Mubarok, Ibrohim (2025) PERBANDINGAN METODE MACHINE LEARNING CLUSTERING UNTUK MELAKUKAN SEGMENTASI PENGUNJUNG WEB. Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.
Full text not available from this repository.Abstract
Penggunaan situs web telah meningkat secara signifikan di era digital, menjadikannya platform utama untuk berbagai aktivitas seperti e-commerce, layanan publik, pendidikan, dan hiburan. Dengan pertumbuhan akses internet yang pesat dan pergeseran perilaku konsumen ke platform digital, pemahaman terhadap perilaku pengunjung situs web menjadi semakin penting. Analitik web dapat memberikan wawasan berharga mengenai interaksi pengguna, keterlibatan konten, penggunaan fitur, durasi kunjungan, dan pola navigasi. Wawasan ini dapat meningkatkan kualitas layanan, mengoptimalkan strategi pemasaran, dan meningkatkan pengalaman pengguna secara keseluruhan. Penelitian ini mengeksplorasi penggunaan teknik clustering machine learning untuk segmentasi pengunjung situs web berdasarkan jenis perangkat dan waktu kunjungan. Penelitian ini membandingkan beberapa metode clustering untuk mengidentifikasi pendekatan yang paling efektif dalam menghasilkan segmen pengunjung yang bermakna. Hierarchical Clustering dengan 6 kluster ditemukan menghasilkan Silhouette Score tertinggi, yang menunjukkan pemisahan kluster yang optimal. Spectral Clustering dengan k=6 menunjukkan Davies-Bouldin Index terendah, yang mengindikasikan kedekatan yang lebih baik antar kluster. Selain itu, Hierarchical Clustering dengan k=6 mencatatkan Calinski-Harabasz Index tertinggi, yang menunjukkan struktur kluster yang lebih jelas dan terdefinisi. Berdasarkan temuan ini, Hierarchical Clustering dengan k=6 direkomendasikan sebagai metode yang paling efektif untuk segmentasi pengunjung situs web berdasarkan kriteria yang diberikan. Untuk penelitian selanjutnya, disarankan untuk menggunakan dataset yang lebih besar dan beragam untuk meningkatkan akurasi analisis. Menjelajahi berbagai model clustering lainnya, baik yang berbasis statistik maupun machine learning, akan memberikan wawasan yang lebih mendalam dan pemahaman yang lebih baik tentang pola segmentasi, yang pada gilirannya dapat menghasilkan hasil yang lebih terarah dan relevan untuk analitik web. Kata Kunci: Machine Learning, Web Visitor Segmentation, Hierarchical Clustering, Silhouette Score
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | PKL TUJUH TUJUH |
| Date Deposited: | 29 Sep 2025 03:16 |
| Last Modified: | 29 Sep 2025 03:16 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/3617 |
Actions (login required)
 |
View Item |
