Implementasi Algoritma K-Means Clustering dalam Pengelompokkan Produk Pigeon Pada PT. Digital Niaga Indonesia Berdasarkan Analisis Recency, Frequency, Monetary (RFM)

Abstract

Persaingan bisnis dalam era global saat ini semua perusahaan yang bergerak dalam bidang perdagangan produk harus cermat dan tepat dalam menemukan konsep serta pola di penjualan yang dilakukan agar dapat meningkatkan angka penjualan dan penggunaan metode pemasaran di perusahaan, salah satunya adalah dengan pemanfaatan dan pengelolaan data penjualan yang dimiliki. PT. Digital Niaga Indonesia merupakan perusahaan yang menjalankan bisnisnya di online shop seperti Shopee, Tokopedia, serta Lazada dari Toko Pigeon Indonesia yang menjual perlengkapan bayi mulai dari botol susu, dot maupun perlengkapan bayi lainnya. Namun demikian dari semua produk yang ditawarkan tentunya tidak semua diminati dan terjual dengan lancar, ada yang terjual sangat laris, yang laris, serta kurang laris. Data dan informasi penjualan yang dimiliki perusahaan jika hanya tersimpan secara digital di dalam database tentunya tidak dapat dimanfaatkan dan diolah untuk kebutuhan dari pengembangan strategi pemasaran perusahaan. Tujuan dari penelitian yang dilakukan merupakan untuk mengetahui Algoritma K-Means fungsionalitasnya dalam menghasilkan menentukan Cluster atau disebut juga kelompok untuk produk paling laris, laris dan kurang laris untuk menjadi dasar pembuatan promosi di setiap marketplace pada PT. Digital Niaga Indonesia. Dalam menentukan peminatan barang menggunakan laporan penjualan 4 bulan yaitu Agustus sampai November 2022, kemudian data akan diproses dengan Algoritma K-Means Clustering. Hasil akhir adalah didapatkan 557 produk dan menghasilkan nilai di akhir 3 Cluster atau kelompok berikut : Cluster 1 atau ditulisn dengan C1 sebanyak 100 data, kemudian untuk Cluster 2 ditulis dengan lambang C2 dengan hasil 20 data serta dalam Cluster 3 atau kelompok tiga dilambangkan dengan C3 menghasilkan 437 data yang didapat dari 124473 data transaksi. Metode RFM dapat menentukan bahwa Cluster 1 adalah produk yang kurang laris, Cluster 2 paling laris, dan Cluster 3 laris. Evaluasi Cluster yang dibuat dihitung dengan DBI dan mengelluarkan hasil 0.520.