CLUSTERING DATA PERSEDIAAN BARANG DENGAN MENGGUNAKAN METODE K-MEANS PADA TOKO SNACK RUKIN

Toko Snack Rukin sering mengalami masalah ketidakseimbangan persediaan, di mana beberapa produk mengalami kelebihan stok sementara produk lain mengalami kekurangan stok, menyebabkan ketidakpuasan pelanggan dan efisiensi operasional yang rendah. Penelitian ini menggunakan metode K-Means Clustering untuk mengatasi masalah tersebut dengan mengelompokkan barang berdasarkan volume penjualan. Hasil penelitian menunjukkan bahwa metode K-Means Clustering berhasil mengelompokkan barang menjadi tiga cluster: barang yang sangat diminati (150 unit/bulan), barang yang cukup diminati (90 unit/bulan), dan barang yang kurang diminati (30 unit/bulan). Dengan hasil clustering ini, Toko Snack Rukin dapat meningkatkan efisiensi pengelolaan persediaan, mengurangi kelebihan dan kekurangan stok, serta meningkatkan kepuasan pelanggan. Implementasi algoritma K-Means dilakukan mulai dari load data, preprocessing, hingga clustering dan evaluasi menggunakan Silhouette Score yang menghasilkan nilai 0.638, menunjukkan struktur klaster yang baik. Pengujian sistem dengan metode blackbox memastikan fungsi-fungsi berjalan dengan baik. Rekomendasi dari penelitian ini adalah penerapan sistem pengelolaan persediaan berbasis data untuk pemantauan dan pengelolaan stok secara real-time.