Pengelompokan Pengguna Media Sosial Berdasarkan Pola Interaksi Menggunakan K-Means
Main Article Content
Muhamad Ilhan Mansiz
Zaehol Fatah
Mengelompokkan pengguna media sosial berdasarkan pola interaksi dengan menggunakan metode K-Means Clustering. Dalam era digital saat ini, memahami perilaku pengguna media sosial menjadi sangat penting bagi platform digital untuk meningkatkan keterlibatan dan retensi pengguna. Dengan mengidentifikasi interaksi pengguna, platform dapat merancang strategi yang lebih efektif untuk memenuhi kebutuhan dan preferensi pengguna. Dataset yang digunakan dalam penelitian ini mencakup atribut-atribut seperti BounceRates dan ExitRates untuk mencerminkan tingkat ketertarikan awal dan durasi interaksi pengguna, serta atribut Month, Region, VisitorType, dan Weekend untuk menangkap faktor temporal, geografis, dan perilaku kunjungan. Data tersebut diolah melalui proses normalisasi dan pengkodean untuk memastikan kompatibilitas dalam analisis K-Means. Hasil clustering menunjukkan adanya dua kelompok utama pengguna media sosial dengan karakteristik interaksi yang berbeda. Kelompok pertama terdiri dari pengguna dengan keterlibatan awal yang tinggi dan interaksi yang lebih lama, sedangkan kelompok kedua cenderung memiliki minat awal yang rendah dan durasi interaksi yang singkat. Temuan ini memberikan wawasan bagi pengelola platform media sosial untuk mengembangkan strategi yang lebih personalisasi dalam meningkatkan pengalaman pengguna, baik melalui konten yang lebih relevan maupun pendekatan pemasaran yang terarah. Dengan adanya pengelompokan ini, diharapkan platform media sosial dapat meningkatkan efektivitas interaksi pengguna dan memperkuat loyalitas pengguna, yang pada akhirnya berdampak positif pada pertumbuhan platform secara keseluruhan.
Abdul Rohman, M. R. (2020). No Title. Implementasi Algoritma K-Means Untuk Clustering Kepuasan Mahasiswa Terhadap Pelayanan Akademik.
Almoqbel, M. I., & Moradi, F. (2022). No Title. User Clustering in Social Networks Using K-Means and DBSCAN.
Amril Mutoi Siregar, S.Kom., M.Kom. DAN Adam Puspabhuana, S.Kom., M. K. (2021). DATA MINING Pengolahan Data Menjadi Informasi dengan RapidMiner. CV Kekata Group.
Arrohman, S., & Fatah, Z. (2024). Gudang Jurnal Multidisiplin Ilmu Prediksi Diabetes Menggunakan Algoritma Klasifikasi K-Nearest Neighbors ( K-NN ) pada Perempuan Indian Pima. 2, 220–226.
Gani, A. G. (2020). Pengaruh Media Sosial Terhadap Perkembangan Anak Remaja. Jurnal Mitra Manajemen, 7(2), 32–42.
Kamila, C. (2021). Systematic Literature Review: Penggunaan Algoritma K-Means Untuk Clustering di Indonesia dalam Bidang Pendidikan. Intech, 2(1), 19–24. https://doi.org/10.54895/intech.v2i1.866
Kanavos, A., Kiourt, C., Sakas, D. P., & Giannakopoulos, G. (2023). No Title. Exploring Clustering Techniques for Analyzing User Engagement Patterns in Twitter Data.
Kumar, A., & Singh, S. (2021). No Title. Social Media Data Analytics Using K-Means Clustering.
Oon Wira Yuda, Darmawan Tuti, Lim Sheih Yee, & Susanti. (2022). Penerapan Penerapan Data Mining Untuk Klasifikasi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Random Forest. SATIN - Sains Dan Teknologi Informasi, 8(2), 122–131. https://doi.org/10.33372/stn.v8i2.885
Sukarna, R. H., & Ansori, Y. (2022). Implementasi Data Mining Menggunakan Metode Naive Bayes Dengan Feature Selection Untuk Prediksi Kelulusan Mahasiswa Tepat Waktu. Jurnal Ilmiah Sains Dan Teknologi, 6(1), 50–61. https://doi.org/10.47080/saintek.v6i1.1467
Widaningrum, I., Mustikasari, D., Arifin, R., Tsaqila, S. L., & Fatmawati, D. (2022). Algoritma Term Frequency-Inverse Document Frequency (TF-IDF) dan K-Means Clustering Untuk Menentukan Kategori Dokumen. Prosiding Seminar Nasional Sistem Informasi Dan Teknologi (SISFOTEK), 145–149.
Yogianto, A., Homaidi, A., & Fatah, Z. (2024). Implementasi Metode K-Nearest Neighbors (KNN) untuk Klasifikasi Penyakit Jantung. G-Tech: Jurnal Teknologi Terapan, 8(3), 1720–1728. https://doi.org/10.33379/gtech.v8i3.4495
Zulfikar, Z., Podungge, E. S., Saleh, M. I., & ... (2022). Penerapan Data Mining Untuk Memprediksi Tingkat Kelulusan Siswa Menggunakan Algoritma Neural Network. Jurnal Elektronik Sistem …, 5(1), 7–13. http://jesik.web.id/index.php/jesik/article/view/91
Zulyan Pratama, I., Aziz, F., & Romadhan, B. K. (2024). Pengelompokan Berita Berdasarkan Kategori Like Action Pada Media Sosial Instagram Penamuda Menggunakan Algoritma K-means. Jurnal Riset Informatika Dan Teknologi Informasi, 1(2), 57–60. https://doi.org/10.58776/jriti.v1i2.66
