Klasterisasi Tingkat Penjualan Kedai Kopi Hallo Burjois Menggunakan Algoritma K-Medoids Sebagai Evaluasi

Kedai Hallo Burjois yang sedang mengalami tantangan untuk memperluas jangkauan produk menu produk, penelitian ini menerapkan algoritma K-Medoids Clustering untuk meningkatkan strategi promosi dengan mengidentifikasi menu-menu yang memiliki tingkat minat pembeli rendah. Proses tersebut melibatkan pengolahan data penjualan harian yang diubah menjadi format bulanan, di mana algoritma K-Medoids digunakan untuk membentuk tiga kluster yang mewakili tingkat penjualan tinggi, sedang, dan rendah. Hasil klasterisasi menunjukkan adanya menu-menu dengan penjualan rendah sebanyak 6 item, antara lain Americano, Caffe Latte, Dark Choco Caramel, Dimsum, Hazelnut Latte, dan Pasta Carbonara. Lalu kami mengadopsi prinsip 4P (Product, Price, Place & Promotion) untuk mengevaluasi produk dengan tingkat penjualan terendah. Uji validitas dilakukan menggunakan Davies Boulding Index (DBI), menunjukkan keakuratan dan konsistensi hasil klasterisasi sebesar 0,95 pada tiga kluster.
Kata kunci: K-Medoids Clustering, Strategi Promosi, Data Mining, Penjualan, RapidMiner