Dynamic Time Warping Pada Metode K-Means Untuk Pengelompokan Data Trend Penjualan Produk
DOI:
https://doi.org/10.25077/TEKNOSI.v10i2.2024.100-109Kata Kunci:
Trend, Pengelompokan, Penjualan, K-Means, Dynamic Time WarpingAbstrak
Pasar swalayan menghasilkan transaksi penjualan dengan pelanggan dengan laju pertumbuhan data tinggi. Data transaksi sejumlah barang memiliki pola berbeda, ada yang tinggi dan ada yang rendah. Perbedaan ini mengakibatkan pola penjualan antar satu produk dengan produk lainnya berbeda. Pola ini juga mengakibatkan pengelolaan stok dan promosi juga berbeda. Maka, untuk memudahkan pengelolaan barang, perlu dilakukan pengelompokan trend penjualan otomatis menggunakan K-Means. Namun, metode perhitungan jarak (dissimilarity) standar tidak tepat digunakan pada data periodik. Penelitian ini bereksperimen mengelompokkan data periodic trend penjualan produk menggunakan metode K-Means dan DTW (Dynamic Time Warping) untuk perhitungan jarak. DTW melakukan perhitungan jarak dengan memperhatikan data histori periode sebelum dan setelah data yang sedang dihitung. Pelibatan data disekitarnya akan membentuk jarak sesuai dengan pola data periodik. Hasil pengelompokan data tahun 2021, Cluster 1 dengan 417 data memiliki pola naik dari awal tahun kemudian menurun, selanjutnya perlahan naik kembali di pertengahan hingga akhir tahun. Cluster 2 dengan 2403 data memiliki pola stabil di awal tahun, ketika di pertengahan tahun mulai naik, kemudian di akhir tahun turun namun kembali naik. Cluster 3 dengan 289 data memiliki pola menurun saat awal tahun, namun terlihat stabil hingga akhir tahun. Hasil ekeperimen pengelompokan trend penjualan menggunakan metode K-Means dengan jarak DTW menunjukkan hasil yang baik dan memiliki pola data dalam kelompok yang sesuai karakteristik alami. Hal ini didukung oleh validitas Davies-Bouldin index -1.215 dimana nilai yang semakin kecil mendekati nol menunjukkan kualitas cluster yang dicapai baik.Referensi
[1] S. Hanifah, F. Akbar, and R. P. Santi, “Implementasi Business Intelligence dan Prediksi Menggunakan Regresi Linear pada Data Penjualan dan Breakage di PT XYZ,†Jurnal Nasional Teknologi dan Sistem Informasi, vol. 8, no. 3, pp. 144–152, Dec. 2022, doi: 10.25077/TEKNOSI.V8I3.2022.144-152. [2] S. Kasus, B. M. Al-Fahmi, E. Rahmawati, and T. Sagirani, “Penerapan K-Means Clustering Pada Pariwisata Kabupaten Bojonegoro Untuk Mendukung Keputusan Strategi Pemasaran,†Jurnal Nasional Teknologi dan Sistem Informasi, vol. 9, no. 2, pp. 141–149, Aug. 2023, doi: 10.25077/TEKNOSI.V9I2.2023.141-149. [3] R. E. van Ruitenbeek, G. M. Koole, and S. Bhulai, “A hierarchical agglomerative clustering for product sales forecasting,†Decision Analytics Journal, vol. 8, p. 100318, Sep. 2023, doi: 10.1016/J.DAJOUR.2023.100318. [4] S. Lee, S. Ko, A. H. Roudsari, and W. Lee, “A deep learning model for predicting the number of stores and average sales in commercial district,†Data & Knowledge Engineering, vol. 150, p. 102277, Mar. 2024, doi: 10.1016/J.DATAK.2024.102277. [5] G. Gustientiedina, M. H. Adiya, and Y. Desnelita, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan,†Jurnal Nasional Teknologi dan Sistem Informasi, vol. 5, no. 1, pp. 17–24, 2019, doi: 10.25077/teknosi.v5i1.2019.17-24. [6] W. Afifi, D. R. Nastiti, and Q. Aini, “Clustering K-Means Pada Data Ekspor (Studi Kasus: Pt. Gaikindo),†Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 11, no. 1, pp. 45–50, 2020, doi: 10.24176/simet.v11i1.3568. [7] A. Supriyatna, I. Carolina, S. Janti, and ..., “Clustering Koridor Transjakarta Berdasarkan Jumlah Penumpang Dengan Algoritma K-Means,†J-SAKTI (Jurnal Sains …, vol. 4, no. September, pp. 682–693, 2020. [8] R. A. Indraputra and R. Fitriana, “K-Means Clustering Data COVID-19,†Jurnal Teknik Industri, vol. 10, no. 3, p. 3, 2020. [9] A. Bahauddin, A. Fatmawati, and F. Permata Sari, “Analisis Clustering Provinsi Di Indonesia Berdasarkan Tingkat Kemiskinan Menggunakan Algoritma K-Means,†Jurnal Manajemen Informatika dan Sistem Informasi, vol. 4, no. 1, p. 1, 2021, doi: 10.36595/misi.v4i1.216. [10] N. Purba, P. Poningsih, and H. S. Tambunan, “Penerapan Algoritma K-Means Clustering Pada Penyebaran Penyakit Infeksi Saluran Pernapasan Akut (ISPA) di Provinsi Riau,†Journal of Information System Research (JOSH), vol. 2, no. 3, pp. 220–226, 2021. [11] D. G. Ramadhan, I. Prihatini, and F. Liantoni, “Analisis Clustering Pengelompokan Penjualan Paket Data Menggunakan Metode K-Means,†Ultimatics : Jurnal Teknik Informatika, vol. 13, no. 1, pp. 33–38, 2021, doi: 10.31937/ti.v13i1.1981. [12] M. I. Rizki, T. A. Taqqiyuddin, and J. J. Cerelia, “K-Medoids Clustering dengan Jarak Dynamic Time Warping dalam Mengelompokkan Provinsi di Indonesia Berdasarkan Kasus Aktif Covid-19,†Prosiding Seminar Nasional Matematika, vol. 4, pp. 685–692, 2021. [13] S. Putriana, E. Erna, and D. Andreswari, “Clustering Data Titik Gempa Dengan,†vol. 9, no. 1, 2021. [14] M. B. Johra, “Soft Clustering Dengan Algoritma Fuzzy K-Means (Studi Kasus : Pengelompokan Desa Di Kota Tidore Kepulauan),†BAREKENG: Jurnal Ilmu Matematika dan Terapan, vol. 15, no. 2, pp. 385–392, 2021, doi: 10.30598/barekengvol15iss2pp385-392. [15] P. S. Kumar, S. K. Laha, and L. A. Kumaraswamidhas, “Assessment of rolling element bearing degradation based on Dynamic Time Warping, kernel ridge regression and support vector regression,†Applied Acoustics, vol. 208, p. 109389, Jun. 2023, doi: 10.1016/J.APACOUST.2023.109389. [16] M. Kloska, G. Grmanova, and V. Rozinajova, “Expert enhanced dynamic time warping based anomaly detection,†Expert Systems with Applications, vol. 225, p. 120030, Sep. 2023, doi: 10.1016/J.ESWA.2023.120030. [17] H. Ding, Z. Yuan, J. Yin, X. Shi, and M. Shi, “Evaluating ecosystem stability based on the dynamic time warping algorithm: A case study in the Minjiang river Basin, China,†Ecological Indicators, vol. 154, p. 110501, Oct. 2023, doi: 10.1016/J.ECOLIND.2023.110501. [18] Z. Liu, T. Bai, C. Peng, H. Bao, and J. Lu, “A method of scaling distortion assessment based on dynamic time warping,†Annals of Nuclear Energy, vol. 177, p. 109304, Nov. 2022, doi: 10.1016/J.ANUCENE.2022.109304. [19] Y. Ida, E. Fujita, and T. Hirose, “Classification of volcano-seismic events using waveforms in the method of k-means clustering and dynamic time warping,†Journal of Volcanology and Geothermal Research, vol. 429, p. 107616, Sep. 2022, doi: 10.1016/J.JVOLGEORES.2022.107616. [20] M. A. Zen et al., “Aplikasi Pengelompokan Data Runtun Waktu dengan Algoritma K-Medoids,†Inferensi, vol. 6, no. 2, pp. 117–123, Sep. 2023, doi: 10.12962/J27213862.V6I2.15864. [21] H. Almiatus Soleha, W. Pura Nurmayanti, U. Hidayaturrohman, R. Haiban Hirzi, A. Septiani, and J. Statistika, “Penerapan Clustering Time Series pada Pengelompokan Provinsi di Indonesia (Studi Kasus : Nilai Ekspor Non Migas di Indonesia Tahun 2016-2020),†J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika, vol. 15, no. 2, pp. 286–291, Dec. 2022, doi: 10.36456/JSTAT.VOL15.NO2.A5550.
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 