METODE K-MEANS UNTUK KLASIFIKASI PENJUALAN DI TOKO SINAR FASHION DAN BANANA BABY SHOP DI KOTA KISARAN

Sinar Fashion dan Banana Baby Shop merupakan usaha penjualan perlengkapan anak dengan variasi produk yang cukup luas. Namun, permasalahan yang dihadapi adalah belum optimalnya pengelolaan persediaan karena tidak adanya sistem klasifikasi penjualan yang akurat. Hal ini menyebabkan kesulitan dalam memahami preferensi konsumen dan menentukan strategi pengadaan barang secara efisien. Penelitian ini bertujuan untuk menerapkan algoritma K-Means Clustering berbasis web guna mengelompokkan penjualan produk perlengkapan anak secara otomatis berdasarkan karakteristik dan volume penjualan. Metode penelitian yang digunakan meliputi enam tahapan: pengumpulan data, identifikasi masalah, studi literatur, perancangan sistem dengan UML, pembangunan sistem menggunakan PHP dan Sublime Text, serta implementasi sistem. Data penjualan dari Februari hingga Mei 2025 digunakan sebagai data latih untuk proses klasterisasi. Sistem ini dirancang agar dapat mengelompokkan produk ke dalam beberapa klaster seperti produk paling laris, kurang laris, dan tidak laris. Hasil penelitian menunjukkan bahwa metode K-Means efektif dalam mengidentifikasi pola penjualan yang serupa antar produk. Evaluasi kualitas klasterisasi dilakukan dengan menggunakan dua metrik, yaitu silhouette score dan Davies-Bouldin Index. Nilai silhouette score sebesar 0,74 mengindikasikan kualitas klasterisasi yang baik, sementara Davies-Bouldin Index bernilai 0,42 yang menunjukkan pemisahan antar klaster yang cukup jelas. Kombinasi kedua metrik ini memperkuat validitas hasil klasterisasi. Penerapan sistem ini membantu pemilik toko dalam pengambilan keputusan yang lebih tepat, seperti perencanaan stok, strategi promosi, dan efisiensi distribusi.