UNDANAUNDANA

J-ICON: Jurnal Komputer dan InformatikaJ-ICON: Jurnal Komputer dan Informatika

Proses pemilihan laptop yang sesuai dengan kebutuhan pengguna sering menjadi tantangan bagi konsumen karena banyaknya variasi spesifikasi dan fitur yang ditawarkan. Banyak konsumen mengalami kesulitan dalam membuat pilihan yang tepat, terutama karena informasi yang tersedia sering tidak terstruktur dengan baik. Selain itu, kebutuhan tiap individu berbeda, mulai dari penggunaan produktivitas harian hingga kebutuhan khusus seperti gaming atau desain grafis. Oleh karena itu, penelitian ini bertujuan mengembangkan prototipe sistem rekomendasi laptop menggunakan algoritma K-Means, yang dapat mengelompokkan data spesifikasi laptop menjadi klaster berdasarkan kesamaan fitur. Sebanyak 25 data spesifikasi laptop, dengan parameter utama kapasitas RAM dan SSD, digunakan dalam analisis ini. Data diproses dengan metode data mining dan algoritma K-Means diterapkan untuk melakukan clustering. Jumlah klaster ditentukan berdasarkan jarak terdekat untuk memastikan hasil yang akurat dan relevan. Hasil clustering menunjukkan bahwa laptop dapat diklasifikasikan ke dalam kelompok tertentu yang mewakili kebutuhan konsumen, seperti penggunaan produktivitas harian atau pekerjaan beban tinggi. Desain prototipe sistem dibuat menggunakan Figma untuk memvisualisasikan antarmuka pengguna (UI) yang intuitif dan mudah digunakan. Diharapkan prototipe ini dapat menjadi referensi dalam pengembangan sistem yang memudahkan konsumen dalam memilih laptop yang sesuai dengan preferensi dan kebutuhannya.

Penelitian ini menyimpulkan bahwa penerapan algoritma K-Means dalam rekomendasi laptop berdasarkan spesifikasi laptop, dengan menggunakan parameter RAM dan SSD pada sampel sebanyak 25 data laptop, berhasil mengelompokkan data laptop menjadi tiga klaster melalui proses clustering K-Means.Berdasarkan hasil iterasi pertama dan kedua, laptop dengan spesifikasi dasar (low-end) tergabung dalam Klaster 1 (C1) yang berjumlah 15 unit, perangkat menengah dengan kapasitas penyimpanan besar masuk ke Klaster 2 (C2) sebanyak 6 unit, sedangkan perangkat dengan spesifikasi tinggi (high-end) yang memiliki performa kuat terkumpul di Klaster 3 (C3) sebanyak 4 unit.

Sebuah penelitian lanjutan dapat mengeksplorasi penggunaan dataset yang lebih besar dan beragam, sehingga dapat menilai sejauh mana peningkatan ukuran dan variasi data mempengaruhi akurasi serta stabilitas klaster yang dihasilkan oleh algoritma K‑Means dalam konteks rekomendasi laptop. Penelitian selanjutnya juga dapat menambah variabel tambahan seperti jenis prosesor, kapasitas baterai, dan harga jual pada analisis clustering, dengan tujuan mengidentifikasi pengaruh masing‑masing variabel tersebut terhadap pembentukan klaster yang lebih representatif terhadap preferensi konsumen. Selain itu, sebuah studi komparatif dapat dilakukan untuk membandingkan performa K‑Means dengan algoritma clustering lain seperti Apriori, hierarchical clustering, atau DBSCAN, guna menentukan metode yang paling optimal dalam menghasilkan rekomendasi laptop yang relevan dan dapat diandalkan. Penelitian ini diharapkan dapat memberikan wawasan yang lebih komprehensif mengenai faktor‑faktor yang mempengaruhi kualitas rekomendasi, serta mendukung pengembangan sistem rekomendasi yang lebih adaptif dan responsif terhadap kebutuhan pasar yang dinamis.

  1. Penerapan Datamining pada Data Gempa Bumi Terhadap Potensi Tsunami di Indonesia | Utomo | Prosiding Seminar... doi.org/10.30645/senaris.v1i0.91Penerapan Datamining pada Data Gempa Bumi Terhadap Potensi Tsunami di Indonesia Utomo Prosiding Seminar doi 10 30645 senaris v1i0 91
  2. Implementasi Data Mining Dalam Pemilihan Laptop Berbasis Algoritma C4.5 Pada Software WEKA | Jurnal Minfo... doi.org/10.33395/jmp.v12i1.12582Implementasi Data Mining Dalam Pemilihan Laptop Berbasis Algoritma C4 5 Pada Software WEKA Jurnal Minfo doi 10 33395 jmp v12i1 12582
  3. IMPLEMENTASI DATA MINING CLUSTERING K-MEANS DALAM MENGGOLONGKAN BERAGAM MEREK LAPTOP | JATI (Jurnal Mahasiswa... ejournal.itn.ac.id/index.php/jati/article/view/6816IMPLEMENTASI DATA MINING CLUSTERING K MEANS DALAM MENGGOLONGKAN BERAGAM MEREK LAPTOP JATI Jurnal Mahasiswa ejournal itn ac index php jati article view 6816
  4. J-ICON: Jurnal Komputer dan Informatika. ui laptop means algorithm icon jurnal komputer informatika skip... doi.org/10.35508/jicon.v13i1.20552J ICON Jurnal Komputer dan Informatika ui laptop means algorithm icon jurnal komputer informatika skip doi 10 35508 jicon v13i1 20552
  5. PENERAPAN METODE CLUSTERING K-MEANS DALAM PENGELOMPOKAN PENJUALAN PRODUK | JURNAL MEDIA INFOTAMA. penerapan... jurnal.unived.ac.id/index.php/jmi/article/view/418PENERAPAN METODE CLUSTERING K MEANS DALAM PENGELOMPOKAN PENJUALAN PRODUK JURNAL MEDIA INFOTAMA penerapan jurnal unived ac index php jmi article view 418
Read online
File size536.17 KB
Pages9
DMCAReport

Related /

ads-block-test