Clustering Data Tweet E-Commerce Menggunakan Metode K-Means (Studi Kasus Akun Twitter Blibli Indonesia)

Penulis

  • Alven Safik Ritonga Universitas Wijaya Putra
  • Isnaini Muhandhis Teknik Informatika, Universitas Wijaya Putra, Surabaya

DOI:

https://doi.org/10.32664/smatika.v12i01.665

Kata Kunci:

text mining, twitter, K-Means, E-Commerce, Clustering

Abstrak

Perkembangan e-commerce sangat pesat pada saat ini, dengan semakin banyaknya e-commerce membuat persaingan dalam menarik customer dan mempertahankan loyal customer. Pelaku e-commerce perlu mencari strategi untuk hal tersebut, salah satu cara yaitu beriklan di sosial media, seperti;Twitter, Facebook, Instagram, dan lain sebagainya. Tujuan penelitian ini adalah mendapatkan clustering data tweet dari Twitter dengan menggunakan metode K-Means pada data tweet akun Twitter Blibli Indonesia untuk mengetahui jenis konten tweet yang banyak dilakukan retweet oleh followers. Data yang digunakan adalah data tweet follower yang ditarik dari akun Twitter @bliblidotcom. Pengujian jumlah cluster yang paling optimum dengan mencari nilai Silhouette coefficient yang terbesar. Hasil Penelitian diperoleh jumlah cluster yang optimal adalah 10 cluster. Dari hasil clustering ini diperoleh konten tweet yan paling disukai konsumen Blibli Indonesia adalah konten voucher(cluster 4) dan konten opporeno series (cluster 6).  Konten voucher dan konten opporeno series hasil clustering ini bisa digunakan oleh Blibli untuk promo ke konsumennya.

Referensi

D. S. Indraloka and B. Santoso, â€Penerapan Text Mining untuk Melakukan Clustering Data Tweet Shopee Indonesia,†Jurnal Sains dan Seni ITS, vol. 6, no. 2, pp. 51-56, 2017.

R. K. Putri, B. Warsito and Mustafid, “Implementasi Algoritma Modified Gustafson-Kessel untuk Clustering Tweets pada Akun Twitter Lazada Indonesia, †Jurnal Gaussian, vol.8, no.3, pp. 285-295, 2019.

D. H. Wahid and Azhari, “Peringkasan Sentimen Esktraktif di Twitter Menggunakan Hybrid TF-IDF dan Cosine Similarity,†IJCCS, vol. 10, no. 2, pp. 207-218, 2016.

U. Rofiqoh, R.S. Perdana and M. A. Fauzi, “Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia pada Twitter dengan Metode Support Vector Machine dan Lexicon Based Features,†Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 1, no. 12, pp. 1725-1732, 2017.

S. A. D. Budiman, D. Safitri and D. Ispriyanti,â€Perbandingan Metode K-Means dan Metode DBSCAN Pada Pengelompokan Rumah Kost Mahasiswa di Kelurahan Tembalang Semarang,†Jurnal Gaussian, vol. 5, no. 4, pp. 757-762, 2016.

Unduhan

Diterbitkan

2022-06-29

Terbitan

Vol 12 No 01 (2022): SMATIKA Jurnal : STIKI Informatika Jurnal

Bagian

Articles

Lisensi

Penulis telah menyetujui bahwa pemegang hak cipta adalah SMATIKA Jurnal. Dan Author berhak menyebarkan artikel tanpa seijin SMATIKA jurnal.