<![CDATA[Sistem distribusi multi-gudang e-commerce menghadapi tantangan segmentasi data logistik akibat karakteristik transaksi yang heterogen, tidak seimbang, dan memiliki overlap antarvariabel yang tinggi. Penelitian ini bertujuan melakukan segmentasi gudang berdasarkan biaya logistik dan pola transaksi menggunakan algoritma K-Means dan Fuzzy C-Means. Penelitian mengintegrasikan feature engineering berbasis rasio melalui Logistics Cost Ratio (LCR), Value Density (VD), dan Transaction Intensity (TI), serta menerapkan robust scaling dan outlier trimming sebesar 1% untuk meningkatkan stabilitas clustering. Dataset terdiri dari 13.550 transaksi dari empat gudang utama dengan 13.284 data valid setelah preprocessing. Evaluasi dilakukan menggunakan Silhouette Score, Davies-Bouldin Index (DBI), dan Calinski-Harabasz Index (CHI). Hasil penelitian menunjukkan bahwa K-Means dengan k = 3 menghasilkan performa terbaik dengan Silhouette Score sebesar 0,421, DBI sebesar 0,584, dan CHI sebesar 12.273,98. Transformasi fitur berbasis rasio terbukti menghasilkan distribusi cluster yang lebih seimbang dan interpretatif dibandingkan penggunaan data mentah. Segmentasi yang dihasilkan terdiri atas cluster efisiensi tinggi, cluster transaksi reguler, dan cluster beban logistik tinggi yang dapat digunakan sebagai dasar pengambilan keputusan distribusi logistik berbasis data pada sistem multi-gudang e-commerce.]]>
Copyrights © 2026
