Pengelompokan Game Berdasarkan Data Penjualan Menggunakan K-Means Clustering

Abstract

Industri game yang sangat kompetitif menuntut keputusan bisnis berbasis data yang akurat. Penelitian ini bertujuan untuk menganalisis tren penjualan game dan melakukan pengelompokan data pasar guna memperoleh wawasan strategis. Kami menggunakan dataset penjualan game yang mencakup metrik penjualan di berbagai wilayah dan tahun rilis.

Untuk mencapai tujuan tersebut, penelitian ini mengimplementasikan algoritma K-Means Clustering. Data numerik seperti tahun rilis dan data penjualan diseleksi, ditangani nilai-nilai yang hilang, dan distandardisasi menggunakan StandardScaler untuk memastikan skala data yang seragam. Metode Elbow diterapkan untuk menentukan jumlah klaster yang optimal, dan analisis menunjukkan tiga klaster yang berbeda.

Hasil pengelompokan berhasil mengidentifikasi segmen game berdasarkan pola penjualan mereka. Klaster-klaster yang terbentuk mengindikasikan game dengan kinerja penjualan rendah, menengah, dan tinggi. Wawasan (insight) yang diperoleh dari segmentasi ini krusial bagi para pemangku kepentingan (stakeholder) di industri game. Kesimpulannya, pemahaman mengenai pola penjualan dan segmentasi pasar yang didapatkan melalui K-Means Clustering dapat mendukung pengembang dan penerbit game dalam merumuskan strategi marketing, alokasi resource, dan product development yang lebih efektif, mendorong pertumbuhan bisnis di pasar game yang kompetitif.