Implementasi Algoritma K-means Clustering untuk Mencari Preferensi Pelanggan Toko Online Tazeee Clothes

Ikram Ramadhan Effendy; Yehezkiel Albert Manurung; Muhamad Imam Hujaifah

doi:10.55338/jumin.v7i1.8054

Authors

Ikram Ramadhan Effendy, Universitas Bina Sarana Informatika, Indonesia
Yehezkiel Albert Manurung, Universitas Bina Sarana Informatika, Indonesia
Muhamad Imam Hujaifah, Universitas Bina Sarana Informatika, Indonesia

DOI:

https://doi.org/10.55338/jumin.v7i1.8054

Keywords:

K-Means, clustering, customer segmentation, data mining, product sales

Abstract

Pertumbuhan transaksi pada platform e-commerce mendorong pelaku bisnis untuk memahami preferensi pelanggan secara lebih tepat. Tazeee Clothes, sebagai toko fashion berbasis online, memiliki volume data penjualan yang besar namun belum dimanfaatkan secara maksimal dalam melakukan segmentasi produk. Penelitian ini bertujuan mengelompokkan produk berdasarkan performa penjualannya untuk mengidentifikasi pola pembelian pelanggan. Metode yang diterapkan adalah algoritma K-Means Clustering dengan pendekatan kuantitatif menggunakan data penjualan Januari–Desember 2024, meliputi variabel harga, jumlah pesanan, dan total berat produk. Proses pengelompokan dilakukan melalui iterasi hingga diperoleh centroid yang konvergen, kemudian divalidasi menggunakan Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Index. Hasil analisis menghasilkan tiga klaster utama, yaitu produk dengan penjualan tinggi, penjualan sedang, dan penjualan rendah. Nilai evaluasi Silhouette Score 0.5782, Davies-Bouldin Index 0.4361, dan Calinski-Harabasz Index 3450.61 mengindikasikan kualitas klaster yang baik. Temuan ini memberikan landasan strategis bagi Tazeee Clothes dalam menyusun keputusan pemasaran, manajemen stok, serta pengembangan produk.

Downloads

Download data is not yet available.

References

M. D. Pamungkas and H. Februariyanti, “Penerapan Algoritma K-Means Clustering Untuk Mengelompokan Data Review Barang Pada E-Commerce Lazada,” semanTIK, vol. 8, no. 2, p. 99, 2022, doi: 10.55679/semantik.v8i2.29058.

D. A. Imanuel and G. Alfian, “Visualisasi Segmentasi Pelanggan Berdasarkan Atribut RFM Menggunakan Algoritma K-Means Untuk Memahami Karakteristik Pelanggan pada Toko Retail Online,” J. Teknol. Inf. dan Ilmu Komput., vol. 12, no. 2, pp. 283–292, 2025, doi: 10.25126/jtiik.2025128619.

S. Wahyuni, T. T. Wulansari, and F. Fahrullah, “Segmentasi Pelanggan Berdasarkan Analisis Recency, Frequency, Monetary Menggunakan Algoritma K-Means Pada CV. Toedjoe Sinar Group,” J. Rekayasa Teknol. Inf., vol. 7, no. 2, p. 180, 2023, doi: 10.30872/jurti.v7i2.8748.

N. S. Niko, A. Rahman, D. Marini Umi Atmaja, and A. Basri, “Klasterisasi Stok Produk Retail Untuk Menetukan Pergerakan Kebutuhan Konsumen Dengan Algoritma K-Means,” Bull. Inf. Technol., vol. 4, no. 3, pp. 306–312, 2023, doi: 10.47065/bit.v4i3.736.

I. Pii, N. Suarna, and N. Rahaningsih, “Penerapan Data Mining Pada Penjualan Produk Pakaian Dameyra Fashion Menggunakan Metode K-Means Clustering,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 423–430, 2023, doi: 10.36040/jati.v7i1.6336.

S. Pujiono, R. Astuti, and F. Muhamad Basysyar, “Implementasi Data Mining Untuk Menentukan Pola Penjualan Produk Menggunakan Algoritma K-Means Clustering,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 615–620, 2024, doi: 10.36040/jati.v8i1.8360.

W. W. Kristianto and C. Rudianto, “Penerapan Data Mining Pada Penjualan Produk Menggunakan Metode K-Means Clustering (Studi Kasus Toko Sepatu Kakikaki),” J. Pendidik. Teknol. Inf., no. 5, pp. 90–98, 2020.

S. A. Rahmah, “Klasterisasi Pola Penjualan Pestisida Menggunakan Metode K-Means Clustering (Studi Kasus Di Toko Juanda Tani Kecamatan Hutabayu Raja),” Djtechno J. Teknol. Inf., vol. 1, no. 1, pp. 1–5, 2020.

A. Yahya1* and R. Kurniawan2, “Implementation of K-Means Algorithm for Clustering Sales Data Based on Sales Patterns,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 05, no. 1, pp. 350–358, 2025.

F. Hadi and Y. Diana, “Pengklusteran Penjualan Bahan Bangunan Menggunakan Algoritma K-Means,” JOISIE (Journal Inf. Syst. Informatics Eng., vol. 4, no. 1, p. 22, 2020, doi: 10.35145/joisie.v4i1.629.

Agung Nugraha, Odi Nurdiawan, and Gifthera Dwilestari, “Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Yana Sport,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 1–7, 2022.

N. Noviati, M. Mulyawan, D. A. Kurnia, and A. R. Rinaldi, “Clustering Data Penjualan Produk Makanan pada Toko Toserba Yogya Siliwangi dengan Menggunakan Metode K-Means,” MEANS (Media Inf. Anal. dan Sist., vol. 7, no. 1, pp. 77–84, 2022, doi: 10.54367/means.v7i1.1850.

P. Algoritma et al., “Comparison of K - Means and K - Medoids Algorithms in Clustering Islamic Commercial Banks in Indonesia Using Davies - Bouldin Index , Calinski - Harabasz Index , and Silhouette Coefficient sektor perbankan syariah . Bank ( ROA ), yang biasanya disebut Ind,” J. Kelitbangan, vol. 13, no. 1, pp. 1–12, 2022.

B. Kristanto, A. Turmudi Zy, and M. Fatchan, “Analisis Penentuan Karyawan Tetap Dengan Algoritma K-Means Dan Davies Bouldin Index,” Bull. Inf. Technol., vol. 4, no. 1, pp. 112–120, 2023, doi: 10.47065/bit.v4i1.521.

R. Anggari, M. Ifandi, A. Firdaus, M. Wati, and H. Haviluddin, “Penerapan Algoritma K-Means untuk Pengelompokan Negara di Dunia Berdasarkan Indikator Ekonomi,” J. Rekayasa Teknol. Inf., vol. 8, no. 2, p. 195, 2024, doi: 10.30872/jurti.v8i2.19745.