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

Hibrizi Dzaky Dermawan; Rudi Kurniawan; Yudhistira Arie Wijaya

doi:10.24114/cess.v9i1.55093

Authors

Hibrizi Dzaky Dermawan STMIK IKMI Cirebon
Rudi Kurniawan STMIK IKMI Cirebon
Yudhistira Arie Wijaya STMIK IKMI Cirebon

DOI:

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

Keywords:

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

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.

References

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

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

Sharen Kangean and Farid Rusdi, œAnalisis 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, œOptimalisasi 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, œClusterisasi 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, œAnalisis 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, œClusterisasi 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, œClustering 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, œAnalisa 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, œImplementasi 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, œHuman“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, œPenerapan 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, œAnalisis Segmentasi Pelanggan Menggunakan Metode K-Means Clustering, Jurnal ICT : Information Communication & Technology, vol. 21, pp. 273“278, 2022.

M. Siahaan, œData 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, œPenerapan 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, œImplementation 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, œPenerapan 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, œPengelompokan 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.