Clustering Toko Ritel Berdasarkan Pola Penjualan Produk Menggunakan Algoritma K-Means
DOI:
https://doi.org/10.55382/jurnalpustakaai.v6i1.1748Keywords:
segmentasi toko, K-Means, klaster, penjualan ritelAbstract
Penelitian ini menganalisis pola penjualan toko ritel di Pekanbaru dan melakukan segmentasi berbasis data menggunakan algoritma K-Means. Dataset terdiri dari 965 toko dengan variabel numerik hasil preprocessing, meliputi total penjualan, frekuensi transaksi, rata-rata nilai pembelian, dan variasi produk. Hasil clustering menunjukkan tiga segmen toko: performa tinggi, menengah, dan rendah, dengan evaluasi kualitas menggunakan Silhouette Score sebesar 0.603 dan Davies-Bouldin Index sebesar 0.763. Visualisasi PCA memperkuat pemisahan antar cluster secara intuitif. Kebaruan penelitian ini terletak pada penerapan K-Means pada data ritel lokal Pekanbaru dengan evaluasi cluster komprehensif, sehingga menghasilkan segmentasi yang lebih representatif terhadap perilaku konsumen daerah. Temuan ini dapat dimanfaatkan untuk strategi distribusi produk, target promosi, dan evaluasi kinerja toko berbasis data. Penelitian selanjutnya dapat menambahkan variabel lokasi geografis dan demografi pelanggan untuk meningkatkan presisi segmentasi.
Downloads
References
V. et al. Kumar, “Customer Segmentation Using Machine Learning in Retail Industry,” Appl. Sci., vol. 11, no. 17, 2021, doi: 10.3390/app11178162.
K. P. Sinaga and M.-S. Yang, “Unsupervised K-Means Clustering Algorithm,” IEEE Access, vol. 8, pp. 80716–80727, 2020, doi: 10.1109/ACCESS.2020.2988796.
T. et al. Chen, “Retail Data Analytics and Customer Behaviour Modelling Using Clustering Techniques,” Expert Syst. Appl., vol. 187, no. 1, 2022, doi: 10.1016/j.eswa.2021.115972.
X. Li and H. Wang, “Improved K-Means for Large Scale Retail Data Segmentation,” Knowledge-Based Syst., vol. 261, no. 1, 2023, doi: 10.1016/j.knosys.2022.110182.
A. et al. Putra, “Penerapan Data Mining untuk Segmentasi Pelanggan Menggunakan K-Means,” J. RESTI, vol. 4, no. 5, 2020, doi: 10.29207/resti.v4i5.2450.
D. et al. Rahmawati, “Analisis Clustering Data Penjualan Retail Menggunakan Algoritma K-Means,” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 3, 2021, doi: 10.25126/jtiik.202183450.
Y. et al. Zhang, “Data Mining Techniques for Retail Market Basket Analysis,” IEEE Access, vol. 8, no. 1, 2020, doi: 10.1109/ACCESS.2020.3001930.
J. et al. Silva, “Machine Learning-Based Customer Behaviour Analysis in Smart Retail,” Sensors, vol. 24, no. 2, 2024, doi: 10.3390/s24020521.
Y. K. Febrina, R. Saputra, and K. Flomina, “Segmentasi Pelanggan Toko Hanifah Berdasarkan Analisis RFM dengan Metode K-Means Clustering,” J. Pustaka AI, vol. 5, no. 2, pp. 274–282, 2025, doi: 10.55382/jurnalpustakaai.v5i2.1084.
D. P. Sari, W. Buana, and M. F. M. Sari, “Implementasi Data Mining pada Penjualan Barang dengan Tekhnik K Means,” J. Pustaka AI, vol. 5, no. 1, 2025, doi: 10.55382/jurnalpustakaai.v5i1.955.
Y. Muharmi, N. Azwanti, S. T. Siska, and D. Amelia, “Association Rule Analysis of Student Consumptive Behavior on Shopee Twin Date Promo,” J. Sci. Appl. Informatics, vol. 7, no. 3, 2024, [Online]. Available: https://gas3kglangka.umb.ac.id/index.php/JSAI/article/view/7390
N. Azwanti and N. E. Putri, “Penerapan Algoritma K-Means untuk Pemetaan Penerimaan Bantuan Kesejahteraan Masyarakat di Kota Batam,” in Seminar Nasional Ilmu Sosial dan Teknologi (SNISTEK) 5, 2023. [Online]. Available: https://pdfs.semanticscholar.org/1d84/b6544555a5d8d7e593699a10d41bdf21ecf2.pdf
M. Ahmed, R. Seraj, and S. Islam, “Customer Segmentation Using K-Means Clustering,” Int. J. Adv. Comput. Sci. Appl., vol. 11, no. 5, 2020, doi: 10.14569/IJACSA.2020.0110573.
O. Arbelaitz, I. Gurrutxaga, and J. Muguerza, “An extensive comparative study of cluster validity indices,” Pattern Recognit., vol. 46, no. 1, 2013, doi: 10.1016/j.patcog.2012.07.021.
T. Hidayat and B. Surarso, “Penerapan Algoritma K-Means untuk Segmentasi Penjualan,” J. RESTI, vol. 5, no. 2, 2021, doi: 10.29207/resti.v5i2.3001.
R. Sari and A. Wibowo, “Analisis Segmentasi Pelanggan Menggunakan K-Means Clustering,” J. Teknol. Inf. dan Ilmu Komput., vol. 9, no. 4, 2022, doi: 10.25126/jtiik.202294567
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Riska Amalia Praptiwi, Yulya Muharmi, Dhella Amelia
This work is licensed under a Creative Commons Attribution 4.0 International License.
