UNRAMUNRAM
Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA )Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA )Penelitian ini dilakukan untuk menganalisis perilaku belanja online mahasiswa menggunakan algoritma K-Means sebagai teknik pengelompokan dalam data mining. Penelitian ini didorong oleh kurangnya segmentasi perilaku belanja mahasiswa secara sistematis, yang membatasi pemahaman terhadap karakteristik pembelian dalam kelompok konsumen ini. Berbeda dengan penelitian sebelumnya yang umumnya mengamati pelanggan ritel secara umum atau pengguna e-commerce secara luas, penelitian ini secara khusus berfokus pada mahasiswa dengan mengintegrasikan atribut demografi dan perilaku. Keaslian penelitian ini tercermin dalam penggunaan simultan enam variabel, yaitu jenis kelamin, waktu belanja, jenis produk, tingkat pengeluaran, metode pembayaran, dan faktor penentu keputusan pembelian. Data dikumpulkan melalui survei online yang melibatkan 200 mahasiswa aktif. Tahapan penelitian terdiri atas pembersihan data, transformasi kategori data menggunakan One-Hot Encoding, pembentukan model pengelompokan dengan algoritma K-Means, dan evaluasi klaster menggunakan metode Silhouette. Hasil evaluasi menunjukkan bahwa jumlah klaster optimal adalah k = 3, dengan skor Silhouette tertinggi sebesar 0,0913. Tiga segmen berbeda perilaku belanja online mahasiswa berhasil diidentifikasi, memberikan wawasan yang dapat mendukung strategi pemasaran yang lebih tepat sasaran dan layanan e-commerce yang berorientasi pada mahasiswa.
Penelitian ini berhasil memetakan data perilaku belanja online mahasiswa menggunakan metode pengelompokan berbasis data mining.Hasil menunjukkan bahwa jumlah klaster optimal adalah k = 3, dengan karakteristik segmen yang teridentifikasi secara jelas berdasarkan pola belanja, pengeluaran, waktu, dan metode pembayaran.Meskipun nilai Silhouette tergolong rendah, hasil pengelompokan tetap valid secara metodologis dan memberikan gambaran awal yang berarti terhadap segmentasi perilaku konsumen mahasiswa yang cenderung homogen.
Penelitian lanjutan dapat mengeksplorasi pengaruh frekuensi belanja online dan preferensi platform e-commerce terhadap pembentukan segmen perilaku mahasiswa dengan melibatkan jumlah responden yang lebih besar dan lebih beragam secara geografis. Selain itu, perlu dikaji perbandingan efektivitas algoritma K-Means dengan metode pengelompokan lain seperti DBSCAN atau K-Medoids untuk menangani data yang homogen dan menemukan struktur kelompok yang lebih tajam. Penelitian juga dapat mengembangkan pendekatan evaluasi model yang lebih komprehensif dengan menggabungkan beberapa metrik seperti Davies-Bouldin Index dan Calinski-Harabasz Index untuk memilih jumlah klaster yang lebih akurat, serta memasukkan faktor sosial dan psikologis dalam analisis agar segmentasi perilaku mahasiswa menjadi lebih dalam dan representatif.
| File size | 517.86 KB |
| Pages | 10 |
| DMCA | Report |
Related /
UNRAMUNRAM Sistem yang dikembangkan terbukti membantu manajemen CPL dan CPMK dalam penyusunan laporan portofolio berbasis OBE. Hasil pengujian User Acceptance TestingSistem yang dikembangkan terbukti membantu manajemen CPL dan CPMK dalam penyusunan laporan portofolio berbasis OBE. Hasil pengujian User Acceptance Testing
UNRAMUNRAM 91, hal ini mengindikasikan model memiliki performa yang seimbang dalam mengenali kedua kelas, yaitu normal dan pneumonia. Evaluasi dari masing-masing91, hal ini mengindikasikan model memiliki performa yang seimbang dalam mengenali kedua kelas, yaitu normal dan pneumonia. Evaluasi dari masing-masing
UNRAMUNRAM Media ini diciptakan menggunakan platform Unity dan Vuforia SDK, dilengkapi dengan objek 3D dan audio penjelasan untuk membantu pemahaman siswa. PenelitianMedia ini diciptakan menggunakan platform Unity dan Vuforia SDK, dilengkapi dengan objek 3D dan audio penjelasan untuk membantu pemahaman siswa. Penelitian
UNRAMUNRAM Hasil menunjukkan bahwa untuk aktivitas intensitas sedang hingga tinggi seperti joging dan lari, tidak terdapat perbedaan signifikan (p > 0,05) antaraHasil menunjukkan bahwa untuk aktivitas intensitas sedang hingga tinggi seperti joging dan lari, tidak terdapat perbedaan signifikan (p > 0,05) antara
UIN MALANGUIN MALANG The dataset was divided into 80% training data and 20% testing data using a time-based split approach. The analysis procedures include determining theThe dataset was divided into 80% training data and 20% testing data using a time-based split approach. The analysis procedures include determining the
UNSURUNSUR Hasilnya menunjukkan pertumbuhan riset yang eksponensial, terkluster pada pengembangan/regulasi, perilaku wisatawan Muslim, adaptasi industri, serta tantanganHasilnya menunjukkan pertumbuhan riset yang eksponensial, terkluster pada pengembangan/regulasi, perilaku wisatawan Muslim, adaptasi industri, serta tantangan
UTUUTU Hasil analisis data menunjukkan adanya peningkatan kualitas layanan publik pada Dinas Pendidikan Kabupaten Bojonegoro, tercermin dari hasil survei kepuasanHasil analisis data menunjukkan adanya peningkatan kualitas layanan publik pada Dinas Pendidikan Kabupaten Bojonegoro, tercermin dari hasil survei kepuasan
BUMIGORABUMIGORA Implementasi algoritma Dynamic cluster pada K-means untuk pengelompokan data industri rumahan pada Dinas P3ACSKB di Provinsi Kepulauan Bangka BelitungImplementasi algoritma Dynamic cluster pada K-means untuk pengelompokan data industri rumahan pada Dinas P3ACSKB di Provinsi Kepulauan Bangka Belitung
Useful /
KAHURIPANKAHURIPAN Tujuan penelitian ini adalah untuk menelaah secara mendalam sejauh mana kualitas produk, harga, dan lokasi memengaruhi keputusan konsumen saat membeliTujuan penelitian ini adalah untuk menelaah secara mendalam sejauh mana kualitas produk, harga, dan lokasi memengaruhi keputusan konsumen saat membeli
BUMIGORABUMIGORA Hasil penelitian ini menunjukkan bahwa akurasi yang diperoleh lebih baik daripada penelitian sebelumnya yang menggunakan pola dataset yang sama. DatasetHasil penelitian ini menunjukkan bahwa akurasi yang diperoleh lebih baik daripada penelitian sebelumnya yang menggunakan pola dataset yang sama. Dataset
BUMIGORABUMIGORA From the collected tweets, they are grouped into 10 variables to identify demographic profiles. The results of the analysis are classified as positiveFrom the collected tweets, they are grouped into 10 variables to identify demographic profiles. The results of the analysis are classified as positive
BUMIGORABUMIGORA Metode penelitian ini menerapkan ADDIE (Analyze, Design, Develop, Implement and Evaluate) dan Host-Based Intrusion Detection System (HIDS) Snort pada simulasiMetode penelitian ini menerapkan ADDIE (Analyze, Design, Develop, Implement and Evaluate) dan Host-Based Intrusion Detection System (HIDS) Snort pada simulasi