Penelitian ini bertujuan untuk menghasilkan aplikasi clustering data dalam distribusi penjualan PT TOM Vaporizer menggunakan algoritma K-means berbasis web. Aplikasi ini bertujuan untuk mengatasi permasalahan dalam menentukan penjualan barang yang terjadi selama ini dalam penjualan PT TOM Vaporizer, yaitu dapat memaksimalkan prediksi penentuan hasil barang yang terjual sangat laris, laris dan tidak laris pada masing-masing daerah setiap bulannya. Metode yang diterapkan untuk membangun sistem ini adalah data mining dengan metode clustering dan algoritma k-means. Diperlukan analisa data terhadap data penjualan yang terjadi dalam sistem penjualan PT TOM Vaporizer pada kurun waktu 2 tahun terakhir, yaitu mulai dari januari 2015 hingga desember 2016. Dengan demikian, aplikasi ini dapat menghasilkan hasil clustering data yang telah dibuat dan juga memaksimalkan hasil yang diperoleh dari aplikasi dengan kecocokan hasil data yang terjadi pada tahun berikutnya. Sehingga PT TOM Vaporizer dapat dengan mudah menentukan barang-barang apa saja yang nantinya dapat terjual dengan laris pada masing-masing daerah setiap bulannya.

This study aims to generate data clustering applications in the sales distribution of PT TOM Vaporizer using web-based K-means algorithm. This application aims to overcome the problems in determining the sale of goods that happened so far in the sale of PT TOM vaporizer, which can maximize the predictive determination of the best-selling of goods sold, selling and not selling in each region each month. The method applied to build this system is data mining with clustering method and k-means algorithm. Required data analysis on sales data that occurs in the sale of PT TOM vaporizer system during the period of two years, starting from January 2015 until December 2016. Thus, these applications can produce results clustering of the data that has been created and also maximize the results obtained from Applications with matching data results that occur in the following year. So that PT TOM Vaporizer can easily determine what items can be sold by selling in each region every month.