<![CDATA[Abstrak – Perkembangan teknologi informasi mendorong pelaku usaha untuk memanfaatkan data sebagai dasar pengambilan keputusan bisnis. Mikaylala Shop adalah toko yang bergerak di bidang penjualan perlengkapan akuarium dan ikan hias dengan beragam variasi produk, sehingga pemilik kesulitan mengidentifikasi produk terlaris secara manual. Penelitian ini bertujuan menerapkan algoritma K-Means Clustering untuk mengelompokkan 341 produk berdasarkan data penjualan dari 25.319 transaksi yang diperoleh dari platform Shopee. Atribut yang digunakan adalah jumlah produk terjual (Qty Terjual) dan harga satuan (Harga), yang telah melalui tahap preprocessing berupa data cleaning, seleksi atribut, dan transformasi data. Penentuan jumlah cluster optimal menggunakan Davies-Bouldin Index (DBI) dengan menguji K=2, 3, dan 4, dan diperoleh nilai DBI terkecil pada K=3 sebesar 0,8876. Proses iterasi konvergen pada iterasi ke-4. Hasil clustering menghasilkan tiga kelompok: Cluster 1 (Terlaris/Tinggi) sebanyak 59 produk dengan volume penjualan tinggi dan harga rendah, Cluster 2 (Rendah) sebanyak 130 produk dengan volume rendah dan harga tinggi, serta Cluster 3 (Sedang) sebanyak 152 produk dengan karakteristik menengah. Implementasi juga dilakukan menggunakan RapidMiner Studio untuk memvalidasi hasil perhitungan manual. Hasil penelitian ini dapat dimanfaatkan Mikaylala Shop sebagai dasar strategi pengelolaan stok, penetapan promosi dan pengambilan keputusan bisnis yang lebih tepat. Kata kunci : Data Mining; Davies-Bouldin Index; K-Means Clustering; RapidMiner; Abstract – The development of information technology encourages business actors to utilize data as the basis for business decision-making. Mikaylala Shop is a store engaged in selling aquarium equipment and ornamental fish with a wide variety of products, making it difficult for owners to manually identify best-selling products. This study aims to apply the K-Means Clustering algorithm to group 341 products based on sales data from 25,319 transactions obtained from the Shopee platform. The attributes used are the quantity of products sold (Qty Sold) and unit price (Price), which have undergone preprocessing stages including data cleaning, attribute selection, and data transformation. The optimal number of clusters was determined using the Davies-Bouldin Index (DBI) by testing K=2, 3, and 4, resulting in the smallest DBI value of 0.8876 at K=3. The iteration process converged at the 4th iteration. The clustering results produced three groups: Cluster 1 (Best-Selling/High) with 59 products having high sales volume and low price, Cluster 2 (Low) with 130 products having low volume and high price, and Cluster 3 (Medium) with 152 products having intermediate characteristics. Implementation was also carried out using RapidMiner Studio to validate manual calculation results. The findings can be used by Mikaylala Shop as a basis for stock management strategies, promotional decisions, and more data-driven business decision-making. Keywords: Data Mining; Davies-Bouldin Index; K-Means Clustering; RapidMiner;]]>
