K-Means Clustering as a Method for Identifying Consumer Behavior Patterns In Taqimart
DOI:
https://doi.org/10.24235/itej.v11i1.300Keywords:
Data Mining, K-Means Clustering, Consumer Behavior Patterns, Taqimart.Abstract
Taqimart, as a grocery store developing amid competition from modern retail, still faces challenges in analyzing consumer data, where the transaction data generated has not been optimally utilized to understand consumer shopping behavior patterns. This study aims to identify and classify the shopping behavior patterns of Taqimart consumers by applying the K-Means Clustering method. The data used consist of consumer data and transaction data that reflect shopping behavior characteristics, such as purchase frequency and total spending. The K-Means Clustering method is used to group consumers into several clusters based on the similarity of their shopping behavior. The results of this study can provide more structured consumer segmentation information, helping Taqimart develop more targeted marketing strategies, increase the effectiveness of promotions, and support data-driven business decision-making to enhance business competitiveness
Downloads
References
[1] A. Alawiyah, N. Aghnia, and F. F. Abdalah, “Implementasi Clustering Algoritma K-Means Pada Penjualan Beras Di CV Tangguh Bumi Perkasa,” J. Komisi (Jurnal Komput. dan Sist. Informasi), vol. 2, no. 2, pp. 17–23, 2025.
[2] A. Yahya and R. Kurniawan, “Implementasi Algoritma K-Means untuk Pengelompokan Data Penjualan Berdasarkan Pola Penjualan,” MALCOM Indones. J. Mach. Learn. Comput. Sci. J., vol. 5, no. January, pp. 350–358, 2025.
[3] R. Rahmawati, W. Prihartono, and K. Cirebon, “Optimasi Stok Dengan Clustering Data Transaksi Penjualan Menggunakan Algoritma K-Means di Konter Agung Cell,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 13, no. 2, 2025.
[4] M. Fadhil, W. Fuadi, and Maryana, “CLUSTERING TINGKAT KECANDUAN GAME MOBILE LEGENDS TERHADAP KEHARMONISAN KELUARGA MENGGUNAKAN METODE K-MEANS,” RABIT J. Teknol. dan Sist. Inf. Univrab, vol. 10, no. 2, pp. 981–990, 2025.
[5] J. N. Iin, “PERBANDINGAN KMEANS DAN HIERARCHICAL CLUSTERING UNTUK PEMETAAN KAWASAN RAWAN STUNTING DI KABUPATEN KOLAKA,” RABIT J. Teknol. dan Sist. Inf. Univrab, vol. 10, no. 2, pp. 701–716, 2025.
[6] I. Fazira, Z. Fitri, and Risawandi, “OPTIMASI JUMLAH CLUSTER PADA K-MEANS CLUSTERING MENGGUNAKAN PARTICLE SWARM OPTIMIZATION UNTUK PENGELOMPOKAN UKT MAHASISWA,” RABIT J. Teknol. dan Sist. Inf. Univrab, vol. 10, no. 2, pp. 874–886, 2025.
[7] E. A. Wibowo and R. Aryanti, “Penerapan Metode Clustering K-Means Menggunakan RapidMiner untuk Klasifikasi Prestasi Siswa di Sekolah Swasta,” J. Inf. Technol. Informatics Eng., vol. 1, no. 1, pp. 20–24, 2025, [Online]. Available: https://journal.jci.co.id/jitie/article/view/35
[8] Sulistiani et al., “Data Analysis of Student Monitoring Using the K-Means Clustering Method,” Indones. J. Mod. Sci. Technol., vol. 1, no. 2, pp. 50–57, 2025, doi: 10.64021/ijmst.1.2.50-57.2025.
[9] M. Rival, M. Misriani, and L. O. Bakrim, “Penerapan Metode Cluster Dalam Data Mining Mengelompokkan Kenakalan Remaja (Studi Kasus Polda Sultra),” Simkom, vol. 9, no. 1, pp. 79–89, 2024, doi: 10.51717/simkom.v9i1.375.
[10] A. E. Febriyanti, S. Z. Harahap, and M. Masrial, “Penerapan Data Mining Untuk Evaluasi Data Penjualan Menggunakan Metode Clustering dan Algoritma Hirarki Divisive Studi Kasus Toko Sembako Pujo,” INFORMATIKA, vol. 15, no. 1, pp. 72–86, 2024, doi: 10.25130/sc.24.1.6.
[11] N. Bili, R. T. Abineno, and A. Aha Pekuwali, “Penerapan Algoritma K-Means Clustering Untuk Pengelompokkan Peforma Siswa Pada Pembelajaran Bahasa Indonesia (Studi Kasus : SD Inpress Waingapu 3),” SATI Sustain. Agric. Technol. Innov., pp. 523–537, 2024.
[12] M. Adelina Bui and A. Bahtiar, “Implementasi Metode Algoritma K-Means Clustering Untuk Mengelompokkan Transaksi Penjualan Barang Di Toko Arino,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1451–1456, 2024, doi: 10.36040/jati.v8i2.8975.
[13] W. P. Priyadi, J. D. Irawan, and A. Faisol, “Penerapan Data Mining Untuk Clustering Wilayah Produksi Pada Menggunakan Metode K-Means (Studi Kasus : Wilayah Jawa Timur),” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 5, pp. 8381–8388, 2024.
[14] A. Ghozy, F. S. Wahyuni, and S. Achmadi, “Implementasi Metode K-Means Clustering Untuk Pengelompokan Kelas Berdasarkan Pemahaman Siswa Pada Bimbingan Belajar Matematika Saschio Banyuwangi,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 1072–1077, 2023, doi: 10.36040/jati.v6i2.5450.
[15] R. Farismana, “Penerapan K-Means Clustering Untuk Pemetaan Produktivitas Padi Dan Prediksi Panen Di Kabupaten Indramayu,” J. Inf. Syst. Applied, Manag. Account. Res., vol. 8, no. 3, p. 589, 2024, doi: 10.52362/jisamar.v8i3.1572.
[16] D. D. Susilo, S. S. Hilabi, B. Priyatna, and E. Novalia, “Implementasi Data Mining dalam Pengelompokan Data Pembelian Menggunakan Algoritma K-Means Pada PT.Otomotif 1,” Jutisi J. Ilm. Tek. Inform. dan Sist. Inf., vol. 13, no. 1, p. 476, 2024, doi: 10.35889/jutisi.v13i1.1836.
[17] N. Hendrastuty, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa,” J. Ilm. Inform. Dan Ilmu Komput., vol. 3, no. 1, pp. 46–56, 2024, [Online]. Available: https://doi.org/10.58602/jima-ilkom.v3i1.26
[18] I. Ibrahim and W. Usino, “Klasterisasi Tingkat Kelayakan Provinsi Dalam Pembangunan Kawasan Industri Menggunakan Algoritma K-Means,” SENAFTI (Semiinar Nas. Mhs. Fak. Teknol. Informasi), vol. 3, no. September, pp. 324–333, 2024.
[19] S. Anwar, T. Suprapti, G. Dwilestari, and I. Ali, “Pengelompokkan Hasil Belajar Siswa dengan Metode Clustering K-Means,” JURSISTEKNI (Jurnal Sist. Inf. dan Teknol. Informasi), vol. 4, no. 2, pp. 60–72, 2022.
[20] D. Kurniadi, Y. H. Agustin, H. I. N. Akbar, and I. Farida, “Penerapan Algoritma k-Means Clustering untuk Pengelompokan Pembangunan Jalan pada Dinas Pekerjaan Umum dan Penataan Ruang,” Aiti (Jurnal Teknol. Informasi), vol. 20, no. 1, pp. 64–77, 2023, doi: 10.24246/aiti.v20i1.64-77.
