Evaluasi Performa Ponsel Berdasarkan Rating Pengguna Menggunakan K-Means Clustering

Authors

  • Siti Sonia Peni Hadun Universitas Adhirajasa Reswara Sanjaya
  • Toni Arifin Universitas Adhirajasa Reswara Sanjaya

Keywords:

Algoritma K-Means Clustering, Performa Ponsel, Rating Pengguna

Abstract

Studi ini difokuskan pada evaluasi performa Ponsel berdasarkan rating pengguna menggunakan K-Means Clustering. Dengan meningkatnya jumlah Ponsel pintar di pasaran, penting bagi produsen dan konsumen untuk memahami faktor- faktor yang mempengaruhi kepuasan pengguna. Data yang digunakan dalam penelitian ini mencakup berbagai atribut ponsel seperti harga, tanggal peluncuran, kualitas kamera, performa baterai, dan fitur-fitur lainnya yang dinilai oleh pengguna. Proses Clusteringdilakukan dengan normalisasi data untuk memastikan keseragaman skala antar atribut. Selanjutnya, Algoritma K-Means Clusteringditerapkan untuk mengelompokan Ponsel kedalam beberapa Cluster berdasarkan kesamaan fitur. Nilai optimal untuk jumlah Cluster(k) ditentukan menggunakan metode Davies Bouldin index. Analisis hasil Clustering menunjukkan adanya tiga Cluster utama yang menggambarkan segmen pasar yang berbeda: Ponsel premium dengan performa tinggi, Ponsel dengan performa seimbang, dan Ponsel dengan performa rendah namun harga terjangkau. Hasil penelitian ini menunjukkan bahwa kualitas kamera dan baterai merupakan faktor utama yang mempengaruhi rating pengguna. Ponsel yang termasuk dalam Cluster premium cenderung mendapatkan rating yang lebih tinggi dibandingkan dengan Cluster lainnya. Selain itu, penelitian ini mengungkapkan bahwa Algoritma K- Means Clustering efektif dalam mengelompokan Ponsel berdasarkan fitur-fitur yang relavan, yang dapat digunakan sebagai dasar untuk pengembangan produk dan strategi pemasaran.

References

I. Nuryani and D. Darwis, “Analisis Clustering Pada Pengguna Brand Hp Menggunakan Metode K-Means,” Pros. Semin. Nas. Ilmu Komput., vol. 1, no. 1, pp. 190–211, 2021.

A. H. Asyari and A. N. Zagladi, “Analisis Segmen Pasar Produk Handphone Berbasis Android di Lingkungan Mahasiswa di Banjarmasin,” J. Ris. Inspirasi Manaj. dan Kewirausahaan, vol. 4, no. 1, pp. 9–15, 2020, doi: 10.35130/jrimk.v4i1.73.

P. Di and T. Bagus, “PENGELOMPOKAN TRANSAKSI PENJUALAN AKSESORIS HP DAN PULSA DENGAN METODE K-MEANS UNTUK MENINGKATKAN STRATEGI,” vol. 8, no. 3, pp. 2838–2849, 2024.

F. P. A. Hasibuan, S. Sumarno, and I. Parlina, “Penerapan K-Means pada Pengelompokan Penjualan Produk Smartphone,” SATESI J. Sains Teknol. dan Sist. Inf., vol. 1, no. 1, pp. 15–20, 2021, doi: 10.54259/satesi.v1i1.3.

A. P. Riyandoro et al., “Implementasi Data Mining Clustering K-Means Dalam,” J. Mhs. Tek. Inform. JATI, vol. 7, no. 2, pp. 1372–1377, 2023.

Z. N. Syarif, “Penerapan Information Gain Dan Algoritma K-Means Untuk Klasterisasi Kedisiplinan Pegawai Menggunakan Rapidminer,” TeknoIS J. Ilm. Teknol. Inf. dan Sains, vol. 13, no. 1, pp. 1–12, 2023, doi: 10.36350/jbs.v13i1.165.

I. Ahmad, S. Samsugi, and Y. Irawan, “Implementasi Data Mining Sebagai Pengolahan Data,” J. Teknoinfo, vol. 16, no. 1, p. 46, 2022, [Online]. Available: http://portaldata.org/index.php/portaldata/article/view/107

R. Maoulana, B. Irawan, and A. Bahtiar, “Data Mining Dalam Konteks Transaksi Penjualan Hijab Dengan Menggunakan Algoritma Clustering K-Means,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 515–521, 2024, doi: 10.36040/jati.v8i1.8504.

M. R. R. Harahap and T. Arifin, “Implementasi Algoritma K-Means Dalam Pembelian NFT Pada Jaringan Solana,” J. Nas. Komputasi dan Teknol. Inf., vol. 6, no. 4, pp. 528–534, 2023, doi: 10.32672/jnkti.v6i4.6486.

F. Naufal, Y. H. Chrisnanto, and A. K. Ningsih, “Sistem Rekomendasi Penawaran Produk Pada Online Shop Menggunakan K-Means Clustering,” vol. 1, pp. 10–17, 2022.

Downloads

Published

2025-07-18