma Hierarchical Agglomerative Clustering (HAC) dengan metode Ward dan K-Medoids (PAM) menggunakan metrik Silhouette Score dan Davies-Bouldin Index (DBI). Hasil pengujian menunjukkan bahwa algoritma HAC memiliki performa lebih unggul dengan nilai Silhouette Score sebesar 0,5195 dan DBI sebesar 0,7207, dibandingkan K-Medoids yang menghasilkan Silhouette Score 0,2914 dan DBI 1,2987. Berdasarkan hasil klasterisasi, retailer dibagi menjadi tiga kategori utama, yaitu retailer besar (10 unit), retailer menengah (51 unit), dan retailer kecil (73 unit), yang masing-masing diberikan rekomendasi strategi bisnis spesifik. Penelitian ini menyimpulkan bahwa algoritma HAC lebih efektif dalam memetakan pola konsumsi retailer untuk mendukung pengambilan keputusan berbasis data (data-driven).
Co-Authors Yohanni Syahra