Clustering Analysis of Motor Vehicle Sales Data in Indonesia using K-Means Algorithm

Abstract

Penelitian ini bertujuan untuk menganalisis data penjualan kendaraan bermotor di Indonesia dengan menerapkan algoritma K-Means sebagai metode pengelompokan data. Algoritma ini dipilih karena keunggulannya dalam pemrosesan data skala besar yang efisien dan kemampuannya untuk mengungkap pola tersembunyi tanpa perlu label. Teknik ini telah banyak diterapkan dalam segmentasi pasar, termasuk di industri otomotif, untuk memahami perilaku konsumen dan tren penjualan di seluruh wilayah. Data yang digunakan dalam penelitian ini mencakup jumlah kendaraan yang terjual di beberapa provinsi, yang kemudian dikelompokkan menjadi tiga kategori utama: penjualan tinggi (penjualan kuat), penjualan sedang (penjualan wajar), dan penjualan rendah (penjualan buruk). Evaluasi hasil pengelompokan dilakukan dengan menggunakan matriks kebingungan dan visualisasi spasial, yang menunjukkan bahwa sebagian besar data terklaster secara akurat. Temuan ini juga mengungkapkan area dengan potensi penjualan tinggi yang tidak dilayani secara optimal oleh strategi distribusi saat ini. Selain aspek teknis, penelitian ini juga mempertimbangkan faktor-faktor non-teknis seperti kepercayaan merek dan efektivitas promosi, yang berkontribusi terhadap perbedaan tingkat penjualan antar wilayah. Hasil penelitian ini memberikan gambaran segmentasi pasar yang lebih terarah dan dapat digunakan oleh para pelaku industri otomotif sebagai dasar untuk merumuskan strategi pemasaran dan distribusi yang lebih terarah.