Analisis Produk Terlaris Menggunakan Metode K-Means Clustering Pada Toko Distro Engkus : Analysis of Best Selling Product Using The K-Means Clustering Method at Distro Engkus Store

Dewi, Sofia
Wijana, Miki
Saepuloh, Asep

Indonesian Journal of Informatic Research and Software Engineering
Vol. 6 No. 1 (2026): Indonesian Journal of Informatic Research and Software Engineering (IJIRSE)

Penelitian ini bertujuan mengatasi masalah Distro Engkus dalam menentukan produk terlaris dan kurang laris secara manual, yang rawan kesalahan dalam pengambilan keputusan pengadaan barang dan pengelolaan stok. Oleh karena itu, diterapkan algoritma K-Means Clustering untuk menganalisis data produk dengan variabel Stok Awal, Stok Terjual, dan Stok Akhir. K-Means digunakan untuk mengelompokkan produk ke dalam tiga kategori: sangat laris, laris, dan kurang laris. Kebaruan penelitian ini terletak pada pemilihan variabel clustering yang secara langsung bertujuan menyelesaikan masalah manajemen inventaris dan bukan segmentasi pelanggan. Temuan menunjukkan bahwa penerapan K-Means efektif dalam mengelompokkan produk secara objektif dan efisien. Hasil validasi internal menggunakan Davies-Bouldin Index (DBI) menunjukkan nilai 0,392 mengindikasikan kualitas clustering yang baik. Penggunaan RapidMiner mendukung manajemen dalam mengambil keputusan strategis yang lebih cepat dan akurat, terutama dalam pengadaan dan pengelolaan persediaan