EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

PENERAPAN DATA MINING UNTUK SEGMENTASI MENU KOPI BERDASARKAN KARAKTERISTIK PEMINAT MENGGUNAKAN ALGORITMA K-MEANS

Rizki Habibah, Hikmah Aldinar Siregar, Ade Lestari Hasibuan, Yolanda Listia, Aldi Rahmansyah, M. Idris Sagala

Jurnal Teknologi Informasi dan Komunikasi · 19.03.2026 · 19 (1) · 11-20

DOI: 10.47561/jtik.v19i1.360 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal Teknologi Informasi dan Komunikasi, online erschienen am 19.03.2026. Verfasst von Rizki Habibah und 5 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: #.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

6Program Studi Teknologi Informasi, Fakultas Sains dan Teknologi, Universitas Labuhanbatu e-mail: rizkihabibah151@gmail.com1*, ramansyahaldi35@gmail.com2, yolaalistia@gmail.com3, hikmahaldinar13@gmail.com4, adelestari.id@gmail.com5, IdrisSagala.id@gmail.com6 ABSTRAK Pertumbuhan variasi menu kopi menuntut pelaku usaha memahami karakteristik peminat secara lebih terstruktur, sementara data terkait menu dan preferensi konsumen sering belum dimanfaatkan secara optimal dalam proses pengambilan keputusan. Penelitian ini bertujuan melakukan segmentasi menu kopi berdasarkan karakteristik peminat dengan pendekatan data mining. Metode yang digunakan adalah clustering menggunakan algoritma K-means yang diimplementasikan melalui perangkat lunak Orange Data Mining dengan atribut utama berupa harga dan kategori peminat. Proses analisis meliputi tahap prapemrosesan data, penentuan jumlah cluster, serta evaluasi kualitas cluster menggunakan silhouette coefficient. Hasil penelitian menunjukkan bahwa algoritma K-means mampu mengelompokkan menu kopi ke dalam tiga cluster dengan karakteristik harga dan tingkat minat konsumen yang berbeda. Evaluasi menghasilkan nilai silhouette coefficient sebesar 0,725 yang menunjukkan struktur cluster yang kuat dengan pemisahan yang jelas antar kelompok. Visualisasi hasil klasterisasi memperlihatkan tiga segmen utama, yaitu cluster ekonomis dengan harga rendah dan minat tinggi, cluster menengah dengan harga sedang dan minat yang bervariasi, serta cluster premium dengan harga tinggi dan minat konsumen yang tetap kuat. Segmentasi tersebut memberikan gambaran pola preferensi konsumen yang lebih terstruktur sehingga dapat digunakan sebagai dasar dalam perencanaan produk dan penetapan strategi harga pada usaha kopi.

Förderung

  • #

Zitieren

APA

Habibah, R., Siregar, H. A., Hasibuan, A. L., Listia, Y., Rahmansyah, A., & Sagala, M. I. (2026). PENERAPAN DATA MINING UNTUK SEGMENTASI MENU KOPI BERDASARKAN KARAKTERISTIK PEMINAT MENGGUNAKAN ALGORITMA K-MEANS. Jurnal Teknologi Informasi dan Komunikasi, 19(1), 11-20. https://doi.org/10.47561/jtik.v19i1.360

Vancouver

Habibah R, Siregar HA, Hasibuan AL, Listia Y, Rahmansyah A, Sagala MI. PENERAPAN DATA MINING UNTUK SEGMENTASI MENU KOPI BERDASARKAN KARAKTERISTIK PEMINAT MENGGUNAKAN ALGORITMA K-MEANS. Jurnal Teknologi Informasi dan Komunikasi. 2026;19(1):11-20. doi:10.47561/jtik.v19i1.360

BibTeX
@article{Habibah2026,
  author = {Habibah, Rizki and Siregar, Hikmah Aldinar and Hasibuan, Ade Lestari and Listia, Yolanda and Rahmansyah, Aldi and Sagala, M. Idris},
  title = {PENERAPAN DATA MINING UNTUK SEGMENTASI MENU KOPI BERDASARKAN KARAKTERISTIK PEMINAT MENGGUNAKAN ALGORITMA K-MEANS},
  journal = {Jurnal Teknologi Informasi dan Komunikasi},
  year = {2026},
  volume = {19},
  number = {1},
  pages = {11--20},
  doi = {10.47561/jtik.v19i1.360}
}
Kostenlos starten →