<![CDATA[Penelitian ini bertujuan untuk menganalisis pola penjualan produk cetakan dengan menerapkan metode data mining menggunakan algoritma K-Means Clustering. Data yang digunakan merupakan data penjualan produk cetakan dari wilayah Sulawesi, Indonesia. Tahapan penelitian meliputi exploratory data analysis (EDA), pre- processing data untuk normalisasi dan encoding, penerapan metode Elbow untuk menentukan jumlah cluster optimal, serta evaluasi hasil clustering menggunakan Silhouette Score. Hasil penelitian menunjukkan terbentuknya dua cluster optimal dengan nilai Silhouette Score sebesar 0.56. Masing-masing cluster memiliki karakteristik produk yang berbeda, di mana Cluster 1 memiliki keragaman produk yang tinggi, dengan beberapa jenis produk menonjol namun tidak dominan secara tunggal. Sementara itu, Cluster 0 cenderung terfokus pada sedikit produk utama yang mendominasi. Perbedaan ini menunjukkan adanya segmentasi pasar yang jelas, yang dapat dimanfaatkan dalam strategi pengelolaan stok, perencanaan produksi, dan pemasaran. Penelitian ini memberikan wawasan strategis bagi perusahaan dalam memahami preferensi konsumen berdasarkan distribusi produk dalam setiap cluster. Untuk pengembangan lebih lanjut, disarankan penggunaan algoritma alternatif seperti DBSCAN untuk mengatasi keterbatasan K-Means dalam mengidentifikasi cluster dengan distribusi data yang tidak beraturan.]]>
Copyrights © 2025
