Penerapan K-Means dalam Menganalisis Pola Pembelian Pelanggan Pada Data Transaksi E-Commerce

Authors

    Budi Apriyanto( 1 ) Sartika Lina Mulani Sitio( 2 )

    (1) Universitas Pamulang
    (2) Universitas Pamulang

DOI:


https://doi.org/10.32877/bt.v7i3.2195

Keywords:


Analisis, E-Commerce, K-Means, Pola Pembelian, Python

Abstract

Tujuan dari penelitian ini adalah untuk  menggunakan algoritma K-Means untuk memeriksa pola konsumen di lingkungan e-commerce. Di era digital saat ini, sangat penting untuk memiliki pemahaman yang mendalam tentang perilaku konsumen, yang membuat bisnis tetap kompetitif. Dengan menggunakan data transaksional yang mencakup faktor -faktor seperti harga akhir dan  diskon, konsumen konsumen penelitian ini  berdasarkan perilaku belanja mereka. Metode Elbow digunakan untuk mengidentifikasi jumlah kelompok yang paling tepat, yang merupakan langkah penting dalam analisis ini. Setelah menentukan jumlah cluster yang optimal dengan menggunakan algoritma K-Means  untuk mengenali berbagai segmen konsumen. K-Means adalah metode yang relatif sederhana dan mudah dipahami yang mencakup pilihan serangkaian centroid (titik tengah) dan pengelompokan data berdasarkan kedekatan centroid. Dengan mengelompokkan pelanggan ke dalam kelompok yang berbeda, K-means dapat membantu untuk mengidentifikasi pola pembelian yang jelas seperti preferensi produk, frekuensi pembelian, dan perilaku belanja. Hasil yang diperoleh menunjukkan bahwa kelompok yang berpendidikan dengan skor siluet 0,54 sangat terpisah dan jelas, menunjukkan bahwa ini menunjukkan kualitas kelompok yang baik. Temuan ini memberikan pemahaman yang berharga tentang perusahaan e-commerce dalam merancang strategi pemasaran yang efisien, mempersonalisasikan pengalaman bagi konsumen, dan memahami perilaku konsumen di pasar online. Oleh karena itu, penelitian ini tidak hanya berkontribusi pada literatur akademik, tetapi juga memberikan pengetahuan praktis yang dapat diterapkan pada strategi bisnis.

Downloads

References

D. Pramadhana, D. R. Amalia, and A. L. Ghozali, “Smart E-Commerce Untuk Strategi Pemasaran Guna,” J. Ilm. Rekayasa dan Manaj. Sist. Inf., vol. 10, no. 2, pp. 1–8, 2024.

R. A. Aras and Ilna Nardiyah, “Analisis Pola Lelang di Ebay Menggunakan Metode K-Means Clustering,” J. Mediat., vol. 7, no. 2, pp. 213–217, 2024, doi: 10.59562/mediatik.v7i2.2112.

Andre Prayoga Rizkyandri, Jasmir, and Y. Arvita, “Implementasi Metode K-Means Clustering Untuk Menentukan Persediaan Barang Pada Toko SS BabyShop,” J. Inform. Dan Rekayasa Komputer(JAKAKOM), vol. 3, no. 2, pp. 712–718, 2023, doi: 10.33998/jakakom.2023.3.2.1388.

M. Farhan Nugraha, M. Martano, and U. Hayati, “Clustering Data Indonesian Food Delivery Menggunakan Metode K-Means Pada Gofood Product List,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, pp. 3484–3492, 2024, doi: 10.36040/jati.v8i3.9727.

W. W. Kristianto and C. Rudianto, “Penerapan Data Mining Pada Penjualan Produk Menggunakan Metode K-Means Clustering (Studi Kasus Toko Sepatu Kakikaki),” J. Pendidik. Teknol. Inf., no. 5, pp. 90–98, 2020.

E. F. L. Awalina and W. I. Rahayu, “Optimalisasi Strategi Pemasaran dengan Segmentasi Pelanggan Menggunakan Penerapan K-Means Clustering pada Transaksi Online Retail,” J. Teknol. dan Inf., vol. 13, no. 2, pp. 122–137, 2023, doi: 10.34010/jati.v13i2.10090.

M. C. Untoro, L. Rizta, A. Perdana, N. A. Wijaya, and N. Ferdiyanto, “Penerapan K-Means Clustering pada Imbalance Dataset Gejala Penyakit Jantung,” Ilk. J. Comput. Sci. Appl. Informatics, vol. 5, no. 1, 2023, doi: 10.28926/ilkomnika.v5i1.455.

F. Amin, D. S. Anggraeni, and Q. Aini, “Penerapan Metode K-Means dalam Penjualan Produk Souq.Com,” Appl. Inf. Syst. Manag., vol. 5, no. 1, 2022, doi: 10.15408/aism.v5i1.22534.

N. A. Maori and E. Evanita, “Metode Elbow dalam Optimasi Jumlah Cluster pada K-Means Clustering,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 14, no. 2, 2023, doi: 10.24176/simet.v14i2.9630.

I. Wahyudi, M. B. Sulthan, and L. Suhartini, “ANALISA PENENTUAN CLUSTER TERBAIK PADA METODE K-MEANS MENGGUNAKAN ELBOW TERHADAP SENTRA INDUSTRI PRODUKSI DI PAMEKASAN,” J. Apl. Teknol. Inf. dan Manaj., vol. 2, no. 2, 2021, doi: 10.31102/jatim.v2i2.1274.

- Arientawati, Y. Jumaryadi, and A. Wibowo, “Analisis Pengelompokan Gangguan TIK Pada Sistem Pencatatan Layanan Menggunakan Algoritma K-Means dan Metode Elbow,” Techno.Com, vol. 22, no. 2, 2023, doi: 10.33633/tc.v22i2.7819.

A. Maulana and A. A. Fajrin, “PENERAPAN DATA MINING UNTUK ANALISIS POLA PEMBELIAN KONSUMEN DENGAN ALGORITMA FP-GROWTH PADA DATA TRANSAKSI PENJUALAN SPARE PART MOTOR,” KLIK - Kumpul. J. ILMU Komput., vol. 5, no. 1, 2018, doi: 10.20527/klik.v5i1.100.

H. Bin Mehare, J. P. Anilkumar, and N. A. Usmani, “The Python Programming Language,” in A Guide to Applied Machine Learning for Biologists, 2023. doi: 10.1007/978-3-031-22206-1_2.

S. Kelly, “What is pyhton?,” Python, PyGame Raspberry Pi Game Dev., 2016.

L. Rajput and S. N. Singh, “Customer Segmentation of E-commerce data using K-means Clustering Algorithm,” in 2023 13th International Conference on Cloud Computing, Data Science & Engineering (Confluence), 2023, pp. 658–664. doi: 10.1109/Confluence56041.2023.10048834.

R. B. Ardi, F. Ely Nastiti, and S. Sumarlinda, “Algoritma K-Means Clustering Untuk Segmentasi Pelanggan (Studi Kasus: Fashion Viral Solo),” INFOTECH J., vol. 9, no. 1, pp. 124–131, 2023, doi: 10.31949/infotech.v9i1.5214.

A. Prasetya, R. Salkiawati, and A. D. Alexander, “Analisis Cluster K-Means dengan Metode Elbow untuk Menentukan Pola Penjualan Produk Traffic Room Summarecon Mal Bekasi,” J. Students‘ Res. Comput. Sci., vol. 4, no. 1, 2023, doi: 10.31599/jsrcs.v4i1.2480.

E. Muningsih, “Optimasi Jumlah Cluster K-Means Dengan Metode Elbow Untuk Pemetaan Pelanggan,” Pros. Semin. Nas. Elinvo, no. September, 2017.

N. Afiasari, N. Suarna, and N. Rahaningsi, “Implementasi Data Mining Transaksi Penjualan Menggunakan Algoritma Clustering dengan Metode K-Means,” J. SAINTEKOM, vol. 13, no. 1, pp. 100–110, 2023, doi: 10.33020/saintekom.v13i1.402.

D. T. Pham, S. S. Dimov, and C. D. Nguyen, “Selection of K in K-means clustering,” Proc. Inst. Mech. Eng. Part C J. Mech. Eng. Sci., vol. 219, no. 1, 2005, doi: 10.1243/095440605X8298.

Downloads

Published

2025-04-10

How to Cite

[1]
B. Apriyanto and S. L. M. Sitio, “Penerapan K-Means dalam Menganalisis Pola Pembelian Pelanggan Pada Data Transaksi E-Commerce”, bit-Tech, vol. 7, no. 3, pp. 790–797, Apr. 2025.

Issue

Vol. 7 No. 3 (2025): bit-Tech

Section

Articles

License

Copyright (c) 2025 bit-Tech

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

I hereby assign and transfer to bit-Tech all exclusive copyright ownership rights to the above work. This includes, but is not limited to, the right to publish, republish, downgrade, distribute, transmit, sell, or use the work and other related materials worldwide, in whole, or in part, in all languages, in electronic, printed, or any other form of media, now known or hereafter developed and reserves the right to permit or license a third party to do any of the above. I understand that this exclusive right will belong to bit-Tech from the date the article is accepted for publication. I also understand that bit-Tech, as the copyright owner, has sole authority to license and permit reproduction of the article. I understand that, except for copyright, any other proprietary rights associated with the work (e.g. patents or other rights to any process or procedure) must be retained by the author. In addition, I understand that bit-Tech permits authors to use their papers in any way permitted by the applied Creative Commons license.

DOI : https://doi.org/10.32877/bt.v7i3.2195
Abstract views: 97 / PDF downloads: 49