Implementasi Pipeline ETL Dan Algoritma K-Means Untuk Segmentasi Geografis Penjualan E-Commerce

Dalam ekosistem e-commerce yang berkembang pesat, volume data transaksi yang besar menuntut pemrosesan yang efisien untuk menghasilkan wawasan bisnis yang berharga. Penelitian ini bertujuan untuk mengimplementasikan pipeline Extract, Transform, Load (ETL) dan menerapkan algoritma Machine Learning K-Means untuk melakukan segmentasi geografis terhadap data penjualan. Data mentah diekstraksi dari format CSV, ditransformasikan melalui proses pembersihan, agregasi berdasarkan provinsi, dan normalisasi fitur menggunakan Standard Scaler. Algoritma K-Means kemudian digunakan untuk mengelompokkan provinsi ke dalam klaster berdasarkan karakteristik "Total Pembayaran" dan "Perkiraan Ongkos Kirim". Hasil penelitian menunjukkan terbentuknya 3 klaster optimal yang merepresentasikan pola belanja dan logistik yang berbeda di setiap wilayah, memberikan landasan bagi pengambilan keputusan strategis terkait distribusi dan pemasaran.