ANALISIS PERBANDINGAN KINERJA METODE K-MEANS DAN AGGLOMERATIVE HIERARCHICAL CLUSTERING DALAM PENGELOMPOKAN DATA PENJUALAN BERDASARKAN EVALUASI DAVIES-BOULDIN INDEX

Abstract

Penelitian ini bertujuan untuk menganalisis segmentasi produk berdasarkan data penjualan serta membandingkan kinerja metode K-Means dan Agglomerative Hierarchical Clustering (AHC, dalam menghasilkan cluster yang optimal. Data yang digunakan merupakan data transaksi penjualan sebanyak 2.555 record dengan atribut harga, jumlah terjual (qty), dan total penjualan sebagai variabel utama dalam proses clustering. Hasil penelitian menunjukkan bahwa jumlah cluster terbaik yang diperoleh adalah k = 3 untuk kedua metode berdasarkan evaluasi menggunakan Davies-Bouldin Index (DBI). Nilai DBI pada metode K-Means sebesar 0,671688, sedangkan pada metode AHC sebesar 0,673826. Hal ini menunjukkan bahwa metode K-Means memiliki performa yang sedikit lebih baik dibandingkan AHC dalam menghasilkan cluster yang lebih kompak dan memiliki pemisahan yang lebih jelas, meskipun perbedaannya relatif kecil. Hasil clustering yang diperoleh mampu membagi data penjualan ke dalam tiga kelompok utama, yaitu kelompok dengan tingkat penjualan tinggi, sedang, dan rendah. Kelompok dengan penjualan tinggi memiliki rata-rata jumlah terjual dan total penjualan yang lebih besar dibandingkan kelompok lainnya, sedangkan kelompok penjualan rendah memiliki nilai yang paling kecil. Selain itu, visualisasi menggunakan Principal Component Analysis (PCA) menunjukkan bahwa antar cluster memiliki pemisahan yang cukup jelas, sehingga memperkuat hasil pengelompokan yang telah dilakukan. Dengan demikian, hasil penelitian ini menunjukkan bahwa metode clustering dapat digunakan untuk mengidentifikasi pola penjualan secara lebih terstruktur dan dapat dimanfaatkan sebagai dasar dalam pengambilan keputusan, khususnya dalam menentukan strategi pemasaran dan pengelolaan stok produk.