Analisis Clustering Produk Pada Marketplace Menggunakan Pendekatan K-Means (Studi Kasus : Shopee)
Maria Arista Ulfa
Dunia bisnis telah mengalami pergeseran paradigma menuju konsep yang lebih modern dimana proses bisnis banyak dilakukan melalui media internet atau biasa dikenal sebagai e-commerce dengan memanfaatkan wadah atau platform yang disebut sebagai marketplace. Salah satu marketplace yang cukup terkenal dan banyak diminati di Indonesia adalah Shopee. Tingginya aktivitas belanja online pada marketplace saat ini secara tidak langsung mendorong para pelaku usaha untuk dapat memahami pasar online. Namun salah satu kendala yang cukup sering dihadapi oleh para penjual khususnya penjual baru yang mulai terjun ke ranah digital adalah timbulnya rasa bingung dalam pemilihan produk yang akan dijual akibat kurangnya informasi terkait permintaan produk apa saja yang diminati dipasaran.
Proses pencarian informasi terkait permintaan produk yang diminati dilakukan melalui analisis clustering untuk mengetahui kelompok produk-produk yang diminati hingga kurang diminati oleh masyarakat. Data yang digunakan adalah data produk dari 6 kategori pada marketplace Shopee yang diambil menggunakan teknik web scraping. Pengelompokkan dilakukan menggunakan pendekatan K-Means dengan menentukan jumlah K dan titik pusat optimal melalui perhitungan Sum Square Error (SSE) dengan melihat grafik elbow dimana hasil akhir menunjukkan jumlah K cluster optimal yang berbeda pada setiap kategori yaitu pada kategori pakaian wanita, pakaian pria dan elektronik berada pada K=4 kemudian untuk produk pada kategori fashion muslim, perawatan & kecantikan dan perlengkapan rumah berada pada K=3. Berdasarkan hasil validasi menggunakan Davies Bouldin Index didapatkan nilai pada 6 kategori yaitu 0,391, 0,438, 0,414, 0,357, 0,387 dan 0,377 yang berarti struktur cluster dan tingkat informasi yang terbentuk pada setiap kategori menggunakan metode K-Means sudah cukup baik.
Kata Kunci: Davies Bouldin Index, K-Means Clustering, Produk Shopee, Web Scraping