View/Open

Author

Advisor

Koleksi
Teknik Informatika

Publisher

E-commerce telah menjadi salah satu pendorong utama transformasi ekonomi global, di mana aktivitas jual beli dilakukan secara online, melibatkan jutaan pengguna dan transaksi setiap harinya. Hal tersebut menjadi tantangan besar dalam hal pengelolaan, penyimpanan, dan pemrosesan data yang dihasilkan, terutama bagi sistem yang bergantung pada basis data berskala besar. Ketidakmampuan sistem dalam menangani data dengan efisien dapat menghambat proses pengambilan keputusan, menurunkan kualitas pelayanan, hingga menyebabkan kerugian bisnis. Penelitian ini bertujuan untuk menganalisis kinerja algoritma K-Means dalam klasterisasi data penjualan untuk pengadaan stok produk e-commerce. Hasil kinerja algoritma tersebut akan dievaluasi menggunakan metode evaluasi Silhouette Score. Hasil evaluasi diharapkan dapat memberikan analisis bagaimana kinerja algoritma K-Means dalam proses klasterisasi data. Dengan demikian, sistem klasterisasi data yang lebih baik dapat terwujud, yang pada akhirnya akan memberikan manfaat besar bagi berbagai sektor dalam proses pengambilan keputusan yang tepat pada pengolahan data dalam jumlah besar. Dataset yang digunakan berisi data transaksi selama periode tahun 2022, dengan proses data preparation yang meliputi pengecekan nilai missing value, pengecekan data duplikat, dan pengecekan data outlier. Hasil implementasi algoritma dievaluasi menggunakan metode Silhouette Score. Hasil evaluasi menunjukkan nilai Silhouette Score sebesar 0.914, yang menunjukkan bahwa hasil klasterisasi memiliki kualitas yang sangat baik. Hal ini mengindikasikan bahwa sebagian besar data berada pada klaster yang tepat dengan pemisahan yang jelas antar klaster, sehingga struktur klaster yang terbentuk dapat dianggap valid dan representatif. Maka dapat disimpulkan bahwa algoritma K-Means terbukti mampu melakukan pengelompokan data penjualan produk e-commerce secara efektif dengan memanfaatkan atribut-atribut yang ada dalam tabel transaksi.

URI
https://repo.itera.ac.id/depan/submission/SB2509190074

Keyword