Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal SITEDI SITEDI (Sistem Informasi dan Teknologi Digital)
firmansyah, femas
Unknown Affiliation
Computer Science & IT Control & Systems Engineering

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

Found 2 Documents
Search

 1 
Implementasi Metode K-Means Clustering untuk Pengelompokan pada Dataset Pelanggan Mall: Implementation of K-Means Clustering Method for Customer Segmentation on Mall Customer Dataset firmansyah, femas; Firmansyah, Hasbi
SITEDI (Sistem Informasi dan Teknologi Digital) Vol. 2 No. 4 (2025): Jurnal Sistem Informasi dan Teknologi Digital (SITEDI)
Publisher : Universitas Teknologi Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70888/sitedi.v2i4.76

Abstract

Pengelompokan data merupakan salah satu teknik dalam data mining yang digunakan untuk mengidentifikasi pola tersembunyi atau kelompok dalam sekumpulan data yang belum diberi label. Teknik ini sangat berguna dalam berbagai bidang analisis, termasuk dalam memahami perilaku konsumen. Penelitian ini bertujuan untuk mengelompokkan pelanggan berdasarkan atribut-atribut utama menggunakan metode K-Means Clustering pada dataset "Mall Customer." Tahapan penelitian meliputi preprocessing data seperti pembersihan dan normalisasi, pengelompokan menggunakan algoritma K-Means, serta evaluasi hasil klasterisasi menggunakan indeks Davies-Bouldin. Dataset yang digunakan terdiri dari 200 entri pelanggan dengan atribut usia, pendapatan tahunan, skor pengeluaran, dan jenis kelamin. Hasil penelitian menunjukkan terbentuknya lima kelompok pelanggan dengan karakteristik yang berbeda-beda, di mana salah satu cluster terbesar terdiri dari 65 anggota. Nilai Davies-Bouldin Index sebesar -0,872 menunjukkan kualitas klasterisasi yang baik, dengan tingkat pemisahan antar cluster yang tinggi. Penelitian ini memberikan wawasan strategis tentang profil pelanggan yang dapat digunakan untuk menyusun pendekatan pemasaran yang lebih terarah dan efektif dalam menarik serta mempertahankan pelanggan
Implementasi Metode K-Means Clustering untuk Pengelompokan pada Dataset Pelanggan Mall: Implementation of K-Means Clustering Method for Customer Segmentation on Mall Customer Dataset firmansyah, femas; Firmansyah, Hasbi
SITEDI (Sistem Informasi dan Teknologi Digital) Vol. 2 No. 4 (2025): Jurnal Sistem Informasi dan Teknologi Digital (SITEDI)
Publisher : Universitas Teknologi Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70888/sitedi.v2i4.76

Abstract

Pengelompokan data merupakan salah satu teknik dalam data mining yang digunakan untuk mengidentifikasi pola tersembunyi atau kelompok dalam sekumpulan data yang belum diberi label. Teknik ini sangat berguna dalam berbagai bidang analisis, termasuk dalam memahami perilaku konsumen. Penelitian ini bertujuan untuk mengelompokkan pelanggan berdasarkan atribut-atribut utama menggunakan metode K-Means Clustering pada dataset "Mall Customer." Tahapan penelitian meliputi preprocessing data seperti pembersihan dan normalisasi, pengelompokan menggunakan algoritma K-Means, serta evaluasi hasil klasterisasi menggunakan indeks Davies-Bouldin. Dataset yang digunakan terdiri dari 200 entri pelanggan dengan atribut usia, pendapatan tahunan, skor pengeluaran, dan jenis kelamin. Hasil penelitian menunjukkan terbentuknya lima kelompok pelanggan dengan karakteristik yang berbeda-beda, di mana salah satu cluster terbesar terdiri dari 65 anggota. Nilai Davies-Bouldin Index sebesar -0,872 menunjukkan kualitas klasterisasi yang baik, dengan tingkat pemisahan antar cluster yang tinggi. Penelitian ini memberikan wawasan strategis tentang profil pelanggan yang dapat digunakan untuk menyusun pendekatan pemasaran yang lebih terarah dan efektif dalam menarik serta mempertahankan pelanggan
Co-Authors Firmansyah, Hasbi