PENERAPAN ALGORITMA K-MEANS UNTUK KLASTERISASI MOBIL BEKAS BERDASARKAN FAKTOR PENENTU HARGA JUAL

Abstract

Penentuan harga jual pada pasar mobil bekas memiliki kompleksitas tinggi karena dipengaruhi oleh berbagai faktor teknis yang dinamis. Faktor-faktor seperti tahun produksi dan jarak tempuh sering kali menimbulkan ambiguitas bagi konsumen dalam melakukan segmentasi kendaraan secara objektif. Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Means Clustering dalam melakukan segmentasi harga mobil bekas guna memetakan kasta ekonomi kendaraan secara sistematis. Metodologi yang digunakan mencakup tahapan Knowledge Discovery in Database (KDD) terhadap 1.222 entri data, yang meliputi preprocessing, transformasi data, hingga penentuan klaster optimal menggunakan metode Elbow dan validasi Silhouette Score. Hasil penelitian menunjukkan bahwa jumlah klaster paling optimal adalah k=3 dengan tingkat kestabilan nilai Silhouette Score yang baik. Klasterisasi ini berhasil mengidentifikasi tiga segmen pasar utama: kelompok ekonomi (low-end) dengan rata-rata harga Rp171 juta, kelompok menengah (mid-range) sebesar Rp393 juta, dan kelompok eksklusif (high-end) yang mencapai Rp760 juta. Implementasi ini membuktikan efektivitas algoritma K-Means dalam menyediakan instrumen pendukung keputusan bagi pelaku bisnis dan konsumen untuk menilai kewajaran harga pasar secara akurat.