Implementasi K-Means Clustering untuk Prediksi Penjualan dan Segmentasi Pasar Sepeda Motor Dealer Wahana Honda Ciputat
DOI:
https://doi.org/10.32493/joaiia.v7i2.59690Keywords:
K-Means, Data Mining, honda ciputat, segmentasi pasarAbstract
Penelitian ini dilatarbelakangi oleh urgensi transformasi digital pada sektor otomotif, khususnya dalam mengoptimalkan pengelolaan aset data transaksi yang masif pada Dealer Wahana Honda Ciputat guna menghadapi dinamika pasar yang kompetitif. Tujuan utama dari studi ini adalah untuk merancang dan mengimplementasikan sebuah sistem pendukung keputusan cerdas melalui penerapan algoritma K-Means Clustering yang dirancang untuk mengatasi keterbatasan sistem pengolahan data konvensional yang masih bersifat administratif-manual dalam mengidentifikasi pola penjualan tersembunyi serta segmentasi konsumen. Arsitektur sistem dibangun menggunakan bahasa pemrograman Python dengan framework Flask yang ringan namun kuat, serta didukung oleh MySQL sebagai basis data relasional untuk menghasilkan pengelompokan karakteristik konsumen secara objektif, terukur, dan akurat berdasarkan parameter kunci seperti jenis pembayaran, tenor, dan model kendaraan. Temuan akhir dalam penelitian ini membuktikan secara empiris bahwa implementasi metode K-Means mampu memberikan wawasan strategis bagi pihak manajemen dalam memprediksi tren penjualan masa depan dan merancang segmentasi strategi pemasaran yang jauh lebih tepat sasaran, yang pada gilirannya secara signifikan meningkatkan efektivitas operasional, optimalisasi inventori, serta memperkuat daya saing dealer di pasar otomotif nasional.
References
[1] K. Afiifah, Z. F. Azzahra, A. D. Anggoro, D. Redaksi, R. Akhir, dan D. Online, “Universitas Negeri Jakarta; Jl. Rawamangun Muka Raya No.11 RW.14 Rawamangun,” *Jurnal Intech*, vol. 3, no. 1, pp. 8–11, 2022.
[2] C. Alvian, F. Taufik, dan A. Alhafiz, “Penerapan data mining untuk evaluasi data penjualan sparepart motor menggunakan metode K-Means pada Bengkel Usaha Baru,” *Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)*, vol. 3, no. 4, pp. 472–482, 2024, doi: 10.53513/jursi.v3i4.8445.
[3] C. H. Ardana, A. A. A. A. A. Khoyum, dan M. Faisal, “Segmentasi pelanggan penjualan online menggunakan metode K-Means clustering,” *JISKA (Jurnal Informatika Sunan Kalijaga)*, vol. 9, no. 1, pp. 1–9, 2024, doi: 10.14421/jiska.2024.9.1.1-9.
[4] G. T. Ardiansyah, M. S. Hasibuan, S. Santosa, dan J. Heikal, “Mapping the Wuling vehicle market with K-Means clustering: An effective digital marketing strategy,” *Jurnal Fokus Manajemen Bisnis*, vol. 14, no. 2, pp. 136–150, 2024, doi: 10.12928/fokus.v14i2.10026.
[5] T. Arianti, A. Fa’izi, S. Adam, dan M. Wulandari, “Perancangan sistem informasi perpustakaan menggunakan diagram UML (Unified Modelling Language),” *Jurnal Ilmiah Komputer Terapan dan Informasi*, vol. 1, no. 1, pp. 19–25, 2022.
[6] S. A. Fahmi, A. Ikhwan, dan F. H. Sibarani, “Implementasi data mining dengan menggunakan metode K-Means clustering untuk menentukan penjualan sparepart mobil,” *Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI)*, vol. 4, no. 1, pp. 204–209, 2025, doi: 10.62712/juktisi.v4i1.388.
[7] M. G. Al Ghifari dan A. Voutama, “Pengembangan sistem penjualanan Cafe YOUTME berbasis E-Commerce dengan menggunakan sistem UML (Unified Modelling Language),” *Information Management for Educators and Professionals: Journal of Information Management*, vol. 9, no. 1, p. 31, 2024, doi: 10.51211/imbi.v9i1.2926.
[8] E. N. Hartiwati, “phpMyAdmin,” dalam *The Definitive Guide to MySQL5*, vol. 5, no. 1, pp. 87–116, 2006, doi: 10.1007/978-1-4302-0071-0_6.
[9] F. Indriyani dan E. Irfiani, “Clustering data penjualan,” *Jurnal Informatika*, vol. 7, no. 2, pp. 109–113, 2019.
[10] I. Setiawan, “Komparasi kinerja integrated development environment (IDE) dalam mengeksekusi perintah Python,” *SATESI: Jurnal Sains Teknologi dan Sistem Informasi*, vol. 2, no. 1, pp. 52–59, 2022, doi: 10.54259/satesi.v2i1.784.
[11] M. M. Nau, V. N. Fathya, dan O. P. Martadireja, “Implementasi data mining pada analisis karakteristik pelanggan,” *JATI (Jurnal Mahasiswa Teknik Informatika)*, vol. 9, no. 3, pp. 5209–5215, 2025, doi: 10.36040/jati.v9i3.13725.
[12] M. Mintarsih, “Pengujian black box dengan teknik transition pada sistem informasi perpustakaan berbasis web dengan metode waterfall pada SMC Foundation,” *Jurnal Teknologi dan Sistem Informasi Bisnis*, vol. 5, no. 1, pp. 33–35, 2023, doi: 10.47233/jteksis.v5i1.727.
[13] H. Mutaqin, “Penerapan algoritma K-Means pada penjualan saldo transportasi online studi kasus Konter XYZ,” *Jurnal Algoritma*, vol. 20, no. 1, pp. 57–64, 2023, doi: 10.33364/algoritma/v.20-1.1244.
[14] S. Ramdany, “Penerapan UML class diagram dalam perancangan sistem informasi perpustakaan berbasis web,” *Journal of Industrial and Engineering System*, vol. 5, no. 1, 2024, doi: 10.31599/2e9afp31.
[15] R. D. Rusdiyan Yusron dan M. M. Huda, “Analisis perancangan sistem informasi perpustakaan menggunakan model waterfall dalam peningkatan inovasi teknologi,” *Journal Automation Computer Information System*, vol. 1, no. 1, pp. 26–36, 2021, doi: 10.47134/jacis.v1i1.4.
