IMPLEMENTASI METODE AGGLOMERATIVE CLUSTERING, K-MEDOIDS DAN K-MEANS DALAM MENGANALISIS SEGMENTASI PASAR BERDASARKAN PENJUALAN PRODUK DI OUTLET JIWALU BALUBUR TOWN SQUARE

Nur Avi, Reza
Geraldi Catur Pamuji

Jurnal Tata Kelola dan Kerangka Kerja Teknologi Informasi
Vol. 11 No. 2 (2025): September 2025

Segmentasi pasar diperlukan oleh perusahaan dalam menentukan strategi marketing mix dengan mengenal karakteristik, perilaku dan kebutuhan pelanggan dan membantu proses pemasaran pada sumber daya badan usaha supaya digunakan secara cermat dan manjur.  Jiwalu berkecimpung di bagian elektronik dan kartu perdana data memiliki penjualan produk yang berbeda-beda dengan segmen pasar yang berbeda sehingga dalam pembuatan strategi pemasaran membutuhkan segmentasi pasar. Maksud dari penelitian ini yaitu menganalisis segmentasi pasar berdasarkan penjualan produk menggunakan metode AHC, K-Medoids dan K-Means juga mengukur capaian dari ketiga metode itu. Atribut penelitian yang digunakan yaitu 6 dataset berasal dari data penjualan produk outlet Jiwalu. Metode Silhouette dan metode Elbow digunakan untuk penentuan jumlah klaster ideal dan model Silhouette Score, DBI, Average Within dan Between serta Rasio Simpangan Baku digunakan untuk evaluasi clustering. Metode K-Means, K-Medoids dan AHC memperoleh tiga jenis segmentasi pasar yaitu jenis transaksi rendah, sedang dan tinggi. Evaluasi clustering nilai DBI algoritma K-Medoids mempunyai kualitas yang lebih bagus dalam membentuk klaster disandingkan algoritma K-Means dan Agglomerative Hierarchical Clustering sedangkan nilai Average Within algoritma K-Medoids mempunyai kualitas yang lebih bagus dalam membentuk klaster disandingkan algoritma K-Means dan Agglomerative Hierarchical Clustering dan nilai Average Between algoritma K-Means mempunyai kualitas yang lebih bagus dalam membentuk klaster disandingkan algoritma K-Medoids dan AHC. Pada nilai Silhouette Score klaster 2 K-Means mempunyai kualitas yang lebih bagus dari nilai Silhouette Score klaster 2 K-Medoids dan AHC dan nilai DBI k=3 K-Means mempunyai kualitas yang lebih bagus dari nilai DBI k=3 K-Medoids dan AHC. Nilai Rasio Simpangan Baku AHC mempunyai kualitas yang lebih bagus dari nilai Rasio Simpangan Baku K-Medoids dan K-Means sedangkan nilai Silhouette Score klaster 1 AHC mempunyai kualitas yang lebih bagus dari nilai Silhouette Score klaster 1 K-Means dan K-Medoids dan nilai Score klaster 3 AHC mempunyai kualitas yang lebih bagus dari nilai Silhouette Score cluster 3 K-Means dan K-Medoids. Hasil ini memperlihatkan algoritma K-Means dan AHC lebih bagus disandingkan dengan algoritma K-Medoids dalam mengimplementasikan segmentasi pasar berdasarkan penjualan produk di toko Jiwalu