Vol. 2 No. 12 (2024): GJMI - DESEMBER

Grosir Chintiya menghadapi tantangan dalam pengelolaan stok barang, yang sering kali menyebabkan kelebihan stok pada produk kurang diminati dan kekurangan stok pada produk yang diminati. Hal ini memengaruhi efisiensi operasional dan profitabilitas perusahaan. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan menerapkan algoritma K-Means clustering untuk mengelompokkan produk berdasarkan pola penjualannya, sehingga dapat mengidentifikasi produk laris dan tidak laris secara lebih akurat.K-Means clustering adalah metode yang efektif untuk mengelompokkan data berdasarkan kesamaan karakteristik, dengan menentukan sejumlah cluster terlebih dahulu. Melalui analisis data penjualan selama empat bulan terakhir, penelitian ini mengembangkan model untuk mengelompokkan produk Grosir Chintiya menjadi beberapa kategori berdasarkan tingkat penjualan. Hasil analisis ini diharapkan dapat memberikan wawasan penting untuk pengelolaan stok yang lebih efisien dan strategi pengadaan barang yang lebih tepat sasaran.Manfaat penelitian ini mencakup kontribusi teoritis dalam pengembangan metode analisis data untuk manajemen inventaris, manfaat praktis bagi Grosir Chintiya berupa peningkatan kepuasan pelanggan melalui ketersediaan produk yang sesuai kebutuhan, serta manfaat penelitian yang memperkuat landasan penerapan teknologi informasi dalam strategi bisnis grosir. Selain itu, penelitian ini memberikan kontribusi bagi institusi akademik dengan meningkatkan reputasi kampus dalam penelitian berbasis teknologi informasi yang relevan dan aplikatif.Dengan demikian, penelitian ini tidak hanya membantu Grosir Chintiya dalam meningkatkan efisiensi operasional, tetapi juga memberikan solusi berbasis data untuk pengambilan keputusan yang lebih baik, serta membuka peluang kolaborasi antara dunia akademik dan industri.