Analisis Dataset Marketing Menggunakan Algoritma K MeansClustering pada The Look E-Commerce.

Baihaqi, Muhammad (2023) Analisis Dataset Marketing Menggunakan Algoritma K MeansClustering pada The Look E-Commerce. Other thesis, Sekolah Tinggi Teknologi Terpadu Nurul Fikri.

[thumbnail of 2023_MUHAMMAD BAIHAQI_FULLTEXT.pdf] Text
2023_MUHAMMAD BAIHAQI_FULLTEXT.pdf
Restricted to Registered users only

Download (8MB) | Request a copy

Abstract

The Look merupakan situs pakaian e-commerce buatan yang dikembangkanoleh tim Looker. Dataset dari The Look berisi informasi tentang pelanggan, produk, pesanan, logistik, acara web, dan kampanye pemasaran digital. Bagaimanamenerapkan Algoritma K-Means Clustering pada perusahaan The LookECommerce dan Bagaimana penerapan google collab dapat mempermudah visualisasi data.Dapat mengetahui koefisien optimal berdasarkan model Silhouette coefficient. Untuk metode penelitian yang digunakan dalam analisis yaitu Cross IndustryStandard Process for Data Mining atau CRISP-DM. Pengumpulan data mentahdidapat dari pembelian pada perusahaan The Look E-commerce Jenis datayangdiperlukan yaitu data order Items, data orders, dan data products. Berdasarkanpenelitian pada The Look E-Commerce yang dilakukan menggunakan Google collabdengan metode K Means clustering dan model silhouette coefficient mengetahui cluster K optimal terdapat pada K = 6 memiliki koefisien silhouette score 0.228. Hasil analisis yang divisualisasikan dengan column Average Retail Price, Total Purchase perCustomer, Persebaran konsumen di Tiap Negara dan Traffic sourcemenggunakan Google collab dapat mempermudah pengguna dalammembaca grafik, mengekspor data, dan proses penyebaran data. Diharapkan pada penelitianselanjutnya menggunakan metode K-Means clustering dan model Elbowagar dapat membandingkan dan memberikan hasil yang lebih baik. Pada penelitian ini perluditambahkan teknik-teknik lainnya untuk mendapatkan performa klasifikasi yanglebih sempurna untuk menangani data yang tidak seimbang.
Kata kunci : K-Means Clustering, Silhouette coefficient, Google Collab

Item Type: Thesis (Other)
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
Divisions: Teknik Informatika
Depositing User: Pustakawan STT-NF
Date Deposited: 15 Aug 2023 03:23
Last Modified: 15 Aug 2023 03:23
URI: https://repository.nurulfikri.ac.id/id/eprint/313

Actions (login required)

View Item
View Item