PENERAPAN DATA MINING DALAM ANALISIS POLA PENJUALAN PRODUK CETAKAN DENGAN K-MEANS CLUSTERING

Reina Ahlaq Karim Narsa Sari; Deborah Kurniawati

Authors

Reina Ahlaq Karim Narsa Sari Sistem Informasi, Fakultas Teknologi Informasi, Universitas Teknologi Digital Indonesia, Yogyakarta, Indonesia
Deborah Kurniawati Sistem Informasi, Fakultas Teknologi Informasi, Universitas Teknologi Digital Indonesia, Yogyakarta, Indonesia

Keywords:

K-Means, Clustering, Elbow Method, Silhouette Score, Pola Penjualan

Abstract

Penelitian ini bertujuan untuk menganalisis pola penjualan produk cetakan dengan menerapkan metode data mining menggunakan algoritma K-Means Clustering. Data yang digunakan merupakan data penjualan produk cetakan dari wilayah Sulawesi, Indonesia. Tahapan penelitian meliputi exploratory data analysis (EDA), pre- processing data untuk normalisasi dan encoding, penerapan metode Elbow untuk menentukan jumlah cluster optimal, serta evaluasi hasil clustering menggunakan Silhouette Score. Hasil penelitian menunjukkan terbentuknya dua cluster optimal dengan nilai Silhouette Score sebesar 0.56. Masing-masing cluster memiliki karakteristik produk yang berbeda, di mana Cluster 1 memiliki keragaman produk yang tinggi, dengan beberapa jenis produk menonjol namun tidak dominan secara tunggal. Sementara itu, Cluster 0 cenderung terfokus pada sedikit produk utama yang mendominasi. Perbedaan ini menunjukkan adanya segmentasi pasar yang jelas, yang dapat dimanfaatkan dalam strategi pengelolaan stok, perencanaan produksi, dan pemasaran. Penelitian ini memberikan wawasan strategis bagi perusahaan dalam memahami preferensi konsumen berdasarkan distribusi produk dalam setiap cluster. Untuk pengembangan lebih lanjut, disarankan penggunaan algoritma alternatif seperti DBSCAN untuk mengatasi keterbatasan K-Means dalam mengidentifikasi cluster dengan distribusi data yang tidak beraturan.

References

F. Dwi, B. N. Sari, and I. Maulana, “PENERAPAN DATA MINING UNTUK PENGELOMPOKAN PRO- DUK PENJUALAN MENGGUNAKAN ALGORITMA K-MEANS,” vol. 9, no. 1, pp. 59–67, 2025.

F. R. Pratama, “IMPLEMENTASI K-MEANS CLUSTERING BERBASIS WEB UNTUK ANALISIS DATA PENJUALAN EKPEDISI DI LION PARCEL WEB-BASED IMPLEMENTATION OF K-MEANS CLUS- TERING FOR EXPEDITION SALES DATA ANALYSIS AT LION PARCEL CILEDUG,” vol. 3, no.September, pp. 547–557, 2024.

G. Gunadi, “Penerapan Algoritma K-Means Clustering Untuk Menganalisa Transaksi Penjualan Jasa Cetak Pada Unit Print on Demand (Pod) Percetakan Gramedia,” Infotech: Journal of Technology Infor- mation, vol. 8, no. 2, pp. 117–126, 2022.

A. P. Bagustio, A. I. Purnamasari, and Irfan Ali, “Analisis Data Penjualan Menggunakan Algoritma K- Means Clustering Pada Toko Kecantikan Putri,” PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer, vol. 11, no. 2, pp. 159–167, 2024.

H. Syahputra, “Clustering Tingkat Penjualan Menu (Food and Beverage) Menggunakan Algoritma K-Means,” Jurnal KomtekInfo, vol. 9, pp. 29–33, 2022.

D. Asmaya, B. Irawan, and A. Bahtiar, “Optimalisasi Penjualan Produk Melalui Analisis Data Dan Pengelompokan Produk (Study Kasus Hopespace Coffe Dengan Algoritma K-Means),” JATI(Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 3, pp. 4336–4343, 2024.

Irianto and Afrisawati, “Perancangan aplikasi data mining untuk menentukan tingkat kelarisan pro- duk menggunakan metode clustering dengan algoritma k-means,” Journal of Science and Social Re- search, vol. VII, no. 1, pp. 116–123, Februari 2024.

Z. V. Arla and T. Sutabri, “Analisis Produk Terlaris Menggunakan Metode K-Means Clustering Pada “ Toko Hartati,” vol. 2, no. 4, 2024.

Y. Song and Y. Wang, “Towards High-Performance Exploratory Data Analysis (EDA) via Stable Equi- librium Point,” Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intel- ligence and Lecture Notes in Bioinformatics), vol. 14450 LNCS, pp. 483–492, 2024.

L. Qin, “Application test of PCA based improved K-means clustering algorithm in analyzing NGO assistance needs in less developed countries,” Applied and Computational Engineering, vol. 27, no. 1,pp. 11–23, 2023.

S. Ana, R. Kurniawan, and A. Nazir, “Pengklasteran Risiko Covid-19 Di Riau Menggunakan Teknik One Hot Encoding Dan Algoritma K-Means Clustering,” Jurnal Informasi dan Komputer, vol. 10, no. 1,pp. 154–163, 2022.

U. W. Latifah, S. Bahri, and M. Satriandhini, “Implementasi Algoritma K-Means Clustering untuk Strategi Promosi Kampus IBISA,” JIKO (Jurnal Informatika dan Komputer), vol. 8, no. 2, p. 292, 2024.

F. H. Awad and M. M. Hamad, “Improved k-Means Clustering Algorithm for Big Data Based on Dis- tributed SmartphoneNeural Engine Processor,” Electronics (Switzerland), vol. 11, no. 6, 2022.

Y. Januzaj, E. Beqiri, and A. Luma, “Determining the Optimal Number of Clusters using Silhouette Score as a Data Mining Technique,” International journal of online and biomedical engineering, vol. 19, no. 4, pp. 174–182, 2023.

V. Wulandari, Y. Syarif, Z. Alfian, M. A. Althof, and M. Mufidah, “Comparison of Density-Based Spatial Clustering of Applications with Noise (DBSCAN), K-Means and X-Means Algorithms on Shopping Trends Data,” IJATIS: Indonesian Journal of Applied Technology and Innovation Science, vol. 1, no. 1,pp. 1–8, 2024.