data mining, time series, k-means, forecast, penjualan kain

Penelitian ini bertujuan untuk mengelompokkan penjualan menjadi tiga kategori, yaitu penjualan tinggi, penjualan sedang, dan penjualan rendah, serta melakukan peramalan penjualan pada masing-masing kelompok kain. Metode yang digunakan dalam pengelompokan data adalah algoritma K-Means, sedangkan peramalan penjualan dilakukan dengan metode ARIMA (Autoregressive Integrated Moving Average) untuk memprediksi penjualan selama satu tahun. Hasil pengelompokan data menghasilkan tiga cluster, yaitu cluster 0 mewakili penjualan sedang dengan 2.112 jenis kain dan total penjualan Rp 48.540.963, cluster 1 mewakili penjualan rendah dengan 9.343 jenis kain dan total penjualan Rp 5.280.778, serta cluster 2 mewakili penjualan tinggi dengan 239 jenis kain dan total penjualan Rp 178.371.832. Hasil peramalan menunjukkan kain S/K 23CE PUTIH, S/K 30CM HITAM REAKTIF dan S/K 30CM HIJAU diprediksi akan naik, sementara kain seperti S/K 30CE PUTIH, S/K 30COTT ARZ BLACK G6, dan S/K 24C19 BLACK G6 diperkirakan akan turun, Penjualan kain RIB 2X2 20TC SPD HITAM, S/K 30CE C19 BLACK G6, BABY TERRY 30CE/20PE HITAM, S/K 30CE HITAM, S/K 30C20 HITAM, dan S/K 30C20 HITAM diprediksi tetap stabil. Dengan menerapkan algoritma K-Means dan Time Series pada Perusahaan XYZ, diharapkan perusahaan dapat mengelola inventaris dengan lebih efektif dan mengetahui tren penjualan produk.