Analisis Penjualan Nike dengan Random Forest dan K-Means untuk Identifikasi Pola dan Produk Terlaris
Keywords:
Data Mining, K-Means, Random Forest, Penjualan, NikeAbstract
Penelitian ini bertujuan untuk menganalisis pola penjualan produk Nike dengan memanfaatkan algoritma Random Forest dan K-Means Clustering. Dataset diambil dari Kaggle dan diproses dengan Google Colab untuk mengenali faktor-faktor yang memengaruhi volume penjualan serta segmentasi produk berdasarkan kesamaan karakteristik. Random Forest diterapkan untuk mengidentifikasi variabel yang paling berpengaruh terhadap penjualan, sementara K-Means digunakan untuk mengelompokkan produk ke dalam berbagai Cluster. Visualisasi menunjukkan bahwa harga adalah faktor utama yang paling memengaruhi penjualan, diikuti dengan penilaian pelanggan. Dengan menggunakan Elbow Method, ditemukan jumlah Cluster optimal sebanyak tiga, yaitu produk dengan harga rendah dan penjualan menengah, produk premium dengan penjualan rendah, serta produk dengan harga menengah dan penjualan tinggi. Segmentasi ini memberikan wawasan yang jelas tentang pola penjualan dan kelompok produk yang berpotensi besar untuk diperluas. Temuan dari penelitian ini diharapkan menjadi pedoman dalam strategi pemasaran, manajemen persediaan, dan inovasi produk berdasarkan atribut penjualan yang paling berpengaruh.
References
Adam, H., Novalia, E., & Hananto, A. L. (2025). BULLETIN OF COMPUTER SCIENCE RESEARCH Prediksi Penjualan Barang Menggunakan Metode K-Means dan Regresi Linear. 5(4). https://doi.org/10.47065/bulletincsr.v5i4.541
Alfajr, N. H., & Defiyanti, S. (2024). METODE RANDOM FOREST DAN PENERAPAN PRINCIPAL COMPONENT ANALYSIS ( PCA ). 12(3).
Artikel, I., & Info, A. (2025). ANALISIS SENTIMEN PENGGUNA APLIKASI SHOPEE PADA GOOGLE PLAY STORE MENGGUNAKAN METODE RANDOM FOREST. 4(3), 265–276.
Belitung, D. I. B. (2025). ANALISIS DATA PELANGGAN DENGAN ALGORITMA K- MEANS UNTUK PENINGKATAN PENJUALAN LAYANAN ICONNET. 2(4), 50–60.
Dhani, A., Wardhani, R., Hanifah, A. I., Informatika, P. T., Lamongan, U. I., Lamongan, K., & Timur, J. (2025). PENJUALAN MENGGUNAKAN K-MEANS SEBAGAI PENDUKUNG. 6(2).
Fitriyani, D., & Jajuli, M. (2024). IMPLEMENTASI ALGORITMA K-MEANS UNTUK KLASTERISASI DALAM PENGELOLAAN PERSEDIAAN OBAT ( STUDI KASUS : APOTEK NAZA ). 12(3), 2841–2848.
Firnanda, P. A., Shofwatillah, L., Rahma, F., & Fauzi, F. (2025). Analisis Perbandingan Decision Tree dan Random Forest dalam Klasifikasi Penjualan Produk pada Supermarket: Analisis Perbandingan Decision Tree dan Random Forest dalam Klasifikasi Penjualan Produk pada Supermarket. Emerging Statistics and Data Science Journal, 3(1), 445-461.
Kurniawan, S., & Nugroho, A. (2025). E ISSN : 2809-4069 Analisis Faktor yang Mempengaruhi Promosi Karyawan Menggunakan Random Forest pada Dataset Employee Promotion. 5(2), 177–187.
Ramadhan, G., Faqih, A., Permana, F. E., Informatika, T., Informatika, M., & Cirebon, K. (2025). ANALISIS TREN PENJUALAN MENU SEAFOOD DENGAN ALGORITMA. 9(4), 5942–5949.
Sari, A., Arifin, M., Darmanto, E., Teknik, F., & Kudus, U. M. (2025). Prediksi kebutuhan stok barang menggunakan algoritma Random Forest untuk meningkatkan efisiensi penjualan. 9(2), 339–351.
