Pengelompokan Toko Pupuk Termurah E-commerce Shopee dengan Metode Klasterisasi

Abstract

Penelitian ini bertujuan mengidentifikasi metode terbaik untuk mengelompokkan toko pupuk di Shopee berdasarkan rating, jumlah pengikut, kinerja chat, dan waktu bergabung. Data yang digunakan merupakan data sekunder dari 263 toko pupuk di Shopee, diambil pada 27 April 2024. Karakteristik yang dikumpulkan mencakup jumlah pengikut, rating toko, performa chat, dan waktu bergabung. Metodologi yang diterapkan adalah analisis klaster dengan menggunakan metode K-Means dan K-Medoids. Setelah standarisasi data dan uji non-multikolinearitas, asumsi terpenuhi tanpa perlu menghapus variabel. Statistik Hopkins sebesar 0,934 menunjukkan bahwa data cocok untuk klasterisasi. Metode Elbow dan Silhouette digunakan untuk mengidentifikasi empat klaster optimal. K-Means menunjukkan performa lebih baik karena memenuhi semua kriteria evaluasi, yaitu silhouette coefficient, Dunn index, entropy, Calinski-Harabasz Index (CH Index), dan separation index. Hasil klasterisasi dengan K-Means menunjukkan bahwa klaster ketiga direkomendasikan karena memiliki lebih banyak pengikut, performa chat yang tinggi, dan waktu bergabung yang lama. Sebaliknya, klaster kedua tidak direkomendasikan karena memiliki pengikut yang sedikit, performa chat yang rendah, dan waktu bergabung yang singkat. Penelitian ini menunjukkan bahwa metode K-Means lebih efektif dalam mengelompokkan toko pupuk di Shopee berdasarkan variabel yang ditentukan. Untuk penelitian selanjutnya, disarankan menambah variabel terkait dan mencoba metode klasterisasi lainnya untuk mendapatkan hasil yang lebih optimal.