Jurnal Bianglala Informatika Vol 3 No 1 Maret 2015 lppm3.bsi.ac.id/jurnal

Transkripsi

1 Peerapa Metode K-Meas Utuk Clusterig Produk Olie Shop Dalam Peetua Stok Barag Elly Muigsih 1 da Sri Kiswati 2 AMIK BSI Yogyakarta elly.emh@bsi.ac.id, sri.srk@bsi.ac.id ABSTRAK - Maajeme stok dilakuka secara tidak akurat da asal-asala aka meyebabka biaya simpa tiggi da tidak ekoomis, karea bisa terjadi kekosoga atau kelebiha produk tertetu. Hal ii tetu aka sagat merugika semua pelaku usaha seperti halya olie shop. Peelitia ii bertujua utuk megelompokka produk dijual pada olie shop Ragam Jogja mejadi beberapa cluster utuk megetahui produk maa palig dimiati sehigga jumlah stok harus bayak, produk dimiati utuk jumlah stok sedag da produk kurag dimiati utuk jumlah stok sedikit. Metode diguaka pada peelitia ii adalah metode K-Meas merupaka salah satu metode terbaik da palig popular dalam algoritma clusterig dimaa K-Meas mecari partisi optimal dari data dega memiimalka kriteria jumlah kesalaha kuadrat dega prosedur iterasi optimal. Variabel diguaka adalah kode produk, jumlah trasaksi, volume pejuala da rata-rata pejuala. Peelitia juga didukug dega software Rapidmier utuk pegolaha data dega metode K-Meas. Hasil akhir dari peelitia adalah berupa suatu program aplikasi dapat megelompokka produk mejadi kategori jumlah stok bayak, sedag da sedikit berdasarka trasaksi pejuala. Kata kuci : clusterig, maajeme stok, metode K-Meas, program aplikasi I. Pedahulua Tekologi iteret saat ii berkembag sagat pesat terutama dalam duia bisis, hal ii dapat dilihat dega muculya electroic commerce (e-commerce) (Ustadiyato, 2001). E-Commerce memberika mafaat bagi perusahaa sehigga aka mejadi keuggula kompetitif bagi perusahaa megaplikasikaya. (Rudy, Wahyudiarti, Megaputri, & Wihardii, 2008). Lembaga atau perusahaa megaplikasika E- Commerce dalam kegiata pejuala atau perdagagaya biasa dikeal dega ama Toko Olie atau Olie Shop. Ragam Jogja merupaka salah satu olie shop berdomisili di Jogja. Barag dijual atara lai adalah Batik, tas-tas kerajia khas Yogyakarta, sarug batal kursi khas Jogja, jilbab, da lai-lai. Distribusi Ragam Jogja meliputi seluruh wilayah Idoesia bahka luar egeri. Pada saat ii, olie shop Ragam Jogja melakuka pemeuha stok barag atau produk da melakuka pecatata trasaksi secara maual. Jumlah permitaa dari kosume fluktuatif megakibatka stok harus disiapka Ragam Jogja mejadi tidak stabil. Selai itu produk beragam da bayak jeisya mejadika maajeme stok dilakuka mejadi tidak akurat. Kadag karea tidak igi terjadi kekuraga stok barag atau produk tertetu pada saat permitaa kosume dalam jumlah besar, maka perusahaa megambil lagkah yaitu melakuka pemesaa barag produk tertetu lebih besar daripada sebelumya. Hal ii dapat megatasi kekuraga persediaa stok produk tertetu da olie shop juga tidak perlu melakuka pemesaa berulag-ulag ke pegraji, tetapi megakibatka biaya simpa tiggi da tidak ekoomis. Selai itu maajeme stok tidak akurat juga megakibatka serig terjadi kekuraga atau kelebiha produk tertetu akhirya aka megecewaka kosume. Permasalaha terjadi pada olie shop tersebut disebabka karea olie shop megalami kesulita dalam meetuka stok miimum tiap barag harus dipeuhi berdasarka miat kosume. Utuk dapat megatasi permasalaha terjadi, maka olie shop membutuhka suatu metode da sistem perecaaa stok barag lebih baik sehigga dapat meetuka produk maa harus di stok bayak, sedag atau bahka sedikit agar olie shop tidak lagi megalami kekuraga atau bahka kelebiha dalam pemeuha stok produk tertetu. Peetua jumlah stok produk kurag akurat karea harus berdasarka pegetahua dari jumlah data trasaksi pejuala besar (Setiawa, 2011). Karea hal itu utuk medapatka pegetahua tersebut maka diperluka suatu proses pegolaha data historis trasaksi besar diperluka suatu tekik data miig. Tekik data miig aka diguaka pada peelitia ii adalah metode K-Meas da software diguaka sebagai pedukug pegolaha data adalah RapidMier. Peelitia diharapka dapat meghasilka suatu model program aplikasi dapat megcluster atau megelompoka produk harus memiliki jumlah stok bayak karea palig dimiati, jumlah stok sedag ISSN :

2 karea produk dimiati da jumlah stok sedikit karea produk kurag dimiati dari beragam produk bayak juga program aplikasi memudahka olie shop meerapka hasil di peroleh. II. Tijaua Pustaka E-Commerce dapat didefiisika sebagai cara utuk mejual da membeli barag atau jasa melalui jariga Iteret mecakup bebrapa aspek (Nugroho, 2006). Sedagka meurut Laudo dalam (Sarwoo & Prihartoo, 2012), e-commerce diartika sebagai pegguaa Iteret da Web utuk bertrasaksi bisis atau bias juga didefiisika sebagai suatu trasaksi perdagaga secara digital atar orgaisasi atau idividu. Defiisi lai dijelaska oleh (Velpula, Pakaati, & M, 2010) meyebutka bahwa E-Commerce adalah suatu perubaha wajah bisis meghasilka meajeme kosume lebih baik, strategi baru pemasara, ekspasi jagkaua komoditi da operasi-operasi lai lebih efisie. Persediaa atau stok merupaka salah satu usur palig aktif dalam operasi lembaga atau orgaisasi secara terusmeerus diperoleh, diubah kemudia dijual kembali. Persediaa didefiisika sebagai simpaa material berupa baha metah, barag dalam proses da barag jadi. Sedagka pegedalia persediaa merupaka aktivitas mempertahaka jumlah persediaa pada tigkat dikehedaki, sehigga persediaa ii berfugsi utuk mempermudah jalaya operasi perusahaa dilakuka secara berturut-turut utuk proses bisis (Wijaya, Arifi & Soebijoo, 2013). Defiisi persediaa dijelaska oleh Rusdah (2011) adalah sebagai suatu aktivitas meliputi barag pemilik orgaisasi dega maksud utuk dijual dalam suatu waktu atau periode usaha tertetu atau persediaa barag-barag masih dalam pegerjaa proses produksi ataupu persediaa baha baku meuggu pegguaya dalam proses produksi. Data miig merupaka sebuah iti dari proses Kowledge Discovery i Database (KDD), meliputi dugaa algoritma megeksplor data, membagu model da meemuka pola belum diketahui. KDD bersifat otomatis, dapat didefiisika sebagai pegorgaisasia proses utuk pegidetifikasia bear, bergua da peemua pola dari kumpula data besar da komplek. (Maimo & Rokach, 2010). Data miig merupaka peyelesaia masalah dega megaalisa data ada pada database, dimaa data tersimpa secara elektroik da pecariaya dilakuka otomatis seperti pada komputer. Tahapa pada proses KDD pada database digambarka sebagai berikut (Maimo & Rokach, 2010) : Gambar 1. Tahapa proses KDD dalam database Sumber : Maimo & Rokach (2010) Dalam peelitia ii, metode diguaka adalah Metode K-Meas. Metode K-Meas merupaka salah satu metode dalam fugsi clusterig atau pegelompoka. Clusterig megacu pada pegelompokka data, observasi atau kasus berdasar kemiripa objek diteliti. Sebuah cluster adalah suatu kumpula data mirip dega laiya atau ketidakmiripa data pada kelompok lai (Larose, 2005). Clusterig dijelaska oleh (Xu & Wusch II, 2009) diartika dega membagi objek data (betuk, etitas, cotoh, ketaata, uit) ke dalam beberapa jumlah kelompok (grup, bagia atau kategori). Sedagka tujua proses clusterig dijelaska oleh Agusta (2007) yaitu utuk memiimalka terjadiya objective fuctio diset dalam proses clusterig, pada umumya diguaka utuk memiimalisasika variasi dalam suatu cluster da memaksimalka variasi atar cluster. Algoritma metode K-Meas meurut Agusta (2007) adalah sebagai berikut : 1. Tetuka jumlah cluster 2. Alokasika data sesuai dega jumlah cluster telah ditetuka 3. Hitug ilai cetroid pada tiap-tiap cluster 4. Alokasika masig-masig data ke cetroid terdekat 5. Kembali ke step 3, apabila masih terdapat perpidaha data dari satu cluster ke cluster laiya, atau apabila perubaha pada ilai cetroid masih di atas ilai threshold ditetuka, atau apabila perubaha pada ilai objective fuctio masih di atas ilai threshold ditetuka. Utuk meghitug cetroid cluster ke-i, vi, diguaka rumus sebagai berikut : ISSN :

3 dimaa : Ni : Jumlah data mejadi aggota cluster ke-i III. Metode Peelitia 3.1 Jeis Peelitia Jeis peelitia diguaka dalam peelitia ii adalah jeis peelitia terapa. Peelitia terapa adalah sebuah peelitia utuk meghasilka sesuatu lagsug bisa diterapka utuk memecahka suatu masalah. Pada proyek akhir ii, peulis meerapka algoritma K-Meas pada sebuah program aplikasi utuk megelompokka stok barag dega jumlah bayak, sedag atau sedikit berdasarka pemiata produk megguaka metode K-Meas. Data peelitia diambil dari objek peelitia yaitu olie shop Ragam Jogja. 3.2 Jeis da Sumber Data 1. Jeis data diguaka adalah data kuatitatif. Data kuatitatif adalah jeis data dapat dihitug, berupa agka atau omial. Data historis trasaksi pejuala adalah jeis data kuatitatif karea berupa agka atau omial da dapat dihitug. Lebih spesifik lagi, data diguaka berupa data matriks, yaitu jeis data memiliki objek da atribut. 2. Sumber Data diguaka dalam peelitia adala Data Primer da Data Sekuder. Sumber data primer merupaka sumber data diperoleh secara lagsug dari sumber asli da tidak melalui media peratara. Data historis trasaksi pejuala diguaka diperoleh secara lagsug dari objek peelitia melalui wawacara da dokumetasi. Sedagka data sekuder merupaka sumber data peelitia diperoleh secara tidak lagsug melalui media peratara diperoleh da dicatat oleh pihak lai. Data sekuder pada umumya berupa bukti catata atau lapora historis dipublikasika. Data sekuder peeliti maksud dalam peelitia ii adalah sumber data diguaka utuk meujag kelegkapa teori data primer. 3.3 Metode Pegumpula Data Berdasarka sumber data diguaka pada peelitia proyek akhir ii, maka metode pegumpula data peulis guaka adalah sebagai berikut, 1. Wawacara, adalah metode pegumpula data melalui kegiata taya jawab lagsug dega perso ada pada objek peelitia. Wawacara peulis lakuka dega karyawa maupu ower dari Ragam Jogja 2. Dokumetasi, adalah metode pegumpula data dega megumpulka catata-catata atau dokume-dokume. Data telah peulis dapatka dari metode wawacara, peulis kumpulka mejadi satu sehigga mejadi sebuah dokume siap diguaka utuk kepetiga peelitia. 3. Studi Pustaka, adalah mempelajari karya ilmiah, buku ilmiah, da sumber ilmiah laiya sesuai dega peelitia da memiliki hubuga dega masalah diteliti. Referesi ilmiah peulis guaka adalah sumbersumber terdapat dalam daftar kepustakaa Populasi da Tekik Pegambila Sampel Populasi target dalam peelitia ii adalah data historis trasaksi pejuala bula Jauari 2011 s/d Mei 2012 dega data master kode produk haya megadug kategori Batik saja memiliki 31 jeis produk da berjumlah 235 trasaksi. Sampel adalah sebagia jumlah obyek diteliti. Meurut Gay & Diehl (1992), Semaki besar sampelya maka kecederuga lebih represetatif da hasilya lebih digealisir, maka ukura sampel dapat diterima tergatug pada jeis dari peelitiaya. Berdasarka pegertia tersebut, maka semaki besar sampel semaki represetatif da hasilya lebih digeeralisir. Besarya sampel pada peelitia ii berdasarka pada rumus Slovi yaitu : N = / N (d) = 235 / 235 (0.05) = 148,03 dibulatka mejadi 148 dimaa : = sampel N = populasi; d = ilai presisi 95% atau sig. = 0,05 (tigkat kesalaha dikehedaki adalah 5%) Da utuk tekik pegambila sampel peelitia ii megguaka Simple Radom Samplig dimaa pearika sampel megguaka prosedur memugkika setiap eleme dalam populasi aka memiliki peluag sama utuk dijadika sampel. Dalam melakuka tekik samplig ii, peeliti megguaka software SPSS utuk meetuka sampel. ISSN :

4 3.5 Metode Aalisis Ada beberapa tahap dalam melakuka suatu peelitia. Pada peelitia ii peelitia ii megguaka metode KDD terdiri dari sembila lagkah (Maimo & Rokach, 2010) yaitu : 1. Tahap Domai Uderstadig da KDD Goals. Berdasarka pegamata, olie shop RAGAM JOGJA selama ii melakuka peetua stok secara maual sehigga tidak akurat da megakibatka biaya simpa tiggi juga tidak ekoomis. 2. Tahap Selectio da Additio. Data historis diambil dari data trasaksi pejuala olie shop RAGAM JOGJA dari bula Jauari 2011 Mei Peelitia ii memfokuska pada produk kategori Batik aka dikelompokka dega kriteria tertetutahap Preprocessig da Data Cleasig. Preprocessig data pada tahap ii adalah megambil 148 data sampel dari data trasaksi pejuala megguaka software SPSS dega metode Simple Radom Samplig. 3. Tahap Trasformatio. Proses trasformasi data dega cara merubah kode produk terjual sebagai atribut lama dega kode produk baru utuk memudahka pemrosesa data sehigga didapatka kode baru utuk produk da beberapa atribut lai tidak diguaka dihilagka. Atribut diguaka dalam peelitia adalah kode produk, jumlah trasaksi, volume pejuala da rata-rata pejuala, seperti ditampilka pada table berikut : Tabel 1. Atribut da ilai diguaka jml prod volume rata-rata trasaks uk pejuala pejuala i , ,35 p ,50 p ,50 p ,17 p ,67 p ,13 p ,25 p , , , , , , , , , , , , , , , , , , , , ,50 p ,00 p ,00 Sumber : Data Sekuder Peelitia (2014) 4. Tahap Data Miig memilih tipe data miig cocok. Tipe Data Miig diguaka dalam peelitia ii adalah clusterig utuk pegelompoka produk utuk peetua stok produk dega jumlah bayak utuk produk palig dimiati, jumlah sedag utuk produk dimiati da jumlah sedikit utuk produk kurag dimiati. 5. Tahap Data Miig memilih algoritma data miig. Metode diguaka dalam peelitia adalah metode K-Meas megkluster produk mejadi 3 kelompok yaitu kelompok pertama produk utuk stok bayak, kelompok kedua produk utuk stok sedag da kelompok ketiga produk utuk stok sedikit berdasarka pemiata terhadap produk. 6. Tahap Data Miig dalam pegguaa algoritma data miig. Pada tahap ii dilakuka implemetasi dari algoritma data miig telah ditetuka pada tahap sebelumya. 7. Tahap Evaluatio. Pada tahap ii dilakuka evaluasi terhadap sampel data dihasilka megeai peetua stok produk utuk jumlah bayak, sedag atau sedikit. Dari hasil pegolaha data tersebut kemudia dihitug perbadiga atara jumlah produk diaggap releva da tidak releva dega jumlah stok produk bayak, sedag atau sedikit dega megguaka metode Precisio da Recall. Utuk selajutya proses aalisis data, aka dihitug tigkat akurasi dega megguaka rumus F1, sehigga aka diketahui jumlah akurasi dari sistem tersebut. 8. Tahap Discovered Kowledge ( Visualizatio da Itegratio). Pegguaa pegetahua diperoleh. Pada tahap ii, peerapa metode K-Meas utuk clusterig produk dalam peetua stok produk ISSN :

5 beragam da bayak jeisya utuk produk palig dimiati, jumlah sedag utuk produk dimiati da jumlah sedikit utuk produk kurag dimiati 3.6 Metode Pegembaga Peragkat Luak Pegembaga program aplikasi tidak memiliki stadar da metodologi terstruktur. Pedekata dilakuka pada umumya adalah implemetasi, uji da rilis. Pegembaga program aplikasi mempuyai kebutuha utuk koordiasi yaitu peyediaa proses, aspek-aspek dari pegembaga, pegujia, evaluasi, peyebara da pemeliharaa aplikasi teritegrasi di dalam proses desai melalui siklus hidup pegembaga. Model pegembaga peragkat luak dalam peelitia ii megguaka model proses Waterfall (Sommervilee, 2007) digambarka sebagai berikut : Require IV. Gambar 2. Proses Waterfall Sumber : Sommerville (2007) Hasil da Pembahasa 4.1 Hasil Iterasi dega metode K-Meas Tabel 2. Hasil Iterasi ke-4 ko de pr od uk jm l tra s ak si System volum e peju ala ratarata peju ala Implemetat Itegratio Operatio Nilai Cluster Cluster ,38 101,8 9 25,16 15,72 * ,35 69,45 7,78 47,07 * 120,7 p , ,53 6,37 * p ,50 122,7 6 47,38 8,12 * p ,17 112,1 7 36,60 2,75 * p ,67 84,09 8,46 31,19 * p ,13 92,04 15,64 23,69 * p ,25 51,76 27,89 67,15 * 117,4 p , ,99 2,76 * ,95 58,51 18,30 57,14 * 112, , ,60 2,75 * ,50 115,4 8 40,15 1,61 * ,00 123,9 2 48,68 9,45 * ,64 32,38 44,48 83,04 * 104, , ,50 12,90 * ,67 115,1 39,40 0,70 * ,57 21,21 59,71 96,24 * ,44 51,35 127, ,1 3 * 117, , ,82 4,62 * ,79 85,21 9,87 29,94 * 123, , ,68 9,45 * ,21 61,44 17,16 56,38 * 102, , ,08 13,38 * ,75 88,60 11,84 28,64 * 107, , ,79 7,56 * ,00 87,75 11,01 28,57 * ,00 82,24 7,72 32,83 * ,00 85,68 8,88 30,81 * 122, , ,38 8,12 * p ,00 116,6 4 41,47 2,98 * p ,00 117,4 5 41,99 2,76 * Karea pada iterasi ke-4 seperti ditampilka pada tabel diatas posisi cluster sudah tidak berubah, maka iterasi dilakuka haya pada proses iterasi ke-4, da dari clusterig didapatka hasil sebagai berikut : 1. Cluster pertama memiliki pusat (26, , 5.22) dapat diartika sebagai kelompok produk palig dimiati sehigga jumlah stok ada harus bayak. Produk termasuk dalam kelompok ii adalah produk dega kode 4, 7 da Cluster kedua memiliki pusat (20, 46.82, 2.37) dapat diartika sebagai kelompok produk dimiati sehigga jumlah stok sedag. Produk termasuk dalam kelompok ii adalah produk dega kode, p6, p7, p8, 0, 0, 2, 4, 6, 7 da Cluster ketiga memiliki pusat (5.53, 10.29, 2.09) dapat diartika sebagai kelompok produk kurag dimiati sehigga jumlah stok sedikit Produk termasuk dalam kelompok ii adalah produk dega kode, p3, p4, p5, p9, 1, 2, 3, 5, 6, 9, 1, 3, 5, 9, p30 da p Hasil Pegolaha Data Dega RapidMier ISSN :

6 Gambar 3. Hasil Pegolaha Data Dega RapidMier 4.3 Pegukura da Evaluasi Pegukura hasil peelitia ii megguaka metode precisio, recall da F1. Data diguaka dalam melakuka pegukura didapatka dari 5 data trasaksi baru utuk masig-masig cluster dipilih dega metode purposive. Data baru adalah data trasaksi setelah taggal 31 Mei Utuk perhituga pada Cluster 1 adalah sebagai berikut : Data 1 : 4, 8, 5 X=2, Y=1, Z=1; Sehigga F1 dapat dihitug : Precisio = X/(X+Y) = 2/(2+1) = 0,67 Recall = X/(X+Z) = 2/(2+1) = 0,67 F1 = 2 PR /(P+R) = (2 x 0.67 x 0.67) / ( ) = 0,67 Dega ilai F1 = 0.67 maka tigkat akurasi sistem meetuka kategori stok barag adalah tiggi. Pegukura laiya bisa dilihat pada tabel berikut. Secara keseluruha hasil perhituga akurasi masig-masig cluster adalah sebagai berikut : Tabel 4. Hasil Akurasi Tiga Cluster Akurasi Cluster Akurasi Tiggi 80% 60% 80% Akurasi Redah 20% 40% 20% 4.4 Halama Atarmuka Sistem Beberapa tampila utama pada aplikasi program peetua kategori stok barag ditampilka dibawah ii. 1. Tampila Halama Logi Halama ii berfugsi utuk mejadi pitu masuk ke program aplikasi jika userame da password dimasukka diterima (bear). Gambar 5. Tampila Halama Logi 1. Tampila Halama Iput Produk. Halama ii berfugsi utuk meambahka kode da jeis produk. Tabel 3. Pegukura da Evaluasi Cluster1 P R F1 Data X/(X+Y) X(X+Z) 2PR/(P Akurasi +R) Tiggi Redah Tiggi Tiggi Tiggi Akurasi Tiggi : 4/5 x 100% = 80% Akurasi Redah : 1/5 x 100% = 20% Gambar 4. Hasil Akurasi Cluster 1 Gambar 6. Tampila Halama Iput Produk 2. Tampila Halama Iput Trasaksi Halama ii berfugsi utuk megiputka trasaksi terjadi. Trasaksi diiput berdasarka taggal trasaksi selajutya aka diproses utuk meetuka kategori stok barag ISSN :

7 bear d: admi (bear) lagsug meampilka Meu Utama 2. Pegujia terhadap form Iput Trasaksi Gambar 7. Tampila Halama Iput Trasaksi 3. Tampila Halama Proses Pegelompoka Stok Produk Halama ii berfugsi utuk meampilaka hasil pegelompoka stok produk dibedaka mejadi 3 kategori yaitu stok bayak, sedag da sedikit. N o Tabel 6. Pegujia Form Iput Trasaksi Skeario Test Case Hasil diharapk a 1. Pilih Taggal Trasaks i 2. Klik Tombol Tambah, megetik ka kode produk salah kemudia Eter 3. Megetik a kode produk bear kemudia Eter Klik taggal trasaksi Kode : AB_AB (salah) Kode : AB_MJ (bear) Sistem aka meampi lka taggal diigika Sistem tidak aka meampi lka ama produk. Textbox Produk Kosog Sistem aka meampi lka ama produk Batik ABG Melati Hasil Pegujia Kesimpul a 3. Pegujia terhadap form Proses Pegelompoka Stok Gambar 8. Tampila Halama Proses Pegelompoka Stok 4.5 Pegujia Uit Pegujia terhadap program dibuat megguaka blacbox testig focus pada proses masuka da keluara program 1. Pegujia terhadap form Logi N o 1. Skeario Tabel 7. Pegujia Form Proses Pegelompoka Stok Pilih taggal awal kemudia pilih taggal akhir kemudia klik Hitug Test Case Taggal : 1/1/2011 s/d 3/1/2011 Hasil diharapk a Sistem aka meampi lka tiga kategori stok produk, bayak,s edag da sedikit Hasil Pegujia Kesimpula N o Tabel 5. Pegujia Form Logi Skeario 1. Userame otomatis terisi admi, jika password tidak diisi kemudia klik Logi 2. Megetikka Userame da atau Password salah 3. Megetika Userame da Password Test Case Useram e: (admi) Passwor d: (kosog) Useram e: admi (bear) Passwor d: 123 (salah) Useram e: admi (bear) Passwor Hasil diharapka Sistem aka meolak akses user da meampilka Userame atau Password tidak boleh kosog Sistem aka meolak akses user da meampilka Logi salah Sistem aka meerima akses Logi da Hasil Pegujia Kesi mpul a V. Kesimpula Berdasarka hasil dicapai terkait dega peelitia peetua stok barag di olie shop Ragam Jogja maka dapat disimpulka bahwa: 1. Berdasarka pegolaha data dilakuka dega atribut kode produk, jumlah trasaksi, volume pejuala da rata-rata pejuala, dihasilka 3 kelompok produk palig dimiati berjumlah 3 produk utuk jumlah stok bayak, 11 produk dimiati utuk jumlah stok sedag da 17 produk kurag dimiati utuk jumlah stok sedikit. 2. Peelitia ii bisa dimafaatka juga utuk pelaku bisis laiya buka haya olie ISSN :

8 shop membutuhka iformasi peetua stok barag secara lebih cepat da akurat. 3. Dega adaya program aplikasi utuk peetua stok barag diharapka bisa memberika kotribusi lebih baik lagi karea aplikasi dihasilka bisa meampilka kategori produk dalam jagka waktu tertetu sesuai diigika. VI. Sara 1. Data diguaka utuk peelitia berikutya sebaikya data pejuala terbaru sehigga iformasi di hasilka juga iformasi terbaru. 2. Pada peelitia berikutya, diharapka agar bisa dikomparasi dega megguaka metode clusterig laiya utuk meghasilka suatu peelitia lebih bai 3. Program aplikasi dibuat, diharapka kedepaya bisa disikroka lagsug dega aplikasi pejuala sehigga bisa lebih efisie da efektif. [8] Sommerville, Ia. (2007). Software Egieerig Eight Editio. USA: Pearso Educatio Limited [9] Ustadiyato, R. (2001). Framework e- Commerce. Yogyakarta: Peerbit Adi. [10] Wijaya, A., Arifi, M., & Soebijoo, T. (2013). Sistem Iformasi Perecaaa Persediaa Barag. Jural Sistem Iformasi, STIKOM Surabaya, JSIKA 2, pp Surabaya. [11] Xu, R., & Wusch II, D. C. (2009). Clusterig. Kaada: IEEE Press. Daftar Pustaka [1] Agusta, Y. (2007). K-Meas - Peerapa, Permasalaha da Metode Terkait. Jural Sistem da Iformatika, 3, [2] Larose, D. T. (2005). Discoverig Kowledge i Data : A Itroductio to Data Miig. Hoboke, New Jersey: Joh Wiley & Sos, Ic. [3] Maimo, O., & Rokach, L. (2010). Data Miig ad Kowledge Discovery Hadbook. Lodo: Spriger Sciece+Busiess Media. [4] Nugroho, A. (2006). e-commerce Memahami Perdagaga Moder di Duia Maya. Badug: Iformatika. [5] Rudy, Wahyudiarti, R., Megaputri, V., & Wihardii, R. (2008). Aalisis Da Peracaga E-Commerce (Studi Kasus : Roemah Soetera Batik Da Bordir). Semiar Nasioal Iformatika 2008 (semasif 2008) UPN "Vetera" Yogyakarta. Yogyakarta. [6] Rusdah. (2011). Aalisa Da Racaga Sistem Iformasi Persediaa Obat. Studi Kasus Puskesmas Kecamata Kebo Jeruk. Jural TELAMATIKA M.KOM, 3. No. 2. pp Jakarta. [7] Sarwoo, J., & Prihartoo, K. (2012). Perdagaga Olie : Cara Bisis di Iteret. Jakarta: PT Elex Media Komputido ISSN :