Analisis Klasterisasi Penjualan Global Berdasarkan Kategori Produk dan Negara Tujuan Menggunakan Metode K-Means

Rafael Theo Santoso (Universitas Duta Bangsa Surakarta)
Aji Kia Ramadhani (Universitas Duta Bangsa Surakarta)
Dyah Purwaningsih (Universitas Duta Bangsa Surakarta)
Arcco Putra Azhariansyah (Universitas Duta Bangsa Surakarta)

Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026

Penelitian ini bertujuan untuk melakukan analisis klasterisasi terhadap data penjualan global guna memetakan karakteristik wilayah negara tujuan dan preferensi kategori produk secara bersamaan. Metodologi yang digunakan Adalah Knowledge Discovery in Database (KDD) yang mengimplementasikan algoritma K-Means Clustering. Dataset yang dinalisis mencakup 2.000 transaksi ritel dari 10 negara tujuan dan 8 kategori produk. Pada tahap pra=pemrosesan, penggunaan StandardScaler dan Pricipal Component Analysis (PCA) berhasil mereduksi dimensi dengan menangkap 55,6% varians data sekaligus mengingkatkan kualitas klasterisasi secara substansial. Berdasarkan pengujian metode Elbow, didapatkan jumlah klister optimal sebanyak tiga (K=3). Evaluasi hasil klasterisasi menunjukkan pemisahan yang sangat baik dengan Silhouette Score sebesar 0,5412 dan Davies-Bouldin Index 0,5309. Hasil analisis mengidentifikasi tiga profil pasar utama: Klaster 1 (Pasar Mixed & Balanced) yang responsive terhadap diversifikasi produk, Klaster 2 (Pasar Beauty & Lifestyle) dengan dominasi produk kecantikan dan olahraga, serta Klaster 3 (Pasar Books & Education) yang berorientasi pada buku dan kebutuhan harian. Selain itu, penelitian ini juga menghasilkan aplikasi web interaktif berbasis Streamlit Bernama GlobeCluster. Secara praktis, hasil riset ini memberikan rekomendasi strategis berbasis data bagi pemangku kebijakan bisnis internasional untuk mengoptimalkan alokasi inventaris logistik.