<![CDATA[Penelitian ini bertujuan untuk mengelompokkan produk skincare berdasarkan pola penjualan dengan menggunakan metode Recency, Frequency, Monetary (RFM) dan algoritma K-Medoids. Pendekatan RFM digunakan untuk menilai performa produk berdasarkan seberapa baru transaksi terjadi, seberapa sering produk terjual, dan nilai total penjualannya (Kumar, 2018). Data transaksi diambil dari JGlow Store Bogor, kemudian diolah untuk memperoleh nilai RFM setiap produk. Selanjutnya, data dinormalisasi dan diklaster menggunakan algoritma K-Medoids yang dipilih karena kemampuannya dalam menangani data yang mengandung outlier (Sammut, 2017). Hasil klasterisasi menghasilkan dua kelompok utama yaitu produk dengan penjualan tinggi (laris) dan produk dengan penjualan rendah (kurang laris). Evaluasi menggunakan Silhouette Score menghasilkan nilai 0.34 yang menunjukkan kualitas klaster yang cukup baik (Lee, 2025). Sistem ini kemudian divisualisasikan melalui aplikasi desktop yang menampilkan hasil klaster secara informatif. Hasil penelitian ini diharapkan dapat membantu manajemen JGlow Store dalam pengambilan keputusan terkait strategi promosi dan pengelolaan stok.]]>
Copyrights © 2026
