STORYTELLING HASIL KLASTERISASI BI K-MEANS PADA DATA UMKM MENGGUNAKAN TRANSFORMERS

Tubagus Mohammad Akhriza (STMIK PRadnya Paramitha)
Tubagus Arief Armanda (STMIK Jakarta STI&K)
Tubagus M. Adrie Admira (STMIK Jakarta STI&K)
Dr. H. Latifah (STMIK Jakarta STI&K)

Prosiding SeNTIK STI&K
Vol. 7 No. 1 (2023): Prosiding SeNTIK 2023

Klasterisasi terhadap data hasil pendampingan unit usaha mikro, kecil dan menengah (UMKM) diselenggarakan dengan tujuan untuk mengetahui pola pengusaha mikro dalam branding produk mereka di platform digital. Artikel ini menjelaskan penggunaan metode klasterisasi Bisecting K-means (Bi K- means) dan membandingkan hasil klasterisasinya dengan hasil dari metode K-means tradisional. Metode Elbow terhadap nilai Silhouette dan Within cluster sum-of-square, serta visualisasi Silhouette klaster- klaster diterapkan untuk mendapatkan k klaster yang optimal untuk mengklaster UMKM. Selanjutnya, untuk meningkatkan interpretasi hasil klasterisasi, sebuah pendekatan transformers berbasis GPT-3.5 digunakan untuk membangkitkan narasi storytelling dari tiap klaster yang terbentuk, selain pemeringkatan klaster berdasarkan strategi branding yang dijalankan oleh UMKM