Analisis Data Penjualan Menggunakan Algoritma K-Means Clustering Pada Toko Daun Indah di Shopee

Hibrizi Dzaky Dermawan, Rudi Kurniawan, Yudhistira Arie Wijaya

Abstract


Toko Daun Indah adalah sebuah usaha yang menjual berbagai pilihan produk kecantikan, tidak semua produk tersebut dimanati pelanggan. Namun data penjualan di Toko Daun Indah belum dikelola dengan baik untuk menentukan produk mana yang paling diminati dan mana yang kurang diminati pelanggan. Akibatnya, data tersebut berfungsi sebagai dokumen arsip dan belum dimanfaatkan untuk strategi pemasaran. Sehingga perlu diterapkannya teknik data mining dalam mengembangkan strategi pemasaran penjualan. Tujuan penelitian adalah menganalisis data penjualan untuk mengetahui cluster terbaik berdasarkan Davies Bouldin Index, iterasi, dan measure type yang menghasilkan K Optimal. Metode yang digunakan adalah Cross-Industry Standard Process Model for Data Mining dengan algoritma K-Means Clustering untuk mengelompokkan data penjualan berdasarkan karakteristiknya, karena mudah dalam penerapannya, dan relatif cepat. Berdasarkan hasil pengelompokan data penjualan produk dengan metode K-Means diperoleh parameter yang optimal. Dengan melakukan uji dengan jumlah cluster (k= 2-25), hasil metode K-Means menunjukkan nilai DBI paling optimal sebesar -0.149 dengan 2 cluster pada iterasi ke-1 sebanyak 30 iterasi, Measure type Mixed Measures.  


Keywords


Data Mining; K-Means Clustering; Sales Analysis; Davies Bouldin Index; CRISP-DM

Full Text:

PDF

References


Decky Hendarsyah, “E-Commerce Di Era Industri 4.0 Dan Society 5.0,” Dec. 2019. doi: https://doi.org/10.46367/iqtishaduna.v8i2.170.

I. Ramadhaniati, “Product Clustering Using K-Means Method in CV. Jaya Abadi,” P ISSN, 2023.

Sharen Kangean and Farid Rusdi, “Analisis Strategi Komunikasi Pemasaran Shopee dalam Persaingan E-Commerce di Indonesia,” Oct. 2020. doi: 10.24912/pr.v4i2.6504.

E. Febrianty, L. Awalina, and W. I. Rahayu, “Optimalisasi Strategi Pemasaran dengan Segmentasi Pelanggan Menggunakan Penerapan K-Means Clustering pada Transaksi Online Retail Optimizing Marketing Strategies with Customer Segmentation Using K-Means Clustering on Online Retail Transactions,” Jurnal Teknologi dan Informasi (JATI), vol. 13, 2023, doi: 10.34010/jati.v13i2.

I. P. Mulyadi, “Clusterisasi Menggunakan Metode Algoritma K-Means dalam Meningkatkan Penjualan Tupperware,” Jurnal Informatika Ekonomi Bisnis, pp. 172–179, Sep. 2022, doi: 10.37034/infeb.v4i4.164.

S. Ika Murpratiwi, I. Gusti Agung Indrawan, and A. Aranta, “Analisis Pemilihan Cluster Optimal Dalam Segmentasi Pelanggan Toko Retail,” Jurnal Pendidikan Teknologi dan Kejuruan, vol. 18, no. 2, 2021.

Chandra Purnama, Wina Witanti, and Puspita Nurul Sabrina, “Clusterisasi Penjualan Pakaian Untuk Meningkatkan Strategi Penjualan Barang Menggunakan K-Means,” 2022. doi: https://doi.org/10.47292/joint.v4i1.79.

Fintri Indriyani and Eni Irfiani, “Clustering Data Penjualan pada Toko Perlengkapan Outdoor Menggunakan Metode K-Means,” 2019. [Online]. Available: https://jurnalnasional.ump.ac.id/index.php/JUITA/article/view/5529

Iis Setiawan Mangku Negara, Purwono, and Imam Ahmad Ashari, “Analisa Cluster Data Transaksi Penjualan Minimarket Selama Pandemi Covid-19 dengan Algoritma K-Means,” 2021. [Online]. Available: https://publishing-widyagama.ac.id/ejournal-v2/index.php/jointecs/article/view/2693/1589

S. Handoko, F. Fauziah, and E. T. E. Handayani, “Implementasi Data Mining Untuk Menentukan Tingkat Penjualan Paket Data Telkomsel Menggunakan Metode K-Means Clustering,” Jurnal Ilmiah Teknologi dan Rekayasa, vol. 25, no. 1, pp. 76–88, 2020, doi: 10.35760/tr.2020.v25i1.2677.

Y. Yun, D. Ma, and M. Yang, “Human–computer interaction-based Decision Support System with Applications in Data Mining,” Future Generation Computer Systems, vol. 114, pp. 285–289, Jan. 2021, doi: 10.1016/j.future.2020.07.048.

S. Nurajizah and A. Salbinda, “Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Fashion Hijab Banten,” Jurnal Teknik Komputer AMIK BSI, vol. 7, no. 2, 2021, doi: 10.31294/jtk.v4i2.

K. Anam, D. Sudrajat, D. A. Kurnia, and N. Masuk, “Analisis Segmentasi Pelanggan Menggunakan Metode K-Means Clustering,” Jurnal ICT : Information Communication & Technology, vol. 21, pp. 273–278, 2022.

M. Siahaan, “Data Mining Strategi Pembangunan Infrastruktur Menggunakan Algoritma K-Means,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 11, no. 3, pp. 316–324, Dec. 2022, doi: 10.32736/sisfokom.v11i3.1453.

E. Muningsih, I. Maryani, and V. R. Handayani, “Penerapan Metode K-Means dan Optimasi Jumlah Cluster dengan Index Davies Bouldin untuk Clustering Propinsi Berdasarkan Potensi Desa,” Jurnal Sains dan Manajemen, vol. 9, no. 1, 2021, [Online]. Available: www.bps.go.id

Tri Wahyudi and Titi Silfia, “Implementation of Data Mining Using K-Means Clustering Method to Determine Sales Strategy in S&R Baby Store,” 2022. doi: https://doi.org/10.37385/jaets.v4i1.913.

M. Rafi Muttaqin, T. Iman Hermanto, M. Agus Sunandar, P. Studi Teknik Informatika, and S. Tinggi Teknologi Wastukancana, “Penerapan K-Means Clustering Dan Cross-Industry Standard Process for Data Mining (CRISP-DM) Untuk Mengelompokan Penjualan Kue,” vol. 19, no. 1, pp. 38–53, 2022, [Online]. Available: https://journal.unpak.ac.id/index.php/komputasi

S. Khairunnisa and M. I. Jambak, “Pengelompokan Cuaca Kota Palembang Menggunakan Algoritma K-Means Clustering Untuk Mengetahui Pola Karakteristik Cuaca,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 4, p. 2352, Oct. 2022, doi: 10.30865/mib.v6i4.4810.




DOI: https://doi.org/10.24114/cess.v9i1.55093

Article Metrics

Abstract view : 701 times
PDF - 216 times

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

CESS (Journal of Computer Engineering, System and Science)

Creative Commons License
CESS (Journal of Computer Engineering, System and Science) is licensed under a Creative Commons Attribution 4.0 International License

slot gacor slot