Clustering Produk UMKM Berdasarkan Penjualan Online Menggunakan K-Means
DOI:
https://doi.org/10.47701/hgnnv193Keywords:
UMKM, K-Means, Clustering, Penjualan Online, Data MiningAbstract
UMKM memiliki peran penting dalam perekonomian Indonesia, terutama dalam meningkatkan lapangan kerja dan Produk Domestik Bruto (PDB). Dengan berkembangnya digitalisasi, banyak pelaku UMKM memasarkan produknya secara online. Namun, banyaknya data transaksi yang dihasilkan memerlukan analisis untuk mengoptimalkan strategi penjualan. Penelitian ini bertujuan untuk mengelompokkan produk UMKM berdasarkan karakteristik penjualan online menggunakan algoritma K-Means. Dataset yang digunakan diperoleh dari E-Commerce Shopee dan mencakup 30 produk dengan fitur harga, jumlah terjual, dan rating. Data diolah melalui tahap normalisasi Min-Max dan proses clustering dengan jumlah cluster sebanyak tiga. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan produk ke dalam tiga klaster: produk dengan penjualan tinggi, sedang, dan rendah (outlier). Klaster ini memberikan gambaran performa penjualan dan membantu UMKM dalam merumuskan strategi yang lebih tepat, seperti fokus pada produk unggulan atau evaluasi produk berpenjualan rendah. Untuk menilai kualitas pengelompokan, dilakukan evaluasi menggunakan metode Silhouette Coefficient yang menghasilkan nilai rata-rata sebesar 0,443. Nilai ini menunjukkan bahwa hasil clustering sudah cukup baik dan mampu memisahkan data dengan cukup jelas antar kelompok. Kesimpulan dari penelitian ini menunjukkan bahwa metode clustering dengan K-Means dapat digunakan sebagai alat analisis efektif untuk mendukung pengambilan keputusan bisnis UMKM secara digital. Dengan pendekatan ini, UMKM diharapkan dapat meningkatkan daya saing dan keberlanjutan usahanya di era ekonomi digital.
References
[1] L. Hamim Annisa, D. Rusvinasari, and L. H. Annisa, “Segmentasi Pembelian Produk Menggunakan Algoritma K- Means Berdasarkan Clusterisasi pada pemilihan menu yang ada diUMKM Kuliner”, doi: 10.30591/jpit.v9ix.xxx.
[2] A. Yudistira and R. Andika, “Pengelompokan Data Nilai Siswa Menggunakan Metode K-Means Clustering,” J. Artif. Intell. Technol. Inf., vol. 1, no. 1, pp. 20–28, Mar. 2023, doi: 10.58602/jaiti.v1i1.22.
[3] W. Sudrajat, I. Cholid, and J. Petrus, “Wahyu Sudrajat et al,
Penerapan Algoritma K-Means Untuk ”
[4] N. Hendrastuty, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa,” vol. 3, pp. 46–56, 2024.
[5] D. Marcelina, A. Kurnia, and T. Terttiaavini, “Analisis Klaster Kinerja Usaha Kecil dan Menengah Menggunakan Algoritma K-Means Clustering,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 2, pp. 293–301, Nov. 2023, doi: 10.57152/malcom.v3i2.952.
[6] T. Amalina, D. Bima, A. Pramana, and B. N. Sari, “Metode K- Means Clustering Dalam Pengelompokan Penjualan Produk Frozen Food,” J. Ilm. Wahana Pendidik., vol. 8, no. 15, pp. 574–583, 2022, doi: 10.5281/zenodo.7052276.
[7] E. Febrianty, L. Awalina, and W. I. Rahayu, “Optimalisasi Strategi Pemasaran dengan Segmentasi Pelanggan Menggunakan Penerapan K-Means Clustering pada Transaksi Online Retail Optimizing Marketing Strategies with Customer Segmentation Using K-Means Clustering on Online Retail Transactions,” J. Teknol. dan Inf., vol. 13, 2023, doi: 10.34010/jati.v13i2.
[8] H. Al Rasyid, B. Firmansyah, K. Soebari, D. Satria, and Y. Kartika, “Prosiding Seminar Nasional Teknologi dan Sistem Informasi (SITASI) 2022 IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING UNTUK PENGELOMPOKAN
PENJUALAN PRODUK PADA ONLINE SHOP TOKO GIZI IMPLEMENTATION OF K-MEANS CLUSTERING ALGORITHM FOR GROUPING PRODUCT SALES IN
ONLINE SHOP TOKO GIZI.” [Online]. Available:
http://sitasi.upnjatim.ac.id/%7C242
[9] T. Amalina, D. Bima, A. Pramana, and B. N. Sari, “Metode K- Means Clustering Dalam Pengelompokan Penjualan Produk Frozen Food,” J. Ilm. Wahana Pendidik., vol. 8, no. 15, pp. 574–583, 2022, doi: 10.5281/zenodo.7052276.
[10] N. Syifa and R. N. Fahmi, “Implementasi Metode K-Means Clustering dalam Analisis Persebaran UMKM di Jawa Barat,” JOINS (Journal Inf. Syst., vol. 6, no. 2, pp. 211–220, 2021, doi: 10.33633/joins.v6i2.5310.
