<![CDATA[Perkembangan industri video game yang pesat menciptakan tantangan dalam menganalisis dan memahami pola penjualannya secara global. Penelitian ini bertujuan untuk menerapkan metode Principal Component Analysis (PCA) sebagai tahap pra-pemrosesan untuk mereduksi dimensi data sebelum dilakukan proses klasterisasi menggunakan algoritma K-Means. Dataset yang digunakan berasal dari situs Kaggle dengan jumlah data sebanyak 64.000 entri dan 11 atribut penjualan. Proses dimulai dari tahap preprocessing data, kemudian dilakukan PCA untuk menyederhanakan dimensi, dan selanjutnya data diklasterkan menggunakan K-Means. Evaluasi dilakukan dengan metode Silhouette Coefficient untuk mengetahui seberapa baik klaster yang terbentuk. Hasil dari penelitian menunjukkan bahwa kombinasi PCA dan K-Means mampu mengelompokkan data penjualan video game secara lebih efisien dan terstruktur, serta memberikan visualisasi yang membantu dalam pengambilan keputusan strategis. Penelitian ini juga dikembangkan dalam bentuk aplikasi desktop berbasis Python dengan antarmuka grafis untuk memudahkan pengguna dalam melakukan proses klasterisasi secara interaktif.]]>
Copyrights © 2025
