Keywords
Produk
Shopee
How to Cite
Abstract
Dalam lingkungan e-commerce seperti Shopee, terdapat ribuan produk dengan variasi harga dan performa penjualan yang berbeda. Untuk membantu penjual dan manajemen marketplace dalam pengambilan keputusan strategis, diperlukan pendekatan analisis data yang mampu mengelompokkan produk berdasarkan karakteristik relevan. Metode yang dinilai paling efektif dalam penelitian ini adalah analisis K-Means Kluster yaitu salah satu teknik clustering non-hierarkis yang bekerja dengan cara membagi sekumpulan objek atau data ke dalam beberapa kelompok (cluster) berdasarkan tingkat kemiripan karakteristik yang dimilikinya. Produk yang memiliki karakteristik yang sama akan tergolong ke dalam cluster yang sama, sementara produk dengan karakteristik yang berbeda akan dikelompokkan ke dalam cluster yang berbeda. Penelitian ini bertujuan untuk melakukan pengelompokan produk berdasarkan daya jual serta melihat keterkaitan antar variabel produk. Hasil segmentasi ini diharapkan memberikan informasi yang berguna untuk rekomendasi strategi penjualan, meningkatkan efisiensi promosi, dan memberikan insight bisnis yang lebih tajam bagi penjual maupun pihak pengelola marketplace dalam mengembangkan strategi pemasaran berbasis data.
References
[1] L. Azzahra and Amru Yasir, “Metode K-Means Clustering Dalam Pengelompokan Penjualan Produk Frozen Food,” J. Ilmu Komput. dan Sist. Inf., vol. 3, no. 1, pp. 1–10, 2024, doi: 10.70340/jirsi.v3i1.88.
[2] B. E. Adiana, I. Soesanti, and A. E. Permanasari, “Analisis Segmentasi Pelanggan Menggunakan Kombinasi Rfm Model Dan Teknik Clustering,” J. Terap. Teknol. Inf., vol. 2, no. 1, pp. 23–32, 2018, doi: 10.21460/jutei.2018.21.76.
[3] E. F. L. Awalina and W. I. Rahayu, “Optimalisasi Strategi Pemasaran dengan Segmentasi Pelanggan Menggunakan Penerapan K-Means Clustering pada Transaksi Online Retail,” J. Teknol. dan Inf., vol. 13, no. 2, pp. 122–137, 2023, doi: 10.34010/jati.v13i2.10090.
[4] E. Muningsih and S. Kiswati, “Penerapan Metode K-Means Untuk Clustering Produk Online Shop Dalam Penentuan Stok Barang,” J. Bianglala Inform., vol. 3, no. 1, pp. 10–17, 2015.
[5] L. H. Annisa and D. Rusvinasari, “Segmentasi Pembelian Produk Menggunakan Algoritma K-Means Berdasarkan Clusterisasi pada pemilihan menu yang ada diUMKM Kuliner,” vol. 9, no. 3, pp. 203–212, 2024, doi: 10.30591/jpit.v9i3.6556.
[6] D. K. Utami, N. Irawati, and S. Sumantri, “Analysis of the k-Means Method in Clustering Acceptance of PKH Aid in Pulau Rakyat Tua Village,” Sistemasi, vol. 12, no. 3, p. 953, 2023, doi: 10.32520/stmsi.v12i3.3236.
[7] E. Daniati and H. Utama, “Clustering K means for criteria weighting with improvement result of alternative decisions using SAW and TOPSIS,” 2019 4th Int. Conf. Inf. Technol. Inf. Syst. Electr. Eng. ICITISEE 2019, pp. 73–78, 2019, doi: 10.1109/ICITISEE48480.2019.9003858.
[8] R. B. Ardi, F. Ely Nastiti, and S. Sumarlinda, “Algoritma K-Means Clustering Untuk Segmentasi Pelanggan (Studi Kasus : Fashion Viral Solo),” INFOTECH J., vol. 9, no. 1, pp. 124–131, 2023, doi: 10.31949/infotech.v9i1.5214.
[9] M. Harahap, Y. Lubis, and Z. Situmorang, “Analisis Pemasaran Bisnis dengan Data Science : Segmentasi Kepribadian Pelanggan berdasarkan Algoritma K-Means Clustering,” Data Sci. Indones., vol. 1, no. 2, pp. 76–88, 2022, doi: 10.47709/dsi.v1i2.1348.
[10] S. L. Achmad, A. Fauzi, R. Rahmat, and J. Indra, “SEGMENTASI PELANGGAN MENGGUNAKAN K-MEANS CLUSTERING DI TOKO RETAIL,” J. Tek. Inf. dan Komput., vol. 7, no. 2, p. 736, Dec. 2024, doi: 10.37600/tekinkom.v7i2.1226.
[11] . F., F. T. Kesuma, and S. P. Tamba, “Penerapan Data Mining Untuk Menentukan Penjualan Sparepart Toyota Dengan Metode K-Means Clustering,” J. Sist. Inf. dan Ilmu Komput. Prima(JUSIKOM PRIMA), vol. 2, no. 2, pp. 67–72, 2020, doi: 10.34012/jusikom.v2i2.376.
[12] E. Dwi et al., “Penggunaan Data Mining untuk Prediksi tingkat Obesitas di Meksiko Menggunakan Metode Random Forest,” Agustus, vol. 8, pp. 2549–7952, 2024.
[13] G. Gustientiedina, M. H. Adiya, and Y. Desnelita, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan,” J. Nas. Teknol. dan Sist. Inf., vol. 5, no. 1, pp. 17–24, 2019, doi: 10.25077/teknosi.v5i1.2019.17-24.
[14] F. Gullo, “From patterns in data to knowledge discovery: What data mining can do,” Phys. Procedia, vol. 62, pp. 18–22, 2015, doi: 10.1016/j.phpro.2015.02.005.
[15] B. H. Prakoso, E. Rachmawati, D. R. P. Mudiono, V. Vestine, and G. E. J. Suyoso, “Klasterisasi Puskesmas dengan K-Means Berdasarkan Data Kualitas Kesehatan Keluarga dan Gizi Masyarakat,” J. Buana Inform., vol. 14, no. 01, pp. 60–68, 2023, doi: 10.24002/jbi.v14i01.7105.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Dennis Ma'rifatul Kurnia, Yulistiya Nur Hidayah, Erna Daniati Daniati