Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Iklima, Tia
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perbandingan Metode K-Means Clustering Dan Metode Ward Dalam Mengelompokkan Pelangan Mall Iklima, Tia; Pujiyanta, Ardi
JURNAL FASILKOM Vol. 13 No. 3 (2023): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v13i3.6040

Abstract

Bagi setiap perusahaan pelanggan adalah aspek yang penting, apalagi dalam dunia bisnis. Karena pelanggan berperan penting dalam kemajuan perusahaan salah satunya Mall. Oleh karena itu perlu dilakukannya analisa lebih lanjut untuk menganalisis data pelanggan. Namun dalam menganalisa data pelanggan perlu menggunakan metode yang tepat dalam proses pengelompokan data pelanggan. Dalam penelitian ini dilakukan perbandingan dua metode yang berbeda, yaitu metode K-means dan metode Ward. Dataset yang digunakan dalam penelitian ini mengandung pola tingkah laku dari masing-masing pelanggan. Untuk menghitung jarak minimum dari setiap data dalam cluster digunakan Euclidean Distance. Data pelanggan yang digunakan yaitu data pelanggan Mall, yang diambil dari data public pada platform Kaggle.com, yang terdiri dari 5 variabel yaitu CustomerID, Gender, Age, Total Earning, dan Spending Score, dengan jumlah data dari masing-masing parameter ialah sebanyak 1000 data. Hasil penelitian menunjukkan bahwa metode K-means dan metode Ward dapat diterapkan pada dataset yang digunakan. Hasil pengelompokkan didapatkan 4 kelompok pelanggan yang berbeda. Nilai akurasi pada masing-masing metode dilakukan pengujian dengan menggunakan metode Silhouette Coefficient. Hasil pengelompokkan data pelanggan dengan metode K-means untuk nilai s(i) sebesar 0.67. Sedangkan nilai s(i) sebesar 0.81 untuk metode Ward. Berdasarkan hasil penelitian, untuk mengetahui kelompok pelanggan berdasarkan tingkat kemiripan setiap objek, penggunaan metode Ward lebih baik dibandingkan dengan metode KMeans dalam proses Clustering pada dataset pelanggan Mall.
Co-Authors Ardi Pujiyanta