Clustering Penjualan Toko Retail Menggunakan Algoritma K-Means dalam Proses Penambangan Data

Abstract

Perkembangan bisnis ritel yang semakin kompetitif menuntut pengelolaan data penjualan secara lebih efektif dan berbasis analisis. Data penjualan yang tersimpan dalam jumlah besar sering kali belum dimanfaatkan secara optimal untuk mendukung pengambilan keputusan strategis. Penelitian ini bertujuan untuk menerapkan teknik data mining dengan menggunakan algoritma K-Means dalam melakukan pengelompokan data penjualan pada toko ritel. Proses clustering dilakukan berdasarkan atribut penjualan, seperti jumlah transaksi dan volume penjualan, guna mengidentifikasi pola dan karakteristik penjualan yang serupa. Metode K-Means dipilih karena kemampuannya dalam mengelompokkan data secara efisien dan mudah diimplementasikan pada dataset berukuran besar. Berdasarkan hasil analisis, algoritma K-Means berhasil mengelompokkan produk ke dalam beberapa klaster penjualan dengan karakteristik tinggi, sedang, dan rendah. Informasi yang dihasilkan dari proses clustering ini dapat dimanfaatkan oleh pihak manajemen toko ritel sebagai dasar dalam menyusun strategi pemasaran, pengelolaan stok, serta peningkatan kinerja penjualan secara lebih terarah. Dengan demikian, penerapan algoritma K-Means dalam proses penambangan data terbukti mampu membantu pengambilan keputusan yang lebih tepat dan berbasis data pada bisnis ritel.

GS Cited Analysis