PENERAPAN ALGORITMA K-MEANS UNTUK PENGELOMPOKAN PRODUK BERDASARKAN DATA PENJUALAN

Toko Vanza merupakan usaha mikro, kecil, dan menengah (UMKM) yang bergerak di bidang ritel dan menyediakan berbagai produk kebutuhan harian. Banyaknya pilihan produk menyebabkan kesulitan dalam pengelompokan barang berdasarkan fitur seperti harga, volume penjualan, dan pendapatan. Penelitian ini bertujuan untuk mengelompokkan produk menggunakan algoritma K-Means dengan pendekatan CRISP-DM yang terdiri dari enam tahapan, yaitu pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan implementasi. Hasil evaluasi menggunakan indeks Davies-Bouldin (DBI) menunjukkan bahwa dua cluster merupakan jumlah optimal dengan nilai DBI sebesar 0,5063. Visualisasi hasil dilakukan dengan Analisis Komponen Utama (PCA), sedangkan validasi menggunakan Silhouette Coefficient menghasilkan skor 0,941 yang mengindikasikan kualitas cluster yang sangat baik. Hasil pengelompokan ini digunakan untuk mendukung strategi pengelolaan persediaan, promosi produk, dan penataan rak toko. Penerapan algoritma K-Means terbukti efektif dalam membantu pengambilan keputusan berbasis data di lingkungan UMKM.