<![CDATA[Penelitian ini bertujuan untuk mengoptimalkan jumlah cluster dalam analisis penjualan produk kosmetik menggunakan algoritma K-Medoids pada data penjualan toko XYZ. Untuk menentukan jumlah cluster yang optimal, dengan menerapkan metode elbow, silhouette analysis, dan gap statistic dengan menggunakan Python selama analisis data dan implementasi algoritma. Dataset yang dianalisis mencakup data penjualan bulanan dengan atribut seperti jumlah unit penjualan, harga unit, dan total pendapatan. Hasil analisis diperoleh nilai bahwa k = 3 adalah jumlah cluster yang optimal. penentuan ini didukung oleh Metode elbow menunjukkan titik elbow pada k=3, di mana SSE (Sum of Squared Errors) menurun secara drastis hingga mencapai stabilitas. Silhouette analysis memberikan nilai koefisien Siluet sebesar 0,58 untuk k = 3, yang mengindikasikan kualitas klasterisasi yang cukup baik dan terpisah secara jelas. Gap statistic menunjukkan nilai gap yang besar pada k=3, mengindikasikan bahwa pengelompokan pada k=3 lebih signifikan dibandingkan dengan data acak. Dari hasil penelitian ini, terdapat tiga cluster yang optimal yaitu cluster 1 terdiri dari produk yang murah dan banyak diminati (Eyeshadow, Eyeliner, Lipstik, Mascara, dan Moisturizer), cluster 2 terdiri dari produk yang murah dan sedikit diminati (Blush On, Concealer, dan Setting Spray), dan cluster 3 termasuk produk yang mahal dan banyak diminati (Bedak, Cushion, Eyebrow, Foundation, Lipcream, Liptint, dan Sunscreen). Hasil ini memberikan wawasan penting bagi toko XYZ untuk mengelola stok dengan lebih efisien dan mendorong strategi pemasaran yang disesuaikan dengan karakteristik masing-masing cluster produk. Kombinasi K-Medoids dan metode evaluasi ini telah terbukti efektif untuk segmentasi produk, dengan potensi peningkatan efisiensi operasional dan pendapatan toko.;]]>
