Pengelompokan Berbagai Merk Handphone di toko Naufal Cell Menggunakan Metode K-Means
Keywords:
pengelompokan, K-Means, merek, handphone, pelanggan, penjualanAbstract
Handphone berasal dari dua frasa kata dalam bahasa Inggris. Hand yang memiliki arti tangan dan phone yang berarti suara. Definisi dari handphone adalah suatu perangkat telekomunikasi elektronik dua arah yang dapat dibawa kemana-mana (portable) dan tidak perlu menggunakan kabel (nirkabel/wireless)[1]. Penelitian ini bertujuan untuk mengelompokkan berbagai merek handphone yang tersedia di toko Naufal Cell menggunakan metode K-Means. Tujuan dari pengelompokan ini adalah untuk memberikan wawasan yang lebih baik tentang preferensi pelanggan dan strategi penjualan yang lebih efektif di toko tersebut. Metode K-Means digunakan dalam penelitian ini karena kemampuannya dalam mengelompokkan data berdasarkan kesamaan karakteristik. Data yang digunakan meliputi berbagai atribut handphone seperti harga, spesifikasi teknis, dan fitur tambahan. Proses pengelompokan dilakukan dengan langkah-langkah standar K-Means, yaitu inisialisasi titik pusat awal, pengelompokan data, dan pembaruan pusat kelompok[2]. Hasil dari penelitian ini diharapkan dapat menghasilkan kelompok-kelompok yang jelas berdasarkan merek handphone di toko Naufal Cell. Informasi ini akan memberikan pemahaman yang lebih baik tentang preferensi pelanggan dan memberikan wawasan bagi manajemen toko dalam mengoptimalkan strategi penjualan, stok barang, dan kebijakan pemasaran.Penelitian ini dapat memberikan kontribusi dalam bidang penjualan handphone dengan memberikan informasi yang lebih detail tentang perilaku pelanggan dan preferensi mereka terhadap berbagai merek handphone. Penelitian ini melalui 3 tahap iterasi yang menghasilkan dua cluster dengan nilai centroid pertama atau C0 = (9.33,256) yang memiliki anggota 6 data dan untuk centroid kedua atau C1 = (5.5,112) yang memiliki anggota 4 data. Hasil yang diperoleh menjadi dasar untuk pengembangan strategi penjualan yang lebih efektif di toko Naufal Cell.
References
M. N. Annafi, D. H. Nikmatullah, and H. Hidayatulloh, “Pengaruh Penggunaan Handphone Terhadap Prestasi Mahasiswa,” Jurnal Pendidikan Luar Sekolah, vol. 12, no. 1, p. 15, 2018. doi:10.32832/jpls.v12i1.2880.
C. S. Sembiring, L. Hanum, and S. P. Tamba, “Penerapan Data mining menggunakan algoritma K-means Untuk Menentukan Judul Skripsi Dan Jurnal Penelitian (studi Kasus FTIK UNPRI),” Jurnal Sistem Informasi dan Ilmu Komputer Prima(JUSIKOM PRIMA), vol. 5, no. 2, pp. 80–85, 2022. doi:10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2393
A. Ahmad, “PERKEMBANGAN TEKNOLOGI KOMUNIKASI DAN INFORMASI: AKAR REVOLUSI DAN BERBAGAI STANDARNYA,” Jurnal Dakwah Tabligh, vol. 13, no. 1, pp. 137–149, Jun. 2012. doi:https://doi.org/10.24252/jdt.v13i1.300
J. M. M. Aji and A. Widodo, ‘Perilaku konsumen pada pembelian beras bermerk di Kabupaten Jember dan faktor yang mempengaruhinya’, JSEP (Journal of Social and Agricultural Economics), vol. 4, no. 3, pp. 12–24, 2010.
A. Alfansyur and M. Mariyani, ‘Seni mengelola data: Penerapan triangulasi teknik, sumber dan waktu pada penelitian pendidikan sosial’, Penelitian dan Pengembangan Pendidikan Sejarah, vol. 5, no. 2, pp. 146–150, 2020.
A. Nurzahputra, M. A. Muslim, and M. Khusniati, “Penerapan algoritma k-means untuk clustering penilaian Dosen Berdasarkan Indeks Kepuasan Mahasiswa,” Techno.Com, vol. 16, no. 1, pp. 17–24, 2017. doi:10.33633/tc.v16i1.1284
N. Thamrin and A. W. Wijayanto, ‘Comparison of Soft and Hard Clustering: A Case Study on Welfare Level in Cities on Java Island: Analisis cluster dengan menggunakan hard clustering dan soft clustering untuk pengelompokkan tingkat kesejahteraan kabupaten/kota di pulau Jawa’, Jawa. Indonesian Journal of Statistics and Its Applications, vol. 5, no. 1, pp. 141–160, 2021.
K. Handoko, “Penerapan data mining dalam meningkatkan Mutu Pembelajaran Menggunakan metode k-means clustering,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 2, no. 3, pp. 31–40, 2016. doi:10.25077/teknosi.v2i3.2016.31-40
M. Hariyanto and R. T. Shita, “CLUSTERING PADA DATA MINING UNTUK MENGETAHUI POTENSI PENYEBARAN PENYAKIT DBD MENGGUNAKAN METODE ALGORITMA K-MEANS DAN METODE PERHITUNGAN JARAK EUCLIDEAN DISTANCE,” SKANIKA: Sistem Komputer dan Teknik Informatika, vol. 1, no. 1, Mar. 2018..
F. Yunita, ‘PENERAPAN DATA MINING MENGGUNKAN ALGORITMA K-MEANS CLUSTRING PADA PENERIMAAN MAHASISWA BARU’, J. Sist. Inf., vol. 7, no. 3, p. 238, Sep. 2018..
