PENERAPAN CLUSTERING UNTUK SEGMENTASI PENGGUNA MEDIA SOSIAL BERDASARKAN PERILAKU MENGGUNAKAN ALGORITMA K-MEANS

Karin Juliana Hamdani; Nana Suarna; Agus Bahtiar; Ade Rizki Rinaldi

Authors

Karin Juliana Hamdani STMIK IKMI Cirebon, Indonesia
Nana Suarna STMIK IKMI Cirebon, Indonesia
Agus Bahtiar STMIK IKMI Cirebon, Indonesia
Ade Rizki Rinaldi STMIK IKMI Cirebon, Indonesia

Keywords:

Media sosial, perilaku pengguna, K-Means

Abstract

Penelitian ini bertujuan untuk melakukan segmentasi pengguna media sosial berdasarkan pola perilaku menggunakan algoritma K-Means Clustering. Dataset yang digunakan berasal dari Kaggle “Social Media Usage” yang terdiri dari 1.000 data dan 4 variabel utama, yaitu Daily Minutes Spent, Posts Per Day, Likes Per Day, dan Follows Per Day.Proses penelitian meliputi tahap preprocessing data, normalisasi, klasterisasi menggunakan K-Means , serta evaluasi menggunakan metode Silhouette Score ouette Score. Penentuan jumlah klaster dilakukan dengan pendekatan Elbow Method dan Silhouette Score ouette Score. Hasil evaluasi menunjukkan bahwa nilai Silhouette Score ouette Score tertinggi diperoleh pada K = 8 sebesar 0,221. Namun, penelitian ini menggunakan K = 4 dengan nilai Silhouette Score ouette Score sebesar 0,197 karena memberikan interpretasi klaster yang lebih sederhana dan mudah dianalisis.Hasil klasterisasi menghasilkan empat kelompok pengguna dengan karakteristik berbeda, yaitu pengguna sangat aktif, aktif, moderat, dan pasif. Variabel yang paling berpengaruh dalam pembentukan klaster adalah Daily Minutes Spent dan Likes Per Day.Dengan demikian, algoritma K-Means Clustering terbukti dapat digunakan untuk segmentasi pengguna media sosial, meskipun kualitas klasterisasi masih tergolong cukup dan belum optimal.

References

N. Ouakkal and R. Khaled, “The impact of Information and Communication Technology (ICT) on economic growth,” International Journal of Economic Perspectives, vol. 18, no. 12, pp. 2714–2726, 2024, [Online]. Available: https://ijeponline.org/index.php/journal/article/view/807

S. Timotheou et al., “Impacts of digital technologies on education and factors influencing schools’ digital capacity and transformation: A literature review,” Educ. Inf. Technol. (Dordr)., vol. 28, no. 6, pp. 6695–6726, Jun. 2023, doi: 10.1007/s10639-022-11431-8.

N. Renaldo, “Journal of Applied Business and Technology Benefits and Challenges of Technology and Information Systems on Performance.” [Online]. Available: www.e-jabt.org

M. N. Afrilia et al., “OPTIMASI ANALISIS CLUSTERING UNTUK AKTIVITAS DAN RESPON PENGGUNA MEDIA SOSIAL DENGAN K-MEANS,” 2024. [Online]. Available: https://www.kaggle.com/.

A. Kanavos, I. Karamitsos, and A. Mohasseb, “Exploring Clustering Techniques for Analyzing User Engagement Patterns in Twitter Data,” Computers, vol. 12, no. 6, Jun. 2023, doi: 10.3390/computers12060124.

R. Ge, H. Zhao, and S. Zhang, “Online Brand Community User Segments: A Text Mining Approach,” Front. Artif. Intell., vol. 5, Jul. 2022, doi: 10.3389/frai.2022.900775.

K. Chemnad, M. Aziz, S. B. Belhaouari, and R. Ali, “The interplay between social media use and problematic internet usage: Four behavioral patterns,” Heliyon, vol. 9, no. 5, May 2023, doi: 10.1016/j.heliyon.2023.e15745.

L. Sáez-Ortuño, R. Huertas-Garcia, S. Forgas-Coll, and E. Puertas-Prats, “How can entrepreneurs improve digital market segmentation? A comparative analysis of supervised and unsupervised learning algorithms,” International Entrepreneurship and Management Journal, vol. 19, no. 4, pp. 1893–1920, Dec. 2023, doi: 10.1007/s11365-023-00882-1.

J. Banjarnahor, J. P. Hutagalung, and F. J. W. Sitorus, “Analyzing Consumer Shopping Interest via Social Media Ads with K-Means and C4.5 Algorithm,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 13, no. 3, pp. 416–421, Nov. 2024, doi: 10.32736/sisfokom.v13i3.2228.

C. G. Lengari and I. Puspitasari, “Identifying Twitter Topics Using K-Means Clustering and Association Rule Mining for Improved Insights,” Indonesian Journal of Artificial Intelligence and Data Mining, vol. 8, no. 1, p. 67, Nov. 2024, doi: 10.24014/ijaidm.v8i1.31720.

K. Tabianan, S. Velu, and V. Ravi, “K-Means Clustering Approach for Intelligent Customer Segmentation Using Customer Purchase Behavior Data,” Sustainability (Switzerland), vol. 14, no. 12, Jun. 2022, doi: 10.3390/su14127243.