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.

Read online
File size517.86 KB
Pages10
DMCAReport

Related /

ads-block-test