<![CDATA[Clustering adalah teknik analisis data yang digunakan untuk mengelompokkan data berdasarkan kesamaan karakteristik. Dalam konteks e-commerce, khususnya pada platform Supplier Shopee, teknik ini dapat dimanfaatkan untuk meningkatkan efisiensi pengambilan keputusan strategis. Penelitian ini berfokus pada penerapan algoritma K-Means untuk membangun model clustering yang optimal dalam mengidentifikasi pola transaksi supplier di platform tersebut.Metode analisis yang digunakan adalah Knowledge Discovery in Database (KDD), yang terdiri dari lima tahapan utama: seleksi data, praproses data, transformasi, penerapan algoritma K-Means, dan evaluasi hasil. Eksperimen dilakukan dengan menguji beberapa nilai K untuk menemukan hasil cluster terbaik. Evaluasi cluster dilakukan menggunakan Davies-Bouldin Index (DBI), sebuah metrik yang mengukur tingkat pemisahan antar cluster dan keseragaman dalam cluster.Hasil penelitian menunjukkan bahwa nilai K terbaik adalah 2, dengan nilai DBI sebesar 0,213. Ini menunjukkan cluster yang dihasilkan memiliki pemisahan yang baik dan struktur internal yang konsisten. Cluster 0 merepresentasikan supplier dengan jumlah transaksi sedikit, cluster 1 mencakup supplier dengan transaksi tinggi, dan cluster 2 melibatkan supplier dengan transaksi sedang.Hasil ini membuktikan bahwa algoritma K-Means dapat secara efektif mengidentifikasi pola transaksi. Informasi ini berguna untuk merumuskan strategi pemasaran, seperti insentif bagi supplier bertransaksi rendah atau penguatan hubungan dengan supplier unggul. Penelitian ini menegaskan pentingnya algoritma K-Means dan KDD dalam analisis data besar untuk mendukung pengambilan keputusan berbasis data di e-commerce.]]>
