Application Of K-Means Clustering In Grouping Customer Preferences For K-Pop Albums And Merchandise

Aditiya Dwi cahyo; Wowon Priatna; Agus Hidayat

doi:10.58776/ijitcsa.v4i2.206

Authors

Aditiya Dwi cahyo Universitas Bhayangkara Jakarta Raya
Wowon Priatna
Agus Hidayat

DOI:

https://doi.org/10.58776/ijitcsa.v4i2.206

Keywords:

k-means algorithm, K-means, Customer Segmentation

Abstract

The increasing popularity of K-Pop in Indonesia is particularly in the purchase of physical products. THJMINE Store faces challenges in inventory management and promotional strategies due to the lack of product grouping for albums and merchandise. This study applies the K-Means Clustering algorithm to 110 sales transaction data from July 2022 to January 2025. The method used in this study is the CRISP-DM approach, which consists of the following stages: business understanding, data understanding, data preparation, modeling, and evaluation discussion. The result of the study shows that the K-Means algorithm successfully formed three clusters with customer classification: loyal customers (cluster 0), general customers (cluster 1), and premium or collector customers (cluster 2). The model evaluation results in a DBI score of 0.6342, indicating good cluster quality. These clustering results can help THJMINE Store understand customer segmentation, develop more targeted marketing strategies, and improve inventory management efficiency.

References

S. Lestari, “Analisis Algoritma Regresi Linear Sederhana dalam Memprediksi Tingkat Penjualan Album KPOP,” INSOLOGI: Jurnal Sains dan Teknologi, vol. 2, no. 1, hal. 199–209, 2023, doi: 10.55123/insologi.v2i1.1692.

U. Surapati dan M. Jannah, “Penerapan Data Mining Menggunakan Metode K-Means Untuk Mengetahui Minat Customer Dalam Pembelian Merchandise Kpop,” Jurnal Sains dan Teknologi, vol. 5, no. 3, hal. 875–884, 2024, doi: 10.55338/saintek.v5i3.2739.

M. Mayadi, S. Setiawati, dan W. Priatna, “Pengelompokan Hasil Survei MBKM Menggunakan K-Mean dan K-Medoids Clustering,” Jurnal Media Informatika Budidarma, vol. 7, no. 1, hal. 426, 2023, doi: 10.30865/mib.v7i1.5003.

D. Aryani, B. Irawan, dan A. Bahtiar, “Implementasi Data Mining Pada Data Penjualan Pakaian Menggunakan Algoritma K-Means Dengan Optimize Parameter Grid,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 2, hal. 1673–1680, 2024, doi: 10.36040/jati.v8i2.9147.

F. Amin, D. S. Anggraeni, dan Q. Aini, “Penerapan Metode K-Means dalam Penjualan Produk Souq.Com,” Applied Information System and Management (AISM), vol. 5, no. 1, hal. 7–14, 2022, doi: 10.15408/aism.v5i1.22534.

M. TB Ai, Data Mining Menggunakan R: Teori dan Praktik. Banten: PT Bale Damar Publishing, 2023.

F. Martinez-Plumed et al., “CRISP-DM Twenty Years Later: From Data Mining Processes to Data Science Trajectories,” IEEE Transactions on Knowledge and Data Engineering, vol. 33, no. 8, hal. 3048–3061, Agu 2021, doi: 10.1109/TKDE.2019.2962680.

E. F. L. Awalina dan W. I. Rahayu, “Optimalisasi Strategi Pemasaran dengan Segmentasi Pelanggan Menggunakan Penerapan K-Means Clustering pada Transaksi Online Retail,” Jurnal Teknologi dan Informasi, vol. 13, no. 2, hal. 122–137, 2023, doi: 10.34010/jati.v13i2.10090.

I. Safira, R. Salkiawati, dan W. Priatna, “Penerapan Algoritma K-Means untuk Mengetahui Pola Persediaan Barang pada Toko Raja Bekasi,” Journal of Informatic and Information Security, vol. 3, no. 1, hal. 99–110, 2022, doi: 10.31599/jiforty.v3i1.1253.

N. Wisna, S. A. P. Lisna, T. Fahrudin, dan R. B. Kotjoprayudi, “Analisis Gross Profit Margin (Gpm) Dan Net Profit Margin (Npm) Dengan Metode Algoritma K-Means Menggunakan Bahasa Pemrograman Python,” Jurnal Ilmiah Manajemen, Ekonomi, & Akuntansi (MEA), vol. 7, no. 2, hal. 1199–1210, 2023, doi: 10.31955/mea.v7i2.3121.

I. F. Ashari, R. Banjarnahor, D. R. Farida, S. P. Aisyah, A. P. Dewi, dan N. Humaya, “Application of Data Mining with the K-Means Clustering Method and Davies Bouldin Index for Grouping IMDB Movies,” Journal of Applied Informatics and Computing, vol. 6, no. 1, hal. 07–15, 2022, doi: 10.30871/jaic.v6i1.3485.

K. Kurnia Abdullah, I. Maulana, A. Suharso, G. Garno, dan A. Primajaya, “Penerapan Algoritme K-Means Dalam Klasterisasi Data Penjualan Obat Apotek Kidangrangga,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 2, hal. 1274–1279, 2023, doi: 10.36040/jati.v7i2.7061.

M. Rochmawati et al., “Implementasi Algoritma K-Means dalam Klasterisasi Penjualan pada Sebuah Perusahaan menggunakan Metodologi KDD Implementation of the K-Means Algorithm in Sales Clustering at a Company using the KDD Methodology,” vol. 13, hal. 54–62, 2024.

R. Gelar Guntara, “Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 5, no. 1, hal. 55–60, 2023, doi: 10.47233/jteksis.v5i1.750.

R. T. Handayanto and H. Herlawati, “Prediksi Kelas Jamak dengan Deep Learning Berbasis Graphics Processing Units,” Jurnal Kajian Ilmiah, vol. 20, no. 1, hal. 1410–9794, 2020, [Daring]. Tersedia pada: http://ejurnal.ubharajaya.ac.id/index.php/JKI

S. Aulia, “Klasterisasi Pola Penjualan Pestisida Menggunakan Metode K-Means Clustering (Studi Kasus Di Toko Juanda Tani Kecamatan Hutabayu Raja),” Djtechno: Jurnal Teknologi Informasi, vol. 1, no. 1, hal. 1–5, 2021, doi: 10.46576/djtechno.v1i1.964.

H. Astuti, “Penerapan Data Mining Menggunakan Metode K-Means Clustering Untuk Pengelompokkan Data Pelanggan (Studi Kasus : PT. Pinus Merah Abadi),” Jurnal Web Informatika Teknologi, vol. 4, no. 1, hal. 9, 2020.

S. Pujiono, R. Astuti, dan F. Muhamad Basysyar, “Implementasi Data Mining Untuk Menentukan Pola Penjualan Produk Menggunakan Algoritma K-Means Clustering,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 1, hal. 615–620, 2024, doi: 10.36040/jati.v8i1.8360.

N. Ahsina, F. Fatimah, dan F. Rachmawati, “Analisis Segmentasi Pelanggan Bank Berdasarkan Pengambilan Kredit Dengan Menggunakan Metode K-Means Clustering,” Jurnal Ilmiah Teknologi Infomasi Terapan, vol. 8, no. 3, 2022, doi: 10.33197/jitter.vol8.iss3.2022.883.