Journal of Computer Science and Artificial Intelligence (JCSAI) https://ruangjurnal.or.id/index.php/jcsai <p style="margin-top: 0cm; text-align: justify;"><strong>Journal of Computer Science and Artificial Intelligence (JCSAI)</strong> is a scientific journal containing research results written by lecturers, researchers, and practitioners who have competencies in the field of computer science and technology. This journal is expected to develop research and provide meaningful contributions to improve research resources in the fields of Information Technology and Computer Science. JCSAI is published by Ruang Jurnal in open access and free.</p> en-US odinurdiawan2020@gmail.com (Odi Nurdiawan) dennipratama986@gmail.com (Denni Pratama ) Tue, 31 Dec 2024 00:00:00 +0000 OJS 3.3.0.13 http://blogs.law.harvard.edu/tech/rss 60 PENERAPAN ALGORITMA K-MEANS UNTUK MENGELOMPOKKAN BERBAGAI JENIS SMARTPHONE BERDASARKAN SPESIFIKASI https://ruangjurnal.or.id/index.php/jcsai/article/view/16 <p>Persaingan yang semakin ketat dalam industri <em>smartphone</em> mengharuskan perusahaan untuk lebih memahami keinginan konsumen dan menyediakan produk yang sesuai dengan spesifikasi yang relevan. Penelitian ini bertujuan untuk menerapkan <em>algoritma K-Means</em> dalam mengelompokkan berbagai tipe <em>smartphone</em> berdasarkan atribut teknis seperti harga, RAM, kapasitas penyimpanan, ukuran layar, daya baterai, dan kualitas kamera. Dengan pendekatan ini, diharapkan produsen dan konsumen dapat memperoleh wawasan dalam mengambil keputusan produk dengan lebih tepat. Metodologi penelitian ini memanfaatkan <em>algoritma K-Means clustering</em> menggunakan dataset yang terdiri dari 1.021 data <em>smartphone</em> yang diambil dari <em>platform Kaggle</em>. Pengolahan data dilakukan melalui beberapa tahapan, termasuk preprocessing, normalisasi, dan analisis <em>clustering</em> dengan penentuan jumlah <em>cluster</em> yang optimal menggunakan metode <em>Elbow</em>. Proses pengolahan data ini dilakukan dengan bahasa pemrograman Python, memanfaatkan pustaka seperti <em>Pandas, NumPy</em>, dan <em>Scikit-learn</em>. Hasil dari proses <em>clustering</em> ini mengidentifikasi tiga <em>cluster</em> utama. <em>Cluster </em>pertama terdiri dari <em>smartphone</em> dengan spesifikasi menengah yang cocok untuk kebutuhan dasar. <em>Cluster</em> kedua hanya mencakup satu <em>smartphone </em>dengan spesifikasi yang unik dan eksklusif.&nbsp; ketiga berisi <em>smartphone</em> kelas atas dengan spesifikasi tinggi, seperti kapasitas RAM besar dan layar berkualitas premium. Penelitian ini memberikan kontribusi untuk segmentasi pasar <em>smartphone </em>dengan cara yang lebih sistematis. Temuan ini memberikan manfaat bagi produsen dalam merumuskan strategi pemasaran yang efektif dan membantu konsumen untuk memilih <em>smartphone</em> yang memenuhi kebutuhan mereka. Untuk penelitian selanjutnya, dianjurkan agar dikembangkan sistem rekomendasi berbasis <em>clustering </em>yang lebih kompleks dengan melibatkan tambahan <em>algoritma machine learning</em>.</p> Gilang Sanjaya, Ade Rizki Rinaldi, Fadhil Muhammad Basysyar, Fathurrohman Fathurrohman Copyright (c) 2025 Gilang Sanjaya, Ade Rizki Rinaldi, Fadhil Muhammad Basysyar, Fathurrohman Fathurrohman https://creativecommons.org/licenses/by-sa/4.0 https://ruangjurnal.or.id/index.php/jcsai/article/view/16 Tue, 31 Dec 2024 00:00:00 +0000