PREDIKSI DEAD STOCK MENGGUNAKAN ALGORITMA IMPROVED K-MEANS CLUSTERING DAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)

Dead stock (barang sisa penjualan) merupakan masalah yang cukup serius bagi pelaku usaha. Dead stock tersebut merupakan masalah yang cukup besar karena dapat mengakibatkan penumpukan barang yang berujung dengan menyebabkan kerugian bila tidak teratasi. Oleh karena itu digunakan lah metode Improved K-Means dan Adaptive Neuro-Fuzzy Inference System (ANFIS) untuk melakukan prediksi dead stock guna mengatasi penumpukan barang yang akan dijual serta pengujian dengan menggunakan Mean Absolute Percentage (MAPE). Di dalam penelitian ini, Improved K-Means dan ANFIS diimplementasikan dalam sebuah aplikasi sistem prediksi Dead Stock. Prosedur prediksi menggunakan analisis runtun waktu. Aturan ANFIS menggunakan tipe keanggotaan generalized bell dengan 2 data masukan terhadap 1 data target sedangkan untuk Improved K-Means diatur dengan menggunakan 2 cluster. Pengujian hasil prediksi dilakukan dengan menggunakan MAPE yang mana didapatkan rata – rata MAPE yaitu dibawah 20%. Ini menunjukkan bahwa penggunaan metode Improved K-Means dan metode ANFIS memiliki tingkat keberhasilan yang baik dalam memprediksi dead stock. Serta dilakukan proses pengujian perangkat lunak menggunakan Black Box Texting dan didapati bahwa perangkat lunak secara fungsional mengeluarkan hasil sesuai yang diharapkan.