Retno Mareta, - and Andika Bayu Saputra, - (2023) Pengelompokan Pengguna Blibli Berdasarkan Brand Ambassador NCT 127 Menggunakan Metode K-Means Clustering. Masters thesis, Universitas Jenderal Achmad Yani Yogyakarta.
Judul_192102024_Retno Mareta_Informatika.pdf
Download (605kB)
Abstrak_192102024_Retno Mareta_Informatika.pdf
Download (10kB)
Bab 1_192102024_Retno Mareta_Informatika.pdf
Download (12kB)
Bab 2_192102024_Retno Mareta_Informatika.pdf
Restricted to Registered users only
Download (113kB)
Bab 3_192102024_Retno Mareta_Informatika.pdf
Download (408kB)
Bab 4_192102024_Retno Mareta_Informatika.pdf
Download (378kB)
Bab 5_192102024_Retno Mareta_Informatika.pdf
Download (6kB)
Daftar Pustaka_192102024_Retno Mareta_Informatika.pdf
Download (75kB)
Lampiran_192102024_Retno Mareta_Informatika.pdf
Restricted to Registered users only
Download (719kB)
Plagiarisme_192102024_Retno Mareta_Informatika.pdf
Download (26kB)
Abstract
Latar Belakang: Blibli merupakan salah satu e-commerce lokal yang menjadikan NCT 127 yang merupakan idol group yang berasal dari Korea Selatan sebagai brand ambassador pada 5 Juli 2022 dan menargetkan target pasarnya pada fans K-Pop yang didominasi oleh perempuan untuk mempertahankan eksistensinya. Namun Blibli belum memfokuskan penawaran produk sesuai kebutuhan target pasarnya padahal penentuan target pasar dan pengelompokan pengguna e-commerce sangat
berpengaruh terhadap eksistensi suatu e-commerce.
Tujuan: Penelitian ini bertujuan menerapkan algoritma k-means dalam pengelompokan pengguna, mengetahui ketepatan target pasar berdasarkan brand ambassador NCT 127 serta didapatkan output berupa sistem berbasis web dalam pengaplikasiannya.
Metode Penelitian: Pengelompokan pengguna Blibli di Indonesia pada penelitian ini menggunakan data kuesioner sebanyak 105 data yang diambil pada periode 26 Maret - 01 April. Penelitian ini memiliki beberapa tahapan meliputi pengambilan data, preprocessing data, clustering k-means, dan memvisualisasikan grafik menggunakan bahasa pemograman Python dan framework Django.
Hasil: Hasil pengujian pada data yang ada menunjukkan bahwa metode k-means berhasil digunakan untuk mengelompokkan pengguna Blibli menjadi 3 cluster. Diantaranya cluster 1 beranggotakan 40 data, 45 data untuk cluster 2, dan 20 data
cluster 3 dimana cluster potensial Blibli berada pada cluster 2. Sistem dashboard telah berhasil untuk mengelompokkan data dan memvisualisasikan grafik.
Kesimpulan: Sistem dashboard pengelompokan pengguna Blibli berbasis website menggunakan metode k-means clustering telah berhasil dibangun dan dapat berfungsi sebagaimana mestinya.
Item Type: | Thesis (Masters) |
---|---|
Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science (Informatics) |
Divisions: | Faculty of Engineering, Science, Computer, and Mathematics > School of Electronics and Computer Science |
Depositing User: | Mrs Tiara DP |
Date Deposited: | 20 Jun 2024 05:02 |
Last Modified: | 20 Jun 2024 05:02 |
URI: | https:///id/eprint/2939 |