Warframe merupakan permainan daring gratis dengan sistem perdagangan item permainan yang
memungkinkan pemain melakukan transaksi dengan pemain lain. Ketika menjual item permainan,
pemain harus mencari nilai item untuk menentukan tindakan yang menghasilkan keuntungan paling
besar. Akan tetapi nilai item terus berubah sesuai dengan kondisi pasar, sehingga pencarian nilai dan
penentuan tindakan yang paling menguntungkan sulit dilakukan. Saat ini pemain mencari nilai item
secara manual dengan membandingkan atau memperkirakan nilainya sehingga keuntungan yang
didapatkan kurang maksimal. Oleh sebab itu penelitian ini dilakukan untuk membuat sistem yang
memberikan rekomendasi tindakan ketika menjual item yang diharapkan dapat membantu pemain
dalam menentukan tindakan terhadap item dan mendapat keuntungan yang mungkin paling besar.
Rekomendasi tindakan diambil berdasarkan hasil pengelompokan menggunakan metode K-Means,
ekstraksi dataset penelitian dari situs web menggunakan teknik web scraping, dan data editing untuk
mengolah data sebelum proses pengelompokan. Pada penelitian ini dilakukan beberapa pengujian dengan
memodifikasi jarak hari data latih dan jarak tren harga untuk mendapatkan model yang paling akurat.
Proses pengujian menggunakan data dua hari untuk jarak data latih dan sembilan hari untuk tren harga
memberikan hasil dengan akurasi terbaik yaitu 89,59108% dengan silhouette coefficient 0,386854. Hasil
menunjukkan bahwa metode pengelompokan k-means memberikan rekomendasi tindakan yang cukup
akurat menggunakan data statistik penjualan.
Kata kunci: rekomendasi, web scraping, pengelompokan, data editing, k-means, silhouette analyst