Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Rizky Eka Adinagoro
Teknik Informatika, Universitas Duta Bangsa Surakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Segmentasi Transaksi Penjualan Produk Apple secara Global Menggunakan Algoritma K-Means Clustering Rizky Eka Adinagoro; Dhiwa Irsyad Sabilarrasyid; Muh. Lutfi Al-Hafizh; Arsa Lumaksana Aji; Aprilisa Arum Sari
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Industri teknologi konsumen global menghasilkan volume data transaksi yang sangat besar, namun potensi data tersebut belum sepenuhnya dimanfaatkan untuk mendukung pengambilan keputusan bisnis yang strategis. Penelitian ini bertujuan untuk melakukan segmentasi terhadap data transaksi penjualan produk Apple secara global menggunakan algoritma K-Means Clustering, guna mengidentifikasi kelompok-kelompok transaksi yang memiliki kesamaan karakteristik dan menghasilkan wawasan yang dapat diterapkan dalam strategi penjualan. Dataset yang digunakan terdiri dari 11.500 baris dan 27 kolom yang mencakup periode tahun 2022 hingga 2024, meliputi 47 negara dan enam kategori produk Apple. Setelah proses pra-pemrosesan berupa penghapusan nilai kosong pada fitur clustering dan normalisasi menggunakan StandardScaler, diperoleh 8.140 data yang valid. Fitur yang digunakan sebagai input clustering meliputi revenue_usd, units_sold, discount_pct, dan customer_rating. Penentuan jumlah klaster optimal dilakukan menggunakan Elbow Method yang mengidentifikasi K = 4 sebagai nilai optimal, dan kualitas klaster divalidasi menggunakan Silhouette Score dengan nilai 0,3120. Hasil clustering menghasilkan empat segmen transaksi yang berbeda secara karakteristik, yaitu segmen transaksi bernilai tinggi dengan volume pembelian besar, segmen sensitif terhadap diskon, segmen dengan kepuasan pelanggan tinggi, serta segmen dengan kepuasan pelanggan rendah. Temuan penelitian menunjukkan bahwa tingkat kepuasan pelanggan tidak berkorelasi langsung dengan nilai transaksi maupun besaran diskon. Hasil segmentasi ini dapat dimanfaatkan sebagai dasar perancangan strategi pemasaran yang lebih tertarget sesuai karakteristik masing-masing segmen.
Co-Authors Aprilisa Arum Sari Arsa Lumaksana Aji Dhiwa Irsyad Sabilarrasyid Muh. Lutfi Al-Hafizh