Penerapan Metode Clustering dalam Analisis Data Produk Laptop di Tokopedia untuk Membuat Rekomendasi Produk: Studi Perbandingan K-Means, Hierarchical, dan DBSCAN

PRATAMA, ARYA RIZKI YUDHA (2023) Penerapan Metode Clustering dalam Analisis Data Produk Laptop di Tokopedia untuk Membuat Rekomendasi Produk: Studi Perbandingan K-Means, Hierarchical, dan DBSCAN. Other thesis, UNIVERSITAS BINA DARMA.

	Text (BAB 0) BAB 0.pdf Download (1MB)
	Text (BAB 1) BAB 1.pdf Download (902kB)
	Text (DAPUS) DAPUS.pdf Download (860kB)
	Text (Penerapan Metode Clustering dalam Analisis Data Produk Laptop di Tokopedia untuk Membuat Rekomendasi Produk: Studi Perbandingan K-Means, Hierarchical, dan DBSCAN) LAPORAN HASIL.pdf Restricted to Repository staff only Download (8MB)
	Text (LAMPIRAN) LAMPIRAN.pdf Download (1MB)
	Text (ARTIKEL) ARTIKEL.pdf Download (1MB)

Abstract

Penelitian ini bertujuan untuk menerapkan metode clustering dalam analisis data produk laptop di Tokopedia dengan tujuan membuat rekomendasi produk. Penelitian ini juga akan melakukan studi perbandingan antara tiga metode clustering yang umum digunakan, yaitu K-Means, Hierarchical, dan DBSCAN. Data produk laptop akan diambil melalui teknik Web Scraping dari situs E-Commerce Tokopedia. Setelah itu, akan dilakukan preprocessing data untuk menambahkan kolom baru yaitu atribut spesifikasi dari produk laptop, mengisi nilai pada kolom baru menggunakan regex lalu dilanjutkan secara manual dan menghapus nilai duplikat. Kemudian, akan dilakukan pemilihan fitur yang relevan untuk clustering. Tiga metode clustering yang akan dibandingkan akan diterapkan pada data produk laptop yang telah dipreprocessing. Evaluasi dan perbandingan kinerja ketiga metode clustering akan dilakukan berdasarkan matriks evaluasi seperti Silhouette, Calinski�Harabasz dan Davies-Bouldin. Hasil dari penelitian ini diharapkan dapat memberikan pemahaman yang lebih baik mengenai metode clustering dalam analisis data produk dan memberikan rekomendasi produk yang lebih akurat dan personalisasi bagi pengguna.

Actions (login required)

View Item