PENERAPAN ALGORITMA K-MEANS UNTUK KLASTERING PRODUK BERBASIS WEB

Dalam era persaingan ritel modern, manajemen persediaan menjadi faktor penting dalam menentukan efisiensi operasional dan profitabilitas perusahaan. Assalaam Hypermarket menghadapi kesulitan dalam mengidentifikasi produk yang layak diprioritaskan untuk keperluan bazar secara objektif karena proses penentuan masih dilakukan secara manual. Kondisi tersebut menyebabkan pengambilan keputusan terkait persediaan, penempatan produk, dan strategi promosi menjadi kurang optimal. Oleh karena itu, diperlukan suatu sistem yang mampu membantu manajemen dalam mengelompokkan produk berdasarkan pola penjualannya secara otomatis dan akurat.
Penelitian ini menggunakan metode K-Means Clustering untuk mengelompokkan produk berdasarkan data transaksi historis bazar. Algoritma K-Means dipilih karena mampu melakukan pengelompokan data tanpa label awal berdasarkan atribut kuantitatif. Variabel yang digunakan dalam proses clustering meliputi volume penjualan dan frekuensi penjualan produk. Selain itu, hasil pengelompokan diintegrasikan ke dalam sistem berbasis web sehingga memudahkan pihak manajemen dalam memantau hasil clustering secara visual dan real-time.
Hasil penelitian menunjukkan bahwa algoritma K-Means berhasil mengelompokkan produk ke dalam tiga kluster, yaitu Fast Moving, Medium Moving, dan Slow Moving. Fast Moving terdiri dari produk dengan tingkat penjualan tinggi, Medium Moving memiliki penjualan yang stabil, sedangkan Slow Moving merupakan produk dengan tingkat penjualan rendah. Evaluasi model menghasilkan nilai silhouette score sebesar 0,71 yang menunjukkan kualitas clustering sudah baik karena mendekati nilai 1. Sistem berbasis web yang dikembangkan juga mampu menampilkan hasil clustering secara efektif sehingga dapat membantu manajemen dalam pengambilan keputusan terkait pengendalian persediaan dan strategi promosi guna meningkatkan efisiensi operasional serta profitabilitas perusahaan