Penelitian ini menerapkan metode Agglomerative Hierarchical Clustering (AHC) dengan kerangka kerja CRISP-DM terhadap data transaksi penjualan harian 21 produk periode Januari 2021 hingga Desember 2025. Data harian diagregasi ke tingkat bulanan, kemudian diproses melalui tahapan data preparation untuk menghasilkan representasi fitur pola penjualan setiap produk yang mencakup dimensi volume, variabilitas, keaktifan penjualan, dan tren, yang selanjutnya dinormalisasi menggunakan Min-Max Normalization sebelum digunakan dalam proses clustering. Dari 4 metode linkage yang dievaluasi pada konfigurasi K=2, metode Ward Linkage dipilih sebagai model optimal. Hasil clustering menghasilkan dua klaster dengan karakteristik yang berbeda secara tegas: Klaster 0 yang beranggotakan 12 produk memiliki volume penjualan rendah, fluktuasi sangat tinggi, dan tingkat keaktifan penjualan yang rendah; serta Klaster 1 yang beranggotakan 9 produk memiliki volume penjualan tinggi, fluktuasi rendah, dan pola penjualan yang konsisten. Model terpilih menghasilkan nilai Silhouette Score sebesar 0,5930 yang melampaui ambang keberhasilan yang ditetapkan, menunjukkan bahwa produk dalam satu klaster lebih mirip satu sama lain dibandingkan produk di klaster berbeda. Hasil segmentasi ini dapat dimanfaatkan sebagai referensi berbasis data dalam pengambilan keputusan operasional terkait pengelolaan produk, yang selama ini sepenuhnya bergantung pada intuisi pemilik toko.

S12596

INF 0118 2026

Bekasi

Tersedia