Pengelompokan Data Penjualan Rumah Menggunakan Algoritma K-Means (Studi Kasus: Kabupaten Sumenep)

Penelitian ini bertujuan untuk mengelompokkan data penjualan rumah guna memberikan rekomendasi yang tepat bagi pengembang properti dalam meningkatkan strategi pemasaran. Algoritma K-Means Clustering digunakan sebagai metode utama untuk mengelompokkan data, dengan metode elbow membantu menentukan jumlah cluster optimal. Proses penelitian mengikuti metodologi CRISP-DM, mulai dari pemahaman bisnis hingga implementasi hasil. Data penjualan rumah diproses dengan normalisasi min-max dan label encoding. Algoritma K-Means menghitung jarak menggunakan euclidean distance dan mengelompokkan data berdasarkan atribut seperti harga rumah, luas tanah, luas bangunan, jumlah kamar tidur, jumlah kamar mandi, lokasi dan tahun. Dengan menggunakan algoritma K-Means, data tersebut dikelompokkan menjadi beberapa cluster berdasarkan pola yang terbentuk dari variabel-variabel tersebut. Hasil dari metode elbow menunjukkan jumlah optimal cluster adalah 3, yang di uji menggunakan optimasi elbow dan silhouette coefficient dan menghasilkan 3 klaster lah yang paling optimal dengan hasil SSE (Sum of Square Error) 25.9539. Dan hasil Silhoette Coefficient score 0.5215. Hasil clustering menghasilkan 3 cluster dengan jumlah per klaster yaitu, K=1 berjumlah 43 data, K=2 berjumlah 159 data, K=3 berjumlah 117 data.