<![CDATA[Persaingan bisnis ritel yang semakin kompetitif menuntut strategi pemasaran yang lebih terarah dan berbasis data untuk mengatasi stagnasi penjualan, khususnya pada produk dengan permintaan rendah. Penelitian ini bertujuan mengembangkan pendekatan analitik untuk mengoptimalkan strategi product bundling di toko Aldrin Stocklot’s melalui pemetaan pola peminatan dan keterkaitan produk. Metode yang digunakan meliputi analisis Recency, Frequency, and Monetary (RFM) pada level produk, K-Means Clustering untuk segmentasi produk berdasarkan peminatan, dan algoritma Apriori untuk mengidentifikasi asosiasi antarproduk dalam transaksi pelanggan. Hasil menunjukkan bahwa 82% produk termasuk kategori kurang diminati, dan hanya 13 dari 33 aturan asosiasi yang efektif untuk bundling lintas klaster. Evaluasi clustering menggunakan Davies-Bouldin Index (DBI) sebesar 0.717 menandakan kualitas segmentasi yang cukup baik. Temuan ini memperkuat argumen bahwa integrasi klasterisasi dan association rule mining pada level produk dapat menghasilkan rekomendasi bundel yang lebih adaptif untuk meningkatkan visibilitas dan penjualan produk stagnan. Implikasi praktis dari pendekatan ini berpotensi direplikasi di sektor ritel UMKM lainnya.]]>
Copyrights © 2025
