Implementasi Data Mining Untuk Menentukan Pelanggan Potensial Menggunakan Algoritma Pengklasteran K-Means Dan K-Nearest Neighbors
PDF

Keywords

Data Mining
K-Means Clustering
K-Nearest Neighbors
Laravel
Segmentasi Pelanggan

How to Cite

Implementasi Data Mining Untuk Menentukan Pelanggan Potensial Menggunakan Algoritma Pengklasteran K-Means Dan K-Nearest Neighbors. (2025). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 9(2), 1173-1182. https://doi.org/10.29407/mv4m8c75

Abstract

Penelitian ini mengimplementasikan metode K-Means Clustering yang dikombinasikan dengan K-Nearest Neighbors (KNN) untuk mengelompokkan pelanggan berdasarkan total belanja, intensitas belanja, dan jumlah poin, dengan tujuan membantu strategi pemasaran dan meningkatkan loyalitas pelanggan. Sistem dibangun menggunakan Laravel dan MySQL, di mana hasil clustering disimpan sebagai riwayat yang dapat diakses kembali. Metode K-Means digunakan untuk membentuk klaster berdasarkan kemiripan data, sementara KNN digunakan untuk mengklasifikasikan pelanggan baru ke dalam klaster yang telah terbentuk. Hasil penelitian menunjukkan bahwa kombinasi kedua metode ini efektif dalam mengelompokkan pelanggan, serta memudahkan analisis pola belanja secara sistematis melalui aplikasi berbasis web.

PDF

References

[1] P. Alkhairi and A. P. Windarto, "Penerapan K-Means Cluster pada Daerah Potensi Pertanian Karet Produktif di Sumatera Utara," Seminar Nasional Teknologi Komputer & Sains, vol. 1, no. 1, pp. 762-767, 2019, doi: 10.29207/resti.v6i6.4199.

[2] M. Sulaiman, R. Yudistira, R. Narasati and R. Herdiana, "Penerapan Data Mining dengan Metode Clustering untuk menentukan Strategi Peningkatan Penjualan Berdasarkan Data Transaksi," Jurnal Informatika dan Rekayasa Perangkat Lunak, vol. 6, no. 1, pp. 307-314, 2024, doi: 10.36499/jinrpl.v6i1.10329.

[3] S. and D. Lestari, "Penerapan Data Mining Untuk Menentukan Segmentasi Pelanggan Dengan Menggunakan Algoritma K-Means dan Model RFM Pada E-Commerce," JURIKOM (Jurnal Riset Komputer), vol. 9, no. 4, pp. 866-871, 2022, doi: 10.30865/jurikom.v9i4.4525.

[4] B. Parlambang and F. , "Implementasi Algoritma K-Means Dalam Proses Penilaian Kuesioner Kepada Dosen Guna Mendukung Kepuasan Mahasiswa Terhadap Dosen," Jurnal Ilmiah Teknologi Dan Rekayasa, vol. 25, no. 2, pp. 161-173, 2020, doi: 10.35760/tr.2020.v25i2.2719.

[5] S. Hajar, A. A. Novany, A. P. Windarto, A. Wanto and E. Irawan, "Penerapan K-Means Clustering Pada Ekspor Minyak Kelapa Sawit Menurut Negara Tujuan," Seminar Nasional Teknologi Komputer & Sains (SAINTEKS), vol. 1, no. 1, p. 314–318, 2020, doi: 10.35970/jinita.v5i2.2051.

[6] R. S. A. Daulay, "Analisis Kritis dan Pengembangan Algoritma K-Nearest Neighbor (KNN): Sebuah Tinjauan Literatur," Jurnal Pendidikan Sains dan Komputer, vol. 4, no. 2, pp. 131-141, 2024, doi: 10.47709/jpsk.v4i02.5055.

[7] D. M. Atmaja and R. Mandala, "Analisa Judul Skripsi untuk Menentukan Peminatan Mahasiswa Menggunakan Vector Space Model dan Metode K-Nearest Neighbor," IT for Society, vol. 4, no. 2, pp. 1-6, 2020, doi: 10.33021/itfs.v4i2.1182.

[8] S. Rahmatullah, "Prediksi Tingkat Kelulusan Tepat Waktu Dengan Metode Naïve Bayes Dan K-Nearest Neighbor," Jurnal Informasi Dan Komputer, vol. 7, no. 1, pp. 7-16, 2019, doi: 10.35959/jik.v7i1.118.

[9] T. Widyanti, S. S. Hilabi, A. Hananto, T. and E. Novalia, "Implementasi K-Means dan K-Nearest Neighborspada Kategori Siswa Berprestasi," Jurnal Informasi Dan Teknologi, vol. 5, no. 1, p. 75–82, 2023, doi: 10.35889/jutisi.v13i1.1836.

[10] S. Rustam and H. Annur, "Akademik Data Mining (Adm) K-Means Dan KMeans K-Nn Untuk Mengelompokan Kelas Mata Kuliah Kosentrasi Mahasiswa Semester Akhir," ILKOM Jurnal Ilmiah, vol. 11, no. 3, p. 260–268, 2018, doi: 10.33096/ilkom.v11i3.487.260-268.

[11] W. Romadhona, B. I. Nugroho and A. A. Murtopo, "Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K-MEANS," Komputek, vol. 6, no. 2, pp. 76-83, 2022, doi: 10.24269/jkt.v6i2.1328.

[12] Y. Anis, A. B. Mukti and A. N. Rosyid, "Penerapan Model Waterfall Dalam Pengembangan Sistem Informasi Aset Destinasi Wisata Berbasis Website," KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 2, pp. 1134-1142, 2023, doi: 10.30865/klik.v4i2.1287.

[13] T. Wahyudi, S. and H. Faqih, "Pengembangan Sistem Informasi Presensi Menggunakan Metode Waterfall," Indonesian Journal on Software Engineering (IJSE), vol. 7, no. 2, pp. 120-129, 2021, doi: 10.31294/ijse.v7i2.11091.

[14] S. Nuraeni, S. P. A. Syam, M. F. Wajdi, B. Firmansyah and M. Malkan, "Implementasi Metode K-NN Untuk Menentukan Jurusan Siswa di SMAN 02 Manokwari," Jurnal Teknologi Terapan, vol. 7, no. 1, pp. 89-95, 2023, doi: 10.33379/gtech.v7i1.1905.

[15] D. T. Worung, S. R. U. A. Sompie and A. Jacobus, "Implementasi K-Means dan K-NN pada Pengklasifikasian Citra Bunga," Jurnal Teknik Informatika, vol. 15, no. 3, pp. 217-222, 2020, doi: 10.35793/jti.v15i3.31965.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Copyright (c) 2025 Teddy Setyadji, Risky Aswi Ramadhani, Lilia Sinta Wahyuniar