Pengelompokan Wilayah Pembelian Produk Cindrelia.id Menggunakan Metode K-Means dan Apriori
DOI:
https://doi.org/10.59188/jurnalsostech.v5i11.32521Keywords:
Data Mining, K-Means, Apriori, Pemetaan Wilayah, WebsiteAbstract
Cindrelia.id merupakan salah satu brand fashion lokal yang menjual produk pakaian wanita melalui platform e-commerce dan media sosial. Saat ini, toko menghadapi masalah dalam menganalisis data penjualan untuk memperoleh informasi yang bermanfaat terutama terkait sebaran geografis pelanggan dan rekomendasi produk untuk promosi. Hal ini menyebabkan toko sulit melakukan pengambilan keputusan dalam menentukan lokasi promosi, bazar, maupun toko offline. Tujuan penelitian ini untuk membangun web pemetaan interaktif yang menyajikan visualisasi persebaran pembeli berdasarkan cluster dan grafik jumlah pembelian per wilayah serta menampilkan rekomendasi produk promosi menggunakan algoritma Apriori. Data yang digunakan adalah data transaksi penjualan berjumlah 2005 transaksi dengan atribut meliputi No. Pesanan, jumlah penjualan per wilayah, Kota/Kabupaten, Provinsi, Longitude, Latitude dan Nama Produk. Hasil penelitian ini berhasil menerapkan algoritma K-means dalam pengelompokan wilayah menggunakan 2 evaluasi nilai k yaitu Silhouette Score dan Metode Elbow. Hasil analisis menunjukkan bahwa pengelompokan dengan nilai K=3 menghasilkan Silhouette Score tertinggi dibandingkan nilai lainnya yaitu sebesar yaitu sebesar 0.623 sehingga menghasilkan 3 kelompok wilayah yaitu Cluster 0 memiliki 12 kota, Cluster 1 memiliki 12 kota dan Cluster 2 memiliki 6 kota. Hasil analisis algoritma Apriori berhasil memberikan rekomendasi produk promosi menggunakan minimum support 10% dan Confidence 50% menghasilkan 7 aturan asosiasi. Penelitian ini juga berhasil membangun website pemetaan yang memiliki tampilan interaktif sehingga memudahkan toko Cindrelia.id dalam melihat potensi wilayah untuk bazar dan produk promosi yang akan dijual.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Cindy Aurelia Hardi, Bagus Mulyawan, Meirista Wulandari

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International (CC-BY-SA). that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.




