Komparasi Algoritma Hierarchical, K-Means, dan DBSCAN pada Analisis Data Penjualan Melalui Facebook

Farah Dwi Wahyuningtyas, Abdillah Arafat, Agus Stiawan, Dwi Rolliawati

Abstract


Penggunaan internet di Indonesia untuk akses media sosial meningkat dari empat tahun sebelumnya, di mana 36,36 persen pengguna masih menggunakan media sosial Facebook. Rata-rata pengguna media sosial ini berasal dari kalangan remaja dengan smartphone. Facebook memiliki fitur-fitur yang digemari oleh penggunanya untuk melakukan aktivitas jual beli, sehingga dapat meningkatkan user engagement dan data penjualan. Untuk menganalisis peningkatan data penjualan, penelitian ini menggunakan data mining dengan metode klasterisasi. Dengan menggunakan data sekunder dari UCI Repository, dilakukan analisis terhadap komparasi tiga algoritma berbeda untuk mengetahui mana yang terbaik di antara algoritma Hierarchical, K-Means, dan DBSCAN. Hasil penelitian menunjukkan bahwa algoritma Hierarchical dengan  memperoleh skor silhouette tertinggi yaitu 0.884, selisih yang cukup tipis dengan perolehan silhouette score yang diperoleh K-Means sebesar 0.872. Selanjutnya, hasil komparasi yang dilakukan dengan menggunakan indikator performa menunjukkan bahwa K-Means merupakan algoritma terbaik dengan rata-rata waktu eksekusi selama 0.402 detik, selisih yang cukup jauh dari dua algoritma yang lain. Berdasarkan dua indikator yang telah digunakan tersebut, dapat diketahui bahwa algoritma terbaik untuk menganalisis data penjualan melalui Facebook adalah algoritma K-Means. Terakhir, munculnya jumlah cluster 2 dari algoritma K-Means dapat mengelompokkan data penjualan melalui Facebook menjadi dua kategori, yaitu “Postingan Ramai” dan “Postingan Kurang Ramai”.


Keywords


Facebook;Klasterisasi; Hierarchical; K-Means; DBSCAN

Full Text:

PDF

References


Asosiasi Penyelenggara Jasa Internet Indonesia, “Buletin APJII,” 2020, vol. 74.

A. Saputra, “Survei Penggunaan Media Sosial di Kalangan Mahasiswa Kota Padang Menggunakan Teori Uses and Gratifications,” J. Dok. DAN Inf., vol. 40, no. 2, p. 207, May 2019, doi: 10.14203/j.baca.v40i2.476.

A. P. Mirsah, “Efektivitas Pemanfaatan Jejaring Sosial (Facebook) Sebagai Media Bisnis Online Dalam Meningkatkan Volume Penjualan (Studi Kasus Makassar Dagang),” p. 107, 2020.

S. Simatupang, E. Efendi, and D. E. Putri, “Facebook Marketplace Serta Pengaruhnya Terhadap Minat Beli,” J. EKBIS, vol. 22, no. 1, p. 28, Mar. 2021, doi: 10.30736/je.v22i1.695.

Charlie, “Membangun Kepercayaan dan Keterlibatan Konsumen Melalui Live Streaming Social Commerce di Facebook,” p. 108, 2020.

D. E. R. Amin and K. Fikriyah, “Pengaruh Live Streaming dan Online Customer Review Terhadap Keputusan Pembelian Produk Fashion Muslim (Studi Kasus Pelanggan TikTok Shop di Surabaya),” vol. 07, no. 01, 2023.

A. Kristianto, “Analisa Performa K-Means dan DBSCAN dalam Clustering Minat Penggunaan Transportasi Umum,” Elkom J. Elektron. Dan Komput., vol. 14, no. 2, pp. 368–372, Dec. 2021, doi: 10.51903/elkom.v14i2.551.

R. Adha, N. Nurhaliza, and U. Soleha, “Perbandingan Algoritma DBSCAN dan K-Means Clustering untuk Pengelompokan Kasus Covid-19 di Dunia,” vol. 18, no. 2, 2021.

M. Putri, C. Dewi, E. P. Siam, G. A. Wijayanti, N. Aulia, and R. Nooraeni, “Comparison of DBSCAN and K-Means Clustering for Grouping the Village Status in Central Java 2020,” J. Mat. Stat. Dan Komputasi, vol. 17, no. 3, May 2021, doi: 10.20956/j.v17i3.11704.

A. S. Osman, “Data Mining Techniques: Review,” Int. J. Data Sci. Res., vol. 2, no. 1, Art. no. 1, Jul. 2019.

Edy Irawan, “Clustering,” School of Computer Science. https://socs.binus.ac.id/2017/03/09/clustering/ (accessed Nov. 25, 2022).

R. R. Aryanto, A. R. Pratama, and Lizda Iswari, “Studi Komparasi Model Klasifikasi Berbasis Pembelajaran Mesin untuk Sistem Rekomendasi Program Studi,” J. RESTI Rekayasa Sist. Dan Teknol. Inf., vol. 5, no. 5, pp. 853–862, Oct. 2021, doi: 10.29207/resti.v5i5.3392.

S. A. H. Bukhari, “What is Comparative Study.” Rochester, NY, Nov. 20, 2011. doi: 10.2139/ssrn.1962328.

“UCI Machine Learning Repository: Facebook Live Sellers in Thailand Data Set.” https://archive.ics.uci.edu/ml/datasets/Facebook+Live+Sellers+in+Thailand (accessed Dec. 10, 2022).

P. S. Bravin, “A review on Data Preprocessing Techniques in Data Mining,” vol. 4, no. 5, 2022.

P. W. Setyaningsih and A. Witanti, “Text Mining Repository Untuk Tren Tema Skripsi 2017-2020,” J. INTEK, vol. 5, no. 2, Feb. 2022, doi: 10.37729/intek.v5i2.2144.

G. J. Kamani, R. S. Parmar, and Y. R. Ghodasara, “Data Normalization in Data Mining Using Graphical User Interface,” vol. 30, no. 2, 2019.

“6.3. Preprocessing data,” scikit-learn. https://scikit-learn/stable/modules/preprocessing.html (accessed Feb. 01, 2023).

A. M. Retta, A. Isroqmi, and T. D. Nopriyanti, “Pengaruh Penerapan Algiritma Terhadap Pembelajaran Pemrograman Komputer,” Indiktika J. Inov. Pendidik. Mat., vol. 2, no. 2, p. 126, May 2020, doi: 10.31851/indiktika.v2i2.4125.

H. Februariyanti, J. S. Wibowo, D. B. Santoso, and M. Sukur, “Analisis Kecenderungan Informasi Menggunakan Algoritma Hierarchical Agglomerative Clustering,” INFORMATIKA, vol. 13, no. 1, p. 9, Jun. 2021, doi: 10.36723/juri.v13i1.247.

W. Widyawati, W. L. Y. Saptomo, and Y. R. W. Utami, “Penerapan Agglomerative Hierarchical Clustering Untuk Segmentasi Pelanggan,” J. Ilm. SINUS, vol. 18, no. 1, p. 75, Jan. 2020, doi: 10.30646/sinus.v18i1.448.

K. S. Dorman and R. Maitra, “An Efficient K-Modes Algorithm for Clustering Categorical Datasets,” Wiley, vol. 15, no. 1, pp. 83–97, Sep. 2021, doi: 10.1002/sam.11546.

K. P. Sinaga and M.-S. Yang, “Unsupervised K-Means Clustering Algorithm,” IEEE Access, vol. 8, pp. 80716–80727, 2020, doi: 10.1109/ACCESS.2020.2988796.

K. Laskhmaiah, S. M. Krishna, and B. E. Reddy, “An Optimized K-means with Density and Distance-Based Clustering Algorithm for Multidimensional Spatial Databases,” Int. J. Comput. Netw. Inf. Secur., vol. 13, no. 6, pp. 70–82, Dec. 2021, doi: 10.5815/ijcnis.2021.06.06.

A. K. Fauziyyah, “Analisis Sentimen Pandemi COVID19 Pada Streaming Twitter Dengan Text Mining Python,” J. Ilm. SINUS, vol. 18, no. 2, p. 31, Jul. 2020, doi: 10.30646/sinus.v18i2.491.

R. J. G. B. Campello, P. Kröger, J. Sander, and A. Zimek, “Density‐based clustering,” WIREs Data Min. Knowl. Discov., vol. 10, no. 2, Mar. 2020, doi: 10.1002/widm.1343.




DOI: http://dx.doi.org/10.36448/jsit.v14i1.2931

Article Metrics

Abstract view : 3 times
PDF - 3 times

Refbacks

  • There are currently no refbacks.


About the JournalJournal PoliciesAuthor Information

Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika)
e-ISSN: 2686-181X
Website: http://jurnal.ubl.ac.id/index.php/explore
Email: explore@ubl.ac.id
Published by: Pusat Studi Teknologi Informasi, Fakultas Ilmu Komputer, Universitas Bandar Lampung
Office: Jalan Zainal Abidin Pagar Alam No 89, Gedong Meneng, Bandar Lampung, Indonesia

This work is licensed under a Creative Commons Attribution 4.0 International License
Technical Support by:  RYE Education Hub