Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Technologica The Journal of Information Technology, Computer Science, and Electrical Engineering
Siska Mayasari Rambe
universitas Pembangunan Panca Budi
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementation of the K-Means Algorithm on Smart Systems in Grouping Gadget Accessory Purchase Patterns Rahma Yuni Simanullang; Maha Valne Datin Mahfujah Tambunan; Puspita Wanny; Utari; Khairunnisa'; Siska Mayasari Rambe
Journal of Information Technology, computer science and Electrical Engineering Vol. 2 No. 3 (2025): October 2025 - January 2026
Publisher : Yayasan Sinergi Multidimensi Kreatif

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jitcse.v2i3.232

Abstract

The development of the gadget accessories retail industry demands adaptive marketing strategies to understand consumer behavior patterns more effectively. The main problem faced is the difficulty in grouping customers based on the characteristics of diverse purchasing behaviors. To overcome this, this study aims to implement the K-Means Clustering algorithm in intelligent systems to group customer data of gadget accessories into several groups that have similar purchasing patterns. The K-Means algorithm is used because of its ability to detect patterns and segment based on the similarity of customer attributes through an iterative process until convergence is achieved. The results of the study show that this method has succeeded in forming three main clusters, namely high-value customers with a high purchase frequency and dominance of premium products (C1), customers with low activity who require a special promotional approach (C2), and potential customers with medium activity who have the potential to increase their loyalty (C3). The results of this segmentation prove that the K-Means algorithm is effective in analyzing consumer behavior and can be the basis for data-driven decision-making for a more efficient marketing strategy and product recommendation system in the gadget accessories retail sector.
Clustering UMKM Berbasis Aktivitas E-Commerce Menggunakan K-Means untuk Strategi Pengembangan Usaha Siska Mayasari Rambe; Muhammad Iqbal
Technologica Vol. 5 No. 2 (2026): Technologica
Publisher : Green Engineering Society

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55043/technologica.v5i2.562

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) memiliki peran penting dalam perekonomian Indonesia, khususnya dalam menciptakan lapangan kerja dan meningkatkan Produk Domestik Bruto (PDB). Perkembangan e-commerce mendorong UMKM untuk memanfaatkan platform digital dalam memasarkan produk sehingga menghasilkan data aktivitas penjualan yang dapat dianalisis lebih lanjut. Penelitian ini bertujuan untuk mengidentifikasi pola segmentasi UMKM berdasarkan aktivitas e-commerce menggunakan algoritma K-Means Clustering sebagai dasar penyusunan strategi pengembangan usaha berbasis data. Dataset yang digunakan merupakan data sintetis yang dibangun untuk mensimulasikan 50 UMKM berdasarkan distribusi aktivitas e-commerce yang umum ditemukan pada pelaku usaha digital. Data dibangkitkan menggunakan pendekatan random uniform distribution dengan rentang transaksi per bulan antara 50–2000 transaksi, revenue e-commerce antara Rp4.000.000–Rp180.000.000, engagement rate antara 0,10–0,90, serta jumlah platform antara 1–4 platform digital. Variabel revenue juga dirancang memiliki kecenderungan berkorelasi positif dengan jumlah transaksi agar lebih merepresentasikan kondisi aktivitas penjualan UMKM. Data dinormalisasi menggunakan metode Min-Max Scaling dan dikelompokkan ke dalam tiga klaster menggunakan algoritma K-Means. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan UMKM ke dalam tiga kategori utama, yaitu UMKM dengan performa tinggi, performa menengah, dan performa rendah berdasarkan aktivitas e-commerce. Evaluasi menggunakan metode Silhouette Coefficient menghasilkan nilai rata-rata sebesar 0,292, yang menunjukkan bahwa struktur klaster yang dihasilkan masih tergolong lemah dan masih terdapat tumpang tindih karakteristik antar klaster. Meskipun demikian, hasil clustering tetap mampu memberikan segmentasi awal UMKM yang dapat dimanfaatkan sebagai dasar penyusunan strategi pengembangan usaha berbasis data di era ekonomi digital
Co-Authors Khairunnisa' Maha Valne Datin Mahfujah Tambunan Muhammad Iqbal Puspita Wanny Rahma Yuni Simanullang Utari