Sales Performance Analysis untuk Peningkatan Kualitas Produk Menggunakan K-Means dan Hierarchical Clustering

Umi Meganinditya Wulandari; Muhammad Kholilurrahman; Arif Iman Anshori

doi:10.30591/smartcomp.v15i1.9719

Sales Performance Analysis untuk Peningkatan Kualitas Produk Menggunakan K-Means dan Hierarchical Clustering

Umi Meganinditya Wulandari, Muhammad Kholilurrahman, Arif Iman Anshori

Abstract

Industri fashion, khususnya toko distro, menghadapi persaingan yang semakin ketat sehingga kualitas dan inovasi produk menjadi faktor utama dalam mempertahankan daya saing. Salah satu tantangan yang sering muncul adalah minimnya pemanfaatan data transaksi penjualan sebagai sumber informasi strategis dalam menilai performa produk. Penelitian ini membahas pengelompokan produk berdasarkan performa penjualan menggunakan teknik data mining serta membandingkan efektivitas dua metode clustering, yaitu K-Means dan Hierarchical Agglomerative Clustering. Data yang digunakan berasal dari transaksi penjualan Toko Distro Sextors, dengan tahapan meliputi praproses data, penerapan algoritma clustering, dan evaluasi hasil menggunakan metrik silhouette score. Tujuan penelitian adalah mengidentifikasi kelompok produk dengan performa tinggi, margin keuntungan optimal, serta tingkat penerimaan pasar yang baik, sekaligus menentukan metode clustering yang paling sesuai. Hasil analisis menunjukkan bahwa algoritma K-Means menghasilkan 4 klaster, sedangkan Hierarchical Agglomerative Clustering menghasilkan 3 klaster. Perbedaan jumlah dan karakteristik klaster dari kedua algoritma memberikan gambaran mengenai variasi pola penjualan produk. Temuan ini diharapkan dapat memberikan rekomendasi praktis bagi pelaku UMKM untuk mengambil keputusan berbasis data, sehingga strategi bisnis dapat lebih tepat sasaran dan meningkatkan daya saing produk di pasar.

Keywords

Distro; Data mining; Clustering; K-Means; Hierarchical Clustering

Full Text:

References

A. N. Safitri and R. Basiya, “YUME : Journal of Management Pengaruh Brand Image, Lifestyle, dan Promosi Media Sosial Terhadap Keputusan Pembelian di Toko 3Second,” YUME : Journal of Management, vol. 5, no. 2, pp. 450–458, 2022, doi: 10.37531/yume.vxix.3463.

Supriatun and N. M. I. Pratiwi, “Neraca PENGARUH INOVASI DAN KUALITAS PRODUK TERHADAP KEUNGGULAN BERSAING PADA PRODUK EKSPOR FASHION MAHASISWA PROGRAM STUDI INDEPENDEN VOKASI DIGITAL EKSPOR FESYEN LACORRE THE INFLUENCE OF INNOVATION AND PRODUCT QUALITY ON COMPETITIVE ADVANTAGE IN FASHION EXPORT PRODUCTS OF LACORRE DIGITAL VOCATIONAL FASHION EXPORT PROGRAM STUDENTS,” 2024. [Online]. Available: http://jurnal.kolibi.org/index.php/neraca

F. F. C. Waruwu, H. B. Sidauruk, I. A. Nainggolan, and K. A. Matondang, “INOVASI DAN DIFERENSIASI PRODUK DALAM PASAR PERSAINGAN TIDAK SEMPURNA: IMPLIKASI BAGI KEBIJAKAN PEMASARAN,” MUSYTARI, Neraca Manajemen, Ekonomi, vol. 11, no. 6, 2024, doi: 10.8734/mnmae.v1i2.359.

U. M. Wulandari, A. T. Suseno, and M. Kholilurrahman, “Market Basket Analysis Using FP-Growth and Apriori on Distro Store Sales Transaction,” MATICS: Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology), vol. 17, no. 1, pp. 12–18, Mar. 2025, doi: 10.18860/mat.v17i1.28820.

A. R. Efrat, R. Gernowo, and Farikhin, “Consumer purchase patterns based on market basket analysis using apriori algorithms,” J Phys Conf Ser, vol. 1524, no. 1, 2020, doi: 10.1088/1742-6596/1524/1/012109.

L. Samboteng, Rulinawaty, M. R. Kasmad, M. Basit, and R. Rahim, “Market Basket Analysis of Administrative Patterns Data of Consumer Purchases Using Data Mining Technology,” Journal of Applied Engineering Science, vol. 20, no. 2, pp. 339–345, 2022, doi: 10.5937/jaes0-32019.

T. M. Ghazal et al., “Performances of k-means clustering algorithm with different distance metrics,” Intelligent Automation and Soft Computing, vol. 30, no. 2, pp. 735–742, 2021, doi: 10.32604/iasc.2021.019067.

M. A. Hakim, A. B. Prasetijo, and D. Eridani, “PENERAPAN DATA MINING DENGAN ALGORITMA K-MEANS CLUSTERING PENYEWAAN ALAT-ALAT EVENT PADA STUDI KASUS CV. DIPO RENTAL CREATIVINDO IMPLEMENTATION OF DATA MINING USING THE K-MEANS CLUSTERING EVENT RENTAL ALGORITHM IN A CASE STUDY OF CV. DIPO RENTAL CREATIVINDO,” Jurnal Teknik Komputer, vol. 1, no. 4, pp. 148–155, 2023, doi: 10.14710/jtk.v1i4.37011.

N. Boyko and O. Tkachyk, “Hierarchical clustering algorithm for dendrogram construction and cluster counting,” Informatics and mathematical methods in simulation, vol. 13, pp. 5–15, May 2023, doi: 10.15276/imms.v13.no1-2.5.

D. Abdullah, S. Susilo, A. S. Ahmar, R. Rusli, and R. Hidayat, “The application of K-means clustering for province clustering in Indonesia of the risk of the COVID-19 pandemic based on COVID-19 data,” Qual Quant, vol. 56, no. 3, pp. 1283–1291, Jun. 2022, doi: 10.1007/s11135-021-01176-w.

Y. Liu, L. Wang, M. Li, and Z. Wu, “A distributed dynamic load identification method based on the hierarchical-clustering-oriented radial basis function framework using acceleration signals under convex-fuzzy hybrid uncertainties,” Mech Syst Signal Process, vol. 172, p. 108935, 2022, doi: https://doi.org/10.1016/j.ymssp.2022.108935.

A. Viktorin, D. Hrabec, V. Nevrlý, R. Šomplák, and R. Šenkeřík, “Hierarchical clustering-based algorithms for optimal waste collection point locations in large-scale problems: A framework development and case study,” Comput Ind Eng, vol. 178, p. 109142, 2023, doi: https://doi.org/10.1016/j.cie.2023.109142.

DOI: https://doi.org/10.30591/smartcomp.v15i1.9719