Implementasi Algoritma K-Means untuk Optimalisasi Stok Barang pada Toko Online Genta Sarana Teknik

Muhammad Rizky Ramadhan; Fanisya Alva Mustika; Ari Irawan

doi:10.30998/jrami.v7i03.1035

Authors

Muhammad Rizky Ramadhan Indraprasta Pgri University Author
Fanisya Alva Mustika Indraprasta Pgri University Author
Ari Irawan Author

DOI:

https://doi.org/10.30998/jrami.v7i03.1035

Keywords:

K-Means, Clustering, Persediaan, Stok Barang, Java

Abstract

Inventory management at the Genta Sarana Teknik Online Store still relies on simple record-keeping and experience, resulting in frequent instances of sudden stockouts or inventory buildup. This study aims to optimize inventory control by clustering SKUs based on inventory turnover rates using the K-Means algorithm. The research data was derived from SKU master data and inventory transaction history managed in a Java-based desktop application. Each SKU was represented by three numerical features—average stock inflow, average stock outflow, and remaining stock—which were then normalized and processed with K=3 to generate high-, medium-, and low-priority clusters. The final results show that 198 active SKUs were successfully clustered into Cluster 0 (88 SKUs), Cluster 1 (71 SKUs), and Cluster 2 (39 SKUs) with final centroids of 0.102609, 0.284091, and 0.139312; 0.143482, 0.605634, and 0.048502; and 0.473412, 0.700855, and 0.049925. The app provides inventory management features, alternative purchase links for Shopee/Tokopedia, and the clustering process, as well as low-stock alerts and K-Means results. The application of K-Means helps determine restocking priorities in a more objective and structured manner, thereby improving inventory management efficiency

Downloads

Download data is not yet available.

References

Ariansyah, P. E., Santi, I. H., & Kirom, S. (2021). Penerapan algoritma K-Means untuk mengetahui akurasi persediaan barang menggunakan evaluasi Davies–Bouldin Index. Jurnal Universitas Islam Balitar.

Arniati, L. (2020). Penerapan metode K-Means untuk menentukan persediaan stok pada PT. Aneka Usaha. Jurnal Nusa Mandiri.

Asrul. (2019). Klasterisasi pengendalian persediaan aki menggunakan metode K-Means. JOINTECS, 4(1), 5–12.

Dhona, D. R., Yulianingsih, & Saputra, S. (2025). Implementasi sistem klasifikasi inventaris menggunakan metode clustering dengan algoritma K-Means untuk pengelolaan stok barang di D'Cafe Indramayu. Faktor Exacta, 18(2), 155–160.

Indriani, D., Irawan, B., & Bahtiar, A. (2020). Penerapan algoritma K-Means clustering untuk menentukan persediaan stok barang. JATI.

Jauhari. (2022). Penerapan metode K-Means clustering dalam penentuan persediaan stok barang di Tono Tani Depok. Jurnal Rekayasa Komputasi Terapan (JRKT), 4(4). https://doi.org/10.30998/jrkt.v4i04.11914.

Komtekinfo. (2023). Analisis pengelompokkan stok barang dengan memanfaatkan algoritma K-Means. Komtekinfo.

Kurniawan, T. A., & Sari, R. P. (2022). Implementasi metode waterfall pada pengembangan aplikasi manajemen stok berbasis desktop. Jurnal Informatika dan Rekayasa Perangkat Lunak, 4(2), 112–121.

Lestari, F., & Handayani, T. (2021). Analisis perbandingan metode clustering K-Means dan DBSCAN untuk segmentasi data penjualan. Jurnal Teknologi dan Sistem Informasi, 7(1), 45–54.

Nugroho, A. S., & Fitriansyah, R. (2023). Penerapan normalisasi Min-Max pada algoritma K-Means untuk meningkatkan kualitas clustering data produk. Jurnal Sistem Informasi dan Teknologi, 5(3), 78–87.

Prasetyo, E. (2020). Data mining: Konsep dan aplikasi menggunakan MATLAB. Yogyakarta: Andi Offset.

Rajsya, A., Purnawansyah, & Manga’, A. R. (2024). Rancang bangun penerapan metode elbow pada K-Means untuk clustering data persediaan barang. LINIER, 1(4), 395–403.

Samsudin, R., Martanto, & Hayati, U. (2024). Optimalisasi stok barang melalui algoritma K-Means clustering analisis untuk manajemen persediaan dalam konteks bisnis modern. JATI.

Setiawan, B. A., & Sulastri. (2021). Perbandingan clustering optimalisasi stok barang menggunakan algoritma K-Means dan K-Medoids. SENdI U.

Widodo, P., & Rahayu, S. (2022). Sistem informasi pengendalian persediaan barang menggunakan metode Economic Order Quantity (EOQ) berbasis Java. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 6(4), 1823–1832.