Analisis Profitabilitas Pasar Resale Sneaker Jordan Menggunakan Regresi dan K-Means Clustering untuk Mendukung Strategi Penjualan
DOI:
https://doi.org/10.64803/jodsie.v1i2.34Kata Kunci:
Data Mining, Random Forest, K-Means Clustering, Prediksi Profit, Resale Sneaker.Abstrak
Pasar resale sneaker mengalami pertumbuhan yang pesat dan menjadi peluang bisnis yang menarik karena adanya selisih antara harga ritel dan harga jual kembali. Namun, perubahan harga resale yang cukup dinamis sering menyulitkan penjual dalam menentukan waktu dan channel penjualan yang mampu menghasilkan keuntungan maksimal. Penelitian ini bertujuan untuk menganalisis profitabilitas pasar resale sneaker Jordan menggunakan metode Random Forest Regression dan K-Means Clustering. Dataset yang digunakan terdiri dari 5.000 data transaksi sneaker yang mencakup harga ritel, harga resale, profit margin, channel penjualan, tanggal penjualan, dan lama penyimpanan produk. Random Forest Regression digunakan untuk memprediksi profit, sedangkan K-Means Clustering digunakan untuk mengelompokkan produk berdasarkan tingkat profitabilitasnya. Hasil penelitian menunjukkan nilai Mean Absolute Error (MAE) sebesar 1,41 dan nilai R² sebesar 1,00 yang menunjukkan kinerja model yang sangat baik. Selain itu, terbentuk tiga cluster produk dengan karakteristik profit yang berbeda. Hasil analisis menunjukkan bahwa harga resale merupakan faktor yang paling berpengaruh terhadap profit, Walk-in Retail menjadi channel dengan profit tertinggi, dan bulan Mei merupakan waktu penjualan yang paling menguntungkan.
Referensi
[1]. Kapti, K., & Astuti, D. (2025). Implementation of the K-Means Clustering Algorithm for Customer Segmentation. Sistemasi, 14(6), 2751–2767. https://doi.org/10.32520/stmsi.v14i6.5573
[2]. Nugroho, B. I., Rafhina, A., Ananda, P. S., & Gunawan, G. (2024). Customer Segmentation in Sales Transaction Data Using K-Means Clustering Algorithm. Journal of Intelligent Decision Support System, 7(2). https://doi.org/10.35335/idss.v7i2.236
[3]. Mawarni, H., Testiana, G., & Dalafranka, M. L. (2023). Implementasi Algoritma K-Means Untuk Segmentasi Pelanggan Pada PT. Bintang Multi Sarana Cabang Tugumulyo. J-ICON, 11(2). https://doi.org/10.35508/jicon.v11i2.12478
[4]. Djun, S. F., Gunadi, I. G. A., & Sariyasa, S. (2024). Analisis Segmentasi Pelanggan pada Bisnis dengan Menggunakan Metode K-Means Clustering pada Model Data RFM. JTIM, 5(4), 354–364. https://doi.org/10.35746/jtim.v5i4.434
[5]. Kristanti, B. T., Junaidi, A., & Mandyartha, E. P. (2024). Implementasi K-Means Clustering dalam Segmentasi Pelanggan Berdasarkan Usia, Pendapatan, dan Model RFM. Jurnal Informatika dan Teknik Elektro Terapan, 12(3). https://doi.org/10.23960/jitet.v12i3.4677
[6]. Yulisasih, B. N., Herman, H., & Sunardi, S. (2024). K-Means Clustering Method for Customer Segmentation Based on Potential Purchases. ELTIKOM, 8(1). https://doi.org/10.31961/eltikom.v8i1.1137
[7]. Hidayat, R., Saputra, H. T., Husnah, M., Nabila, N., Hidayatullah, M. B., Nazhmi, M. N., Azra, J., & Rana, A. (2025). Implementasi Algoritma Random Forest Regression Untuk Memprediksi Penjualan Produksi di Supermarket. SIMKOM, 10(1), 101–109. https://doi.org/10.51717/simkom.v10i1.703
[8]. Azzahra, L., & Yasir, A. (2024). Metode K-Means Clustering Dalam Pengelompokan Penjualan Produk Frozen Food. Jurnal Ilmu Komputer dan Sistem Informasi, 3(1). https://doi.org/10.70340/jirsi.v3i1.88
[9]. Putri, Y., Aldo, D., & Ilham, W. (2024). Retail Marketing Strategy Optimization: Customer Segmentation with Artificial Intelligence Integration and K-Means Clustering. Sinkron : Jurnal dan Penelitian Teknik Informatika, 8(4), 2155–2163. https://doi.org/10.33395/sinkron.v8i4.14000
[10]. Agustina, A., Tukino, T., Huda, B., & Novalia, E. (2025). Prediksi Volume Penjualan Gadget Berdasarkan Promo dan Channel Penjualan Menggunakan Random Forest. JUSIFOR, 4(1). https://doi.org/10.70609/jusifor.v4i1.6962
[11]. Yani, A., Azmi, Z., & Suherdi, D. (2023). Implementasi Data Mining Menganalisa Data Penjualan Menggunakan Algoritma K-Means Clustering. Jurnal Sistem Informasi Triguna Dharma, 2(2), 315–323. https://doi.org/10.53513/jursi.v2i2.6357
[12]. Widiyanto, A. T., & Witanti, A. (2021). Segmentasi Pelanggan Berdasarkan Analisis RFM Menggunakan Algoritma K-Means Sebagai Dasar Strategi Pemasaran. KONSTELASI: Konvergensi Teknologi dan Sistem Informasi, 1(1), 204–215. https://doi.org/10.24002/konstelasi.v1i1.4293
[13]. Pramudiansyah, A. P. (2021). Segmentasi Pelanggan Menggunakan Algoritma K-Means Berdasarkan Model Recency Frequency Monetary. Jurnal Ilmiah Ilmu Komputer, 7(2), 6–19. https://doi.org/10.35329/jiik.v7i2.201
[14]. Kadarsah, D., & Heikal, J. (2024). Customer Segmentation With K-Means Clustering Suzuki Mobil Bandung Customer Case Study. Jurnal Indonesia Sosial Teknologi, 5(3), 768–774. https://doi.org/10.59141/jist.v5i3.935
[15]. Mulyadi, I. P. (2022). Clusterisasi Menggunakan Metode Algoritma K-Means dalam Meningkatkan Penjualan Tupperware. Jurnal Informatika Ekonomi Bisnis, 4(4), 323–328. https://doi.org/10.37034/infeb.v4i4.164
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Ahmad Al fajri, Rega Esa Ramadhan, Wahyu Omar Gibran (Author)
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
