Detail Cantuman Kembali
EVALUASI MULTI-ALGORITMA KLASTERISASI UNTUK SEGMENTASI UMKM MARKETPLACE MENGGUNAKAN PENDEKATAN BIG DATA ANALITIK
- Bagikan:
Perkembangan pesat ekonomi digital telah secara signifikan mendorong aktivitas UMKM di marketplace seperti Tokopedia, menghasilkan dataset yang besar dan heterogen. Studi ini melakukan evaluasi komparatif terhadap enam algoritma klasterisasitermasuk K-Means, Agglomerative Clustering, dan GMMmenggunakan Silhouette Score, Davies–Bouldin Index (DBI), dan Calinski–Harabasz Index (CHI). Menggunakan dataset UMKM Tokopedia yang terstandarisasi dari Yogyakarta, hasil empiris menunjukkan skor Silhouette berkisar antara 0,050 hingga 0,057, DBI dari 0,45 hingga 0,53, dan CHI dari 950 hingga 1310. Meskipun mengindikasikan pemisahan klaster absolut yang rendah, nilai-nilai ini memfasilitasi perbandingan relatif yang bermakna. Di antara algoritma yang diuji, Agglomerative Clustering dengan Ward linkage menunjukkan kinerja relatif dan konsistensi terbaik. Variabilitas metrik diperiksa melalui eksekusi berulang untuk memastikan stabilitas. Analisis ini mengidentifikasi tiga segmen: UMKM berkinerja tinggi, menengah, dan berpotensi tinggi, yang berfungsi sebagailandasan bagi strategi berbasis data. Temuan ini menegaskan pentingnya pendekatan evaluasi multi-metrik yang konsisten dalam studi klasterisasi big data UMKM.
Kata Kunci - UMKM, Big Data, Klasterisasi, Pembelajaran Mesin, Tokopedia, Analitik Data
009 TAU E R.1
NONE
Thesis
Indonesia
UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)
2026
Yogyakarta
009 MTI 2026
LOADING LIST...
LOADING LIST...