1.png)
PERBANDINGAN HASIL METODE CLUSTERING K-MEANS, DB SCANNER & HIERARCHICAL UNTUK ANALISA SEGMENTASI PASAR
Abstract
Segmentasi pasar merupakan strategi pengelompokan calon konsumen berdasarkan persepsi yang sama antara kebutuhan dan keinginan. Dalam strategi pemasaran, segmentasi pasar sangat wajib untuk diterapkan karena penentuan segmentasi pasar merupakan dasar dari adanya pemasaran. Namun seringkali terdapat hambatan dalam melakukan segmentasi pasar seperti tidak ada pembaruan segmentasi, menghiraukan calon konsumen, tidak mempunyai banyak data. Sehingga tujuan penelitian ini untuk menentukan segmentasi pasar dilakukan dengan clustering yakni mengelompokkan data sesuai karakteristik dari konsumen dan membandingkan hasil clustering model terbaik. Data yang digunakan merupakan data segmentasi pasar penjualan otomotif yang diambil dari sumber kaggle.com. Metode clustering yang digunakan pada penelitian ini adalah K-Means, DBSCAN, dan Hierarchical, dimana pada proses pemodelannya menggunakan software KNIME. Adapun hasil dari penelitian ini adalah metode K-Means adalah metode yang baik untuk digunakan clustering. Hal ini didapatkan dari nilai rata-rata Silhouette Coefficient K-Means mendekati 1 yakni 0.716, sedangkan DBSCAN 0.296 dan Hierarchical 0.301.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
E. Fitriani, A. Saepudin, D. Ardiansyah, and R. Aryanti, “Implementasi Metode Naive Bayes Dalam Penyeleksian Karyawan untuk Penempatan Bagian Pemasaran,” vol. 8, p. 7, 2022.
N. Normah, S. Nurajizah, and A. Salbinda, “Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Fashion Hijab Banten,” J. Tek. Komput., vol. 7, no. 2, pp. 158–163, Jul. 2021, doi: 10.31294/jtk.v7i2.10553.
M. Rusdi, “Strategi Pemasaran untuk Meningkatkan Volume Penjualan pada Perusahaan Genting UD. Berkah Jaya,” J. Studi Manaj. Dan Bisnis, vol. 6, no. 2, pp. 83–88, Dec. 2019, doi: 10.21107/jsmb.v6i2.6686.
A. M. Afrilia, “Digital Marketing Sebagai Strategi Komunikasi Pemasaran ‘Waroenk Ora Umum’ Dalam Meningkatkan Jumlah Konsumen,” J. Ris. Komun., vol. 1, no. 1, pp. 147–157, Feb. 2018, doi: 10.24329/jurkom.v1i1.21.
H. Wijaya and H. Sirine, “Strategi Segmenting, Targeting, Positioning Serta Strategi Harga Pada Perusahaan Kecap Blekok Di Cilacap,” AJIE, vol. 1, no. 3, pp. 175–190, Sep. 2016, doi: 10.20885/ajie.vol1.iss3.art2.
N. Normah, B. Rifai, and P. Sari, “Algoritma Apriori Sebagai Solusi Kontrol Persediaan Suku Cadang Mobil PT. Buanasakti Aneka Motor Jakarta,” Paradigma, vol. 22, no. 2, Art. no. 2, Sep. 2020, doi: 10.31294/p.v22i2.6530.
J. Nasir, “Penerapan Data Mining Clustering Dalam Mengelompokan Buku Dengan Metode K-Means,” Simetris J. Tek. Mesin Elektro Dan Ilmu Komput., vol. 11, no. 2, Art. no. 2, 2020, doi: 10.24176/simet.v11i2.5482.
S. Nurdiani, S. Linawati, R. A. Safitri, and E. P. Saputra, “Pengelompokan Perilaku Mahasiswa Pada Perkuliahan E-Learning dengan K-Means Clustering,” vol. 19, no. 2, p. 8, 2019.
H. Priyatman, F. Sajid, and D. Haldivany, “Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan Mahasiswa,” J. Edukasi Dan Penelit. Inform. JEPIN, vol. 5, no. 1, p. 62, Apr. 2019, doi: 10.26418/jp.v5i1.29611.
H. Haviluddin, S. J. Patandianan, G. M. Putra, N. Puspitasari, and H. S. Pakpahan, “Implementasi Metode K-Means Untuk Pengelompokkan Rekomendasi Tugas Akhir,” Inform. Mulawarman J. Ilm. Ilmu Komput., vol. 16, no. 1, p. 13, Mar. 2021, doi: 10.30872/jim.v16i1.5182.
B. S. Ashari, S. C. Otniel, and R. Rianto, “Perbandingan Kinerja K-Means Dengan Dbscan Untuk Metode Clustering Data Penjualan Online Retail,” J. Siliwangi Seri Sains Dan Teknol., vol. 5, no. 2, Art. no. 2, Dec. 2019.
M. H. Adiya and Y. Desnelita, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan Pada RSUD Pekanbaru,” vol. 05, no. 01, p. 8, 2019.
R. K. Dinata, N. Hasdyna, and N. Azizah, “Analisis K-Means Clustering pada Data Sepeda Motor,” vol. 5, no. 1, p. 8, 2020.
B. N. Sari and A. Primajaya, “Penerapan Clustering Dbscan Untuk Pertanian Padi Di Kabupaten Karawang,” JIKO J. Inform. Dan Komput., vol. 4, no. 1, Art. no. 1, Sep. 2019, doi: 10.26798/jiko.v4i1.178.
A. M. Sikana and A. W. Wijayanto, “Analisis Perbandingan Pengelompokan Indeks Pembangunan Manusia Indonesia Tahun 2019 dengan Metode Partitioning dan Hierarchical Clustering,” J. Ilmu Komput., vol. 14, no. 2, Art. no. 2, Sep. 2021, doi: 10.24843/JIK.2021.v14.i02.p01.
D. Mulyaningrum and M. Nusrang, “Analisis Cluster Pendekatan Metode Hierarchical Clustering Terhadap Pertumbuhan Ekonomi Di Provinsi Sulawesi Selatan,” p. 9.
S. Suhirman and H. Wintolo, “System for Determining Public Health Level Using the Agglomerative Hierarchical Clustering Method,” Compiler, vol. 8, no. 1, Art. no. 1, Mar. 2019, doi: 10.28989/compiler.v8i1.425.
S. Paembonan and H. Abduh, “Penerapan Metode Silhouette Coeficient Untuk Evaluasi Clutering Obat,” vol. 6, no. 2, p. 7, 2021.
R. Hidayati, A. Zubair, A. H. Pratama, and L. Indana, “Analisis Silhouette Coefficient pada 6 Perhitungan Jarak K-Means Clustering,” Techno.Com, vol. 20, no. 2, Art. no. 2, May 2021, doi: 10.33633/tc.v20i2.4556.
S. S. Alzahrani, “Data Mining Regarding Cyberbullying in the Arabic Language on Instagram Using KNIME and Orange Tools,” Eng. Technol. Appl. Sci. Res., vol. 12, no. 5, pp. 9364–9371, Oct. 2022, doi: 10.48084/etasr.5184.
Pelsri Ramadar Noor Saputra and A. Chusyairi, “Perbandingan Metode Clustering dalam Pengelompokan Data Puskesmas pada Cakupan Imunisasi Dasar Lengkap,” J. RESTI Rekayasa Sist. Dan Teknol. Inf., vol. 4, no. 6, Dec. 2020, doi: 10.29207/resti.v4i6.2556.
DOI: http://dx.doi.org/10.26798/jiko.v7i2.796
Article Metrics
Abstract view : 1159 timesPDF (Bahasa Indonesia) - 943 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Syafrina Dyah Kusuma Wardani, Amalia Salsabilla Ariyanto, Masfufahtul Umroh, Dwi Rolliawati
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.