Analisis Segmentasi Produk Parfum Pria Menggunakan Metode K-Means Clustering Untuk Mendukung Strategi Bisnis
Keywords:
Data Mining, Clustering, K-Means, Segmentasi Produk, Strategi Pemasaran, Parfum PriaAbstract
Perkembangan teknologi digital mendorong bertambahnya jumlah transaksi penjualan yang menghasilkan banyak data. Data ini mengandung berbagai informasi yang bisa digunakan untuk membantu pengambilan keputusan bisnis, terutama untuk memahami karakteristik produk yang dijual. Namun, banyak data yang ada sering kali tidak dimanfaatkan dengan baik sehingga dibutuhkan metode analisis yang bisa mengubah data tersebut menjadi informasi yang lebih berarti. Penelitian ini bertujuan untuk mengelompokkan produk parfum pria berdasarkan karakteristik harga dan jumlah penjualan menggunakan metode K-Means Clustering. Dataset yang digunakan diperoleh dari platform Kaggle dan melalui proses pembersihan data, pemilihan atribut, penentuan jumlah kelompok menggunakan Metode Elbow, serta evaluasi hasil pengelompokan menggunakan Skor Silhouette. Hasil penelitian menunjukkan bahwa jumlah kelompok yang paling tepat adalah tiga kelompok. Kelompok pertama terdiri dari produk dengan harga cukup tinggi tetapi memiliki penjualan yang rendah, kelompok kedua memiliki produk dengan harga sedang dan tingkat penjualan yang cukup stabil, sedangkan kelompok ketiga diisi oleh produk dengan harga lebih rendah tetapi penjualannya paling tinggi. Evaluasi menggunakan Skor Silhouette menghasilkan nilai sebesar 0,6065 yang menunjukkan bahwa kualitas kelompok yang terbentuk termasuk baik. Hasil pengelompokan ini bisa digunakan sebagai dasar dalam merancang strategi pemasaran, mengelola persediaan, serta menentukan fokus promosi sesuai dengan karakteristik dari masing-masing kelompok produk.
References
Han, J., Kamber, M., & Pei, J. (2022). Concepts and Techniques. Cambridge: Morgan Kaufmann.
Kaggle. (2024, April 23). Kaggle. Diambil kembali dari Men's Perfume Dataset: https://www.kaggle.com/
Khalish, F., Piranti, N. M., & Martadireja, O. (2025). Implementasi Data Mining Menggunakan Teknik Clustering dengan Metode K-Means. JIIP (Jurnal Ilmiah Ilmu Pendidikan), 1254–1261.
Laksono, B., Syahidin, Y., & Yunengsih, Y. (2024). Implementasi Data Mining Klasterisasi Data Pasien Rawat Inap Menggunakan Algoritma K-Means Clustering. Jurnal Teknologi Sistem Informasi dan Aplikasi, 12–20.
Maori, N. A., & Evanita. (2023). Penerapan Elbow Method dalam Menentukan Jumlah Cluster Optimal pada Algoritma K-Means. Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, 85–93.
Setyaningtyas, S., Nugroho, B. I., & Arif, Z. (2022). Tinjauan Pustaka Sistematis: Penerapan Data Mining Teknik Clustering Algoritma K-Means. Jurnal Teknoif, 52–61.
Sudrajat, R., Hadiana, A. I., & Melina. (2025). Evaluasi Kualitas Klaster Menggunakan K-Means dengan Silhouette Score dan Elbow Method. Jurnal Algoritma, 34–42.
Tan, P.-N., Steinbach, M., Karpatne, A., & Kumar, V. (2021). Introduction to Data Mining. New York: Pearson Education.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Nabila Najma Aulia, Elsha Sabilla (Author)

This work is licensed under a Creative Commons Attribution 4.0 International License.
Creative Commons Attribution 4.0 International (CC BY 4.0).


This work is licensed under a