Penerapan K-Means Clustering Untuk Segmentasi Penjualan Di Minimarket Mardi Dengan Pendakatan Machine Learning
DOI:
https://doi.org/10.59435/jocstec.v3i3.574Keywords:
K-Means Clustering, segmentasi pelanggan, pythonAbstract
Perkembangan teknologi informasi mendorong pemanfaatan machine learning dalam analisis data penjualan untuk mendukung pengambilan keputusan bisnis. Minimarket Mardi memiliki beragam produk dengan pola pembelian yang bervariasi, sehingga diperlukan metode analisis yang mampu mengelompokkan data penjualan secara lebih terstruktur. Penelitian ini menerapkan algoritma K-Means Clustering untuk melakukan segmentasi penjualan berdasarkan atribut tertentu, seperti kategori produk, jumlah penjualan, serta frekuensi transaksi. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan, penentuan jumlah klaster optimal dengan metode Elbow, serta implementasi algoritma K-Means. Hasil analisis menunjukkan terbentuknya beberapa klaster yang merepresentasikan pola penjualan produk di Minimarket Mardi, mulai dari produk dengan tingkat penjualan tinggi, sedang, hingga rendah. Segmentasi ini dapat membantu manajemen minimarket dalam merancang strategi pemasaran yang lebih tepat sasaran, pengelolaan stok yang lebih efisien, serta peningkatan pelayanan kepada konsumen. Dengan demikian, penerapan K-Means Clustering terbukti efektif dalam mendukung pengambilan keputusan berbasis data di sektor ritel.
Downloads
References
[1] C. H. Ardana, A. A. A. A. A. Khoyum, and M. Faisal, “Segmentasi Pelanggan Penjualan Online Menggunakan Metode K-means Clustering,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 9, no. 1, pp. 1–9, 2024, doi: 10.14421/jiska.2024.9.1.1-9.
[2] N. Firdaus, S. Defit, and G. Widi Nurcahyo, “Penerapan Algoritma K-Means Clustering Dalam Pengelompokan Data Penjualan Pada Pabrikan Mobil Toyota Indonesia,” Fountain Informatics J., vol. 8, no. 2, pp. 2548–5113, 2023, [Online]. Available: http://dx.doi.org/10.21111/fij.v8i2.10798
[3] U. Semarang and U. Clustering, “Implementasi Algoritma K-means untuk Segmentasi Pelanggan pada Mall Menggunakan Clustering,” pp. 1–12.
[4] W. T. Pambudi and A. Witanti, “Penerapan Algoritma K-Means Clustering Untuk Menganalisis Penjualan Pada Toko Ayu Collection Barbasis Web,” J. Inform. Univ. Pamulang, vol. 6, no. 3, pp. 645–650, 2021, [Online]. Available: https://www.neliti.com/publications/466160/penerapan-algoritma-k-means-clustering-untuk-menganalisis-penjualan-pada-toko-ay
[5] S. F. Djun, I. G. A. Gunadi, and S. Sariyasa, “Analisis Segmentasi Pelanggan pada Bisnis dengan Menggunakan Metode K-Means Clustering pada Model Data RFM,” JTIM J. Teknol. Inf. dan Multimed., vol. 5, no. 4, pp. 354–364, 2024, doi: 10.35746/jtim.v5i4.434.
[6] P. H. Suharti, A. S. Suryandari, and R. N. Amalia, “ANALISIS SEGMENTASI PELANGGAN MENGGUNAKAN K-MEANS CLUSTERING STUDI KASUS APLIKASI ALFAGIFT,” Sebatik, vol. 26, no. 2, pp. 420–427, 2022, doi: 10.46984/sebatik.v26i2.2134.
[7] T. Wahyudi and T. Silfia, “Implementation of Data Mining Using K-Means Clustering Method To Determine Sales Strategy in S&R Baby Store,” J. Appl. Eng. Technol. Sci., vol. 4, no. 1, pp. 93–103, 2022, doi: 10.37385/jaets.v4i1.913.
[8] C. Udokwu, P. Brandtner, F. Darbanian, and T. Falatouri, “Improving Sales Prediction for Point-of-Sale Retail Using Machine Learning and Clustering,” pp. 55–73, 2022, doi: 10.1007/978-3-031-18483-3_4.
[9] M. Di, T. Erremy, and I. Nawangsih, “Analisa Penjualan Produk Kosmetik Dengan Metode Algoritma K- Means Di Toko Erremy,” vol. 4, no. 1, pp. 140–145, 2023.
[10] L. H. Annisa and D. Rusvinasari, “Segmentasi Pembelian Produk Menggunakan Algoritma K-Means Berdasarkan Clusterisasi pada pemilihan menu yang ada diUMKM Kuliner,” vol. 9, no. 3, pp. 203–212, 2024, doi: 10.30591/jpit.v9i3.6556.
[11] Z. G. Wei et al., “Comparison of Methods for Biological Sequence Clustering,” IEEE/ACM Trans. Comput. Biol. Bioinforma., vol. 20, no. 5, pp. 2874–2888, 2023, doi: 10.1109/TCBB.2023.3253138.
[12] S. P. Putra, A. Hoar, L. T. Rahmawati, S. P. Ersida, and E. Auliana, “Jurnal Hilirisasi Penelitian Masyarakat Analisis Strategi Pemasaran Dengan Sistem Online Melalui Aplikasi Whatsapp Pada Penjualan Produk Jeans Drink JURNAL JIHAPENMAS Jurnal Hilirisasi Penelitian Masyarakat,” vol. 1, no. 1, pp. 32–39, 2024.
[13] A. Saputra and R. Yusuf, “Perbandingan Algoritma DBSCAN dan K-MEANS dalam Segmentasi Pelanggan Pengguna Transportasi Publik Transjakarta Menggunakan Metode RFM,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 4, pp. 1346–1361, 2024, doi: 10.57152/malcom.v4i4.1516.
[14] W. Lu and D. Ren, “Commodity Sales Forecast Based on Cluster Analysis and Time Series,” 2024, doi: 10.4108/eai.27-10-2023.2341974.
[15] J. Duo, P. Zhang, and L. Hao, “A K-means Text Clustering Algorithm Based on Subject Feature Vector,” J. Web Eng., vol. 20, no. 6, pp. 1935–1946, 2021, doi: 10.13052/jwe1540-9589.20612.
[16] F. A. Dewa and M. T. Jatipaningrum, “SEGMENTASI E-COMMERCE DENGAN CLUSTER K-MEANS DAN FUZZY C-MEANS (Studi Kasus: Media Sosial di Indonesia yang diunduh di Play Store),” J. Stat. Ind. dan Komputasi, vol. 4, no. 1, pp. 53–67, 2019.
Downloads
Published
License
Copyright (c) 2025 Imam Frandika, Sofana Bayor Hud, Wiwin Handoko (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
