SEGMENTASI KONSUMEN E-COMMERCE MENGGUNAKAN ALGORITMA K-MEANS BERBASIS DASBOR INTERAKTIF

Rasyid, Aru Chevy (2026) SEGMENTASI KONSUMEN E-COMMERCE MENGGUNAKAN ALGORITMA K-MEANS BERBASIS DASBOR INTERAKTIF. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (2MB)
	Text BAB I.pdf Download (535kB)
	Text BAB II.pdf Download (625kB)
	Text BAB III.pdf Download (784kB)
	Text BAB IV.pdf Download (2MB)
	Text BAB V.pdf Download (446kB)
	Text LAMPIRAN.pdf Download (759kB)

Abstract

Pertumbuhan pesat industri e-commerce di Indonesia menghasilkan data perilaku konsumen dalam jumlah besar, sehingga diperlukan pendekatan analitik untuk mengidentifikasi pola transaksi dan membangun segmentasi konsumen secara efektif. Penelitian ini bertujuan mengelompokkan konsumen e-commerce menggunakan metode K-Means Clustering serta menyajikan hasil analisis dalam bentuk dasbor interaktif. Proses pengolahan data meliputi pembersihan, standarisasi, dan pembentukan variabel turunan berupa average basket, spend per month, dan PayLater share untuk merepresentasikan perilaku transaksi konsumen. Penentuan jumlah klaster optimal dilakukan melalui evaluasi multi-metrik menggunakan grafik SSE, Silhouette Score, Calinski–Harabasz Index, dan Davies–Bouldin Index. Meskipun nilai Silhouette Score dan Calinski–Harabasz Index tertinggi diperoleh pada k = 2, nilai Davies–Bouldin Index terendah serta pola titik siku pada grafik SSE menunjukkan k = 3 sebagai jumlah klaster yang paling seimbang. Dengan mempertimbangkan kualitas struktur klaster dan tujuan penelitian untuk memperoleh segmentasi yang lebih rinci dan mudah diinterpretasikan, k = 3 ditetapkan sebagai jumlah klaster akhir. Hasil klasterisasi menghasilkan tiga segmen utama, yaitu konsumen dengan aktivitas belanja menengah, konsumen bernilai tinggi dengan pengeluaran besar dan kecenderungan menggunakan PayLater, serta konsumen dengan frekuensi transaksi tinggi namun nilai pembelian rendah. Validitas hasil klaster dikonfirmasi melalui perhitungan manual pada 10 data sampel yang menghasilkan klaster identik dengan pemodelan Python. Seluruh hasil analisis diintegrasikan ke dalam dasbor interaktif berbasis Streamlit untuk mendukung pengambilan keputusan berbasis data.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	segmentasi, perilaku konsumen, transaksi digital, analisis data, visualisasi interaktif
Subjects:	T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Fitria Nur Indah Hasanah
Date Deposited:	07 May 2026 08:07
Last Modified:	07 May 2026 08:07
URI:	https://repository.unas.ac.id/id/eprint/15782

Actions (login required)

View Item