Sistem Rekomendasi Penawaran Produk Pada Online Shop Menggunakan K-Means Clustering

Abstract

Online Shop adalah salah satu fasilitas yang disajikan oleh internet, yang mampu mempermudah masyarakat dalam belanja tanpa harus bertatap muka dengan pelanggan, tanpa harus antri dan tawar menawar. Pertumbuhan ekonomi digital semakin besar persaingan bisnis juga akan semakin berat, akibatnya semakin banyak online shop tidak hanya menampilkan produk-produk tetapi juga perlu didukung oleh pemilihan produk yang tepat untuk menarik perhatian pelanggan. Terlalu banyaknya variasi produk yang ditawarkan secara random (acak) pada online shop membuat beberapa pelanggan kesulitan dalam menentukan produk yang akan dibeli. Berdasarkan permasalahan yang muncul maka penelitian mengenai Sistem Rekomendasi Penawaran Produk Pada Online Shop Menggunakan K-Means Clustering ini dilakukan. Sistem ini menggunakan algoritma K-Means Clustering serta dataset yang digunakan adalah data transaksi penjualan dari kurun waktu 1 tahun terakhir agar cakupanya tidak meluas dengan menggunakan data terbaru. Hasil dari penelitian ini ditemumakan bahwa ada 3 cluster yang memiliki karakteristik berbeda yaitu, cluster 1 dengan karakteristik penjualan sedang dengan rentang umur pembeli 36-50 tahun , cluster 2 dengan karakteristik penjualan terbanyak dengan rentang umur pembeli 18-26 tahun dan cluster 3 dengan karakteristik penjualan rendah dengan rentang umur 27-35 tahun. Dari hasil cluster dapat disimpulkan bahwa produk yang direkomendasikan merupakan produk terpopuluer dari setiap clusternya. Hasil perhitungan nilai sillhouette coeficient didapatkan cluster dengan jumlah 3 karena memiki nilai paling mendekati Si = 1 yaitu dengan nilai 0.7354092263523232.

Pengembangan Model Machine Learning Regresi sebagai Web Service untuk Prediksi Harga Pembelian Mobil dengan Metode CRISP-DM

“…Sistem yang dikembangkan [6] dapat memberikan rekomendasi penawaran produk kepada pelanggan web lokapasar (e-commerce). Sistem mengimplementasikan algoritma K-Means Clustering untuk mengelompokkan pelanggan berdasarkan karakteristik riwayat transaksi yang dilakukan.…”