Penelitian ini bertujuan mengekstraksi data operasional untuk mengelompokkan produk berdasarkan karakteristik penjualannya sebagai dasar penyusunan strategi pengelolaan inventaris. Pendekatan yang digunakan adalah kerangka kerja Knowledge Discovery in Database (KDD) dengan menerapkan algoritma K-Means Clustering. Data penelitian bersumber dari 47.430 transaksi penjualan sepanjang tahun 2024 yang diolah menjadi 853 produk unik. Variabel pembentuk yang digunakan meliputi volume penjualan, profit, omzet, dan frekuensi transaksi. Transformasi data dilakukan menggunakan Min-Max Scaler dengan dukungan Principal Component Analysis (PCA) untuk visualisasi dimensi. Hasil proses klasterisasi menunjukkan bahwa produk berhasil dikelompokkan ke dalam empat segmen, yaitu Klaster Potensial (73 produk, 8,56%) yang bermargin tinggi, Klaster Penarik Massa (192 produk, 22,51%) yang berfrekuensi transaksi padat, Klaster Andalan (141 produk, 16,53%) sebagai tulang punggung pendapatan utama, dan Klaster Evaluasi (447 produk, 52,40%) yang memiliki tingkat perputaran rendah.

S12566

INF 0088 2026

Bekasi

Tersedia