<![CDATA[AbstrakWarframe merupakan permainan daring gratis dengan sistem perdagangan item permainan yangmemungkinkan pemain melakukan transaksi dengan pemain lain. Ketika menjual item permainan,pemain harus mencari nilai item untuk menentukan tindakan yang menghasilkan keuntungan palingbesar. Akan tetapi nilai item terus berubah sesuai dengan kondisi pasar, sehingga pencarian nilai danpenentuan tindakan yang paling menguntungkan sulit dilakukan. Saat ini pemain mencari nilai itemsecara manual dengan membandingkan atau memperkirakan nilainya sehingga keuntungan yangdidapatkan kurang maksimal. Oleh sebab itu penelitian ini dilakukan untuk membuat sistem yangmemberikan rekomendasi tindakan ketika menjual item yang diharapkan dapat membantu pemaindalam menentukan tindakan terhadap item dan mendapat keuntungan yang mungkin paling besar.Rekomendasi tindakan diambil berdasarkan hasil pengelompokan menggunakan metode K-Means,ekstraksi dataset penelitian dari situs web menggunakan teknik web scraping, dan data editing untukmengolah data sebelum proses pengelompokan. Pada penelitian ini dilakukan beberapa pengujian denganmemodifikasi jarak hari data latih dan jarak tren harga untuk mendapatkan model yang paling akurat.Proses pengujian menggunakan data dua hari untuk jarak data latih dan sembilan hari untuk tren hargamemberikan hasil dengan akurasi terbaik yaitu 89,59108% dengan silhouette coefficient 0,386854. Hasilmenunjukkan bahwa metode pengelompokan k-means memberikan rekomendasi tindakan yang cukupakurat menggunakan data statistik penjualan.Kata kunci: rekomendasi, web scraping, pengelompokan, data editing, k-means, silhouette analystAbstractWarframe is a free online game with in-game item trading system that allows players to maketransactions with other players. When selling in-game items, players must find the value of the item todetermine the action that gives the highest profit. However, the value of items keeps changing according tomarket conditions, so finding the value and determining the most beneficial actions is difficult to do. Today, players search for item values manually by comparing or estimating items values so that thebenefits obtained are not maximal. Therefore this research was conducted to create a system that providesrecommendations for actions when selling items that are expected to help players determine the action ofthe item and get the greatest possible profit. Recommended actions are taken based on the results ofgrouping using the K-Means method, extraction of research datasets from websites using web scrapingtechniques, and data editing to process data before the grouping process. In this research, several testswere carried out by modifying the distance of the training data day and the distance of the price trend toget the most accurate model. The testing process uses two days of data for days and nine days for pricetrends to provide results with the best accuracy, namely 89.59108% with silhouette coefficient 0.386854. TThe results show that the k-means grouping method provides recommendations for actions that are quiteaccurate using sales statistics.Keyword: recommendation, web scraping, clustering, data editing, k-means, silhouette analyst]]>
