Penerapan Algoritma K-Means Clustering Pada Penjualan Produk Skincare
Abstract
Data mining dapat membantu perusahaan menentukan strategi pemasaran. Industri kecantikan, khususnya produk skincare, telah mengalami pertumbuhan yang signifikan di era digital saat ini. Dalam menghadapi persaingan yang semakin ketat, sangat penting bagi perusahaan untuk menganalisis data pelanggan guna mengoptimalkan strategi penjualannya. Penelitian ini bertujuan untuk menerapkan algoritma K-Means Clustering dalam pengelompokan produk skincare berdasarkan data penjualan dengan bantuan perangkat lunak RapidMiner.
Proses penelitian meliputi beberapa tahapan, mulai dari seleksi data, preprocessing, normalisasi, transformasi atribut, hingga penerapan algoritma K-Means. Hasil dari pengelompokan ini mengidentifikasi tiga kelompok produk skincare berdasarkan pola penjualan yang ada, memberikan wawasan berharga bagi pelaku bisnis dalam merumuskan strategi pemasaran yang lebih efektif. Penelitian ini membuktikan bahwa algoritma K-Means merupakan alat analisis yang andal untuk mendukung pengambilan keputusan dalam dunia bisnis.
Kata Kunci: Data Mining, K-Means Clustering, Skincare, RapidMiner
References
Bahtiar, D., Kunci, K., Abstrak, :, Penerima, P., Dana, B., Desa, S., & Jaya, W. (2023). Pemetaan Penduduk Penerima Bantuan Sosial Desa Waru Jaya Menggunakan Algoritma K-Means Clustering. Scientia Sacra: Jurnal Sains, 3(2), 29–39. http://pijarpemikiran.com/index.php/Scientia
Clustering, A. K., Melakukan, U., Pelanggan, S., Toko, D., Glow, G., Bumirejo, B., Aisyah, S., Darmawan, W., Ismanto, B., Informasi, S., Pekalongan, K., Informatika, M., Pekalongan, K., Informatika, T., Pekalongan, K., & Clustering, K. (2024). Algoritma K-Means Clustering Untuk Melakukan Segmentasi Pelanggan. 20(2), 26–31.
Filki, Y. (2022). Algoritma K-Means Clustering dalam Memprediksi Penerima Bantuan Langsung Tunai (BLT) Dana Desa. Jurnal Informatika Ekonomi Bisnis, 4, 166–171. https://doi.org/10.37034/infeb.v4i4.166
Informasi, S., Muasaroh, Y. I., & Fatah, Z. (2024). Jurnal Advance Research Informatika Implementasi RapidMiner dalam Optimasi Pembentukan Kelas Unggulan Menggunakan K-Means Clustering. 3(1), 66–72.
Metisen, B. M., & Sari, H. L. (2015). Analisis clustering menggunakan metode K-Means dalam pengelompokkan penjualan produk pada Swalayan Fadhila. Jurnal Media Infotama, 11(2), 110–118.
Muliono, R., & Sembiring, Z. (2019). Data Mining Clustering Menggunakan Algoritma K-Means Untuk Klasterisasi Tingkat Tridarma Pengajaran Dosen. Journal of Computer Engineering System and Science, 4(2), 2502–2714.
Utami, N. W., & Eka Putra, I. G. J. (2022). Text Minig Clustering Untuk Pengelompokan Topik Dokumen Penelitian Menggunakan Algoritma K-Means Dengan Cosine Similarity. Jurnal Informatika Teknologi Dan Sains, 4(3), 255–259. https://doi.org/10.51401/jinteks.v4i3.1907
Virgo, I., Defit, S., & Yuhandri, Y. (2020). Klasterisasi Tingkat Kehadiran Dosen Menggunakan Algoritma K-Means Clustering. Jurnal Sistim Informasi Dan Teknologi, 2, 23–28. https://doi.org/10.37034/jsisfotek.v2i1.17
Yunita, F. (2018). Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru. Sistemasi, 7(3), 238. https://doi.org/10.32520/stmsi.v7i3.388
Zanuardi, A., & Suprayitno, H. (2018). Analisa Karakteristik Kecelakaan Lalu Lintas di Jalan Ahmad Yani Surabaya melalui Pendekatan Knowledge Discovery in Database. Jurnal Manejemen Aset Infrastruktur & Fasilitas, 2(1), 45–55. https://doi.org/10.12962/j26151847.v2i1.3767
