Analisis Pengguna E-Commerce Menggunakan Algoritma K-Means dan Hierarchical Clustering
DOI:
https://doi.org/10.55606/juisik.v6i2.2532Keywords:
Customer Segmentation, Data Mining, E-Commerce, Hierarchical Clustering, K-Means ClusteringAbstract
This study aims to analyze E-commerce user behavior through customer segmentation using K-Means and Hierarchical Clustering algorithms. The research applies a quantitative Data Mining approach using the E-commerce Customer Behavior Dataset obtained from Kaggle, consisting of 5,000 customer transaction records. The analysis process was conducted using Orange Data Mining 3.40.0 through several stages, including data collection, attribute selection, preprocessing, Clustering, evaluation, and interpretation of results. The attributes used include customer demographics, transaction characteristics, product information, session activities, and customer ratings. The Clustering process generated three user groups using both algorithms. Results show that K-Means produced clearer cluster separation and easier interpretation through scatter plot visualization and statistical evaluation. Cluster distribution analysis indicates that most users belong to groups with relatively similar transaction characteristics, while smaller clusters represent users with significantly higher transaction values. Meanwhile, Hierarchical Clustering provides additional insight through dendrogram structures that illustrate hierarchical relationships among customer groups. Overall, both algorithms successfully identified user segments based on transaction behavior, although K-Means produced more interpretable Clustering results for E-commerce customer segmentation.
References
A-priori, A. (n.d.). Model Pengujian Akurasi Berbasis Empiris Pada. 1.
Adji, D. R., Lutfina, E., Ferdianto, B. E., Prashanti, E., Anwarri, K. A. P., & Prayogo, S. R. (2025). Metode dan Algoritma Dalam Data Clustering: Systematic Literature Review. Science Technology and Management Journal, 5(1), 9–15. https://doi.org/10.53416/stmj.v5i1.326.
Alamtaha, Z., Djakaria, I., & Yahya, N. I. (2023). Implementasi Algoritma Hierarchical Clustering dan Non-Hierarchical Clustering untuk Pengelompokkan Pengguna Media Sosial. 4(1), 33–43. https://doi.org/10.20956/ejsa.vi.24830
Aldi, M. A., Fatah, Z., Informasi, T., Ibrahimy, U., Timur, S. J., Informasi, S., Ibrahimy, U., & Timur, S. J. (2025). Implementasi K-Means Cluster Ing Dalam Pengelompokan Data Kunjungan. 2(1), 13–19 https://doi.org/10.69714/3hhfj353.
Anggraini, D., & Hasibuan, M. S. (2025). Initial Centroid Pada Algoritma K-Means Dan K-Medoids. Jatilima : Jurnal Multimedia Dan Teknologi Informasi , 7(3), 487–500.
Apriana, D., & Yuliansyah, C. (2024). Mengoptimalkan Penjualan Online Melalui Teknik Data Mining (Studi Kasus E-commerce). AL-MIKRAJ Jurnal Studi Islam Dan Humaniora (E-ISSN 2745-4584), 4(02), 514–527. https://doi.org/10.37680/almikraj.v4i02.4774.
Br jabat, Tarigan, P. (2024). Pemanfaatan Platform E-commerce Melalui Marketplace Sebagai Upaya Peningkatan Penjualan. Jurnal Abdimas Sosek, 4(2), 16–21.
Chandra, A. A., & Darmayanti, N. P. A. (2019). 肖沉 1, 2, 孙莉 1, 2∆, 曹杉杉 1, 2, 梁浩 1, 2, 程焱 1, 2. Tjyybjb.Ac.Cn, 27(2), 58–66.
Clustering, A. K., & Belajar, G. (2022). Aplikasi Data Mining Menggunakan Algoritma K-Means Clustering untuk Mengelompokkan Mahasiswa Berdasarkan Gaya Belajar. 12. https://doi.org/10.34010/jati.v12i1.
Dan, A. K., Kaggle, D., Informatika, T., & Asahan, U. (2025). Clustering Data Konsumen E-commerce Menggunakan. 04(2), 96–109.
Digital, B., Bisnis, P., & Indonesia, D. (2026). Analisis Segmentasi Pelanggan E-commerce Menggunakan Metode Clustering Berbasis RFM. V(1).
E-commerce, T., Apriyanto, B., Lina, S., & Sitio, M. (2025). Penerapan K-Means dalam Menganalisis Pola Pembelian Pelanggan Pada Data. 7(3). https://doi.org/10.32877/bt.v7i3.2195.
Fahmi, H., Sari, W. K., Tania, K. D., Informasi, S., Sriwijaya, U., Indah, I., Ilir, K. O., Selatan, S., Behavior, S., & Method, P. (2026). Analisis Komparasi Algoritma K-Means Dan Hierarchical Clustering Untuk Segmentasi Pelanggan Dalam Menggunakan Metode Pembayaran. 10(3), 4389–4397https://doi.org/10.36040/jati.v10i3.18173.
Fahrillah Fahrillah, & Zaehol Fatah. (2025). Pengelompokan Data Nilai Siswa Madrasah Ta’Hiliyah Menggunakan Metode K-Means Clustering. Jurnal Riset Sistem Informasi, 2(1), 53–59. https://doi.org/10.69714/0v1pkz05.
Fathiarahma, A., Voutama, A., Ridwan, T., & Heryana, N. (2021). Analisis_Text_Mining_Klasifikasi_Kegiatan_Keluarga. Jurnal Teknologi Terpadu, Vol. 9 No. 1 2023(1), 35–41https://doi.org/10.54914/jtt.v9i1.606.
Ikhwan Syarif, M., Hannum, M., Wahyuni, S., Ekonomi, F., Islam Universitas Islam Negeri Sumatra Utara, B., & Artikel, H. (2023). Potensi Perkembangan E-commerce Dalam Menunjang Bisnis di Indonesia I N F O A R T I K E L A B S T R A K. Jcbd Journal of Computers and Digital Business, 2(1), 11–14https://doi.org/10.56427/jcbd.v2i1.30.
K-Means, P. M. A., Nurani, S., Syahra, Y., & Calam, A. (2023). Penerapan Data Mining Dalam Clustering Pencapaian Target. 2, 355–363 https://doi.org/10.53513/jursi.v2i3.6552.
Kartika, E. D., & Romansyah, N. (2024). Strategi Pemasaran Digital dan Pengaruhnya terhadap Loyalitas Pelanggan di Era E-commerce. FISKAL: Jurnal Ekonomi, Bisnis, Dan Manajemen, 1(01), 1–7https://doi.org/10.70716/emis.v1i1.293.
Kaylista, N. N. K., Khoirunnisaa, N., F, G. V. E. N., & Pratama, A. Y. (2023). Implementasi Algoritma K-Means Clustering Menggunakan Aplikasi Orange Untuk Mengetahui Pola Indeks Pembangunan Manusia Tahun 2022. 4(1), 65–76.
Kumar, S., Rani, R., Pippal, S. K., & Agrawal, R. (2025). Customer segmentation in e-commerce : K-Means vs Hierarchical Clustering. 23(1), 119–128. https://doi.org/10.12928/telkomnika.v23i1.26384.
Mauludin, M. S., Saputra, A. D., Sari, A. Z., & Munawaroh, I. (2022). Analisis Perilaku Konsumen Dalam Transaksi Di e-commerce. 1(1).
Nanda, S. G., Shafira, H. I., & Zahira, T. (2025). Implementasi Data Mining di Sektor E-commerce 1*. Jurnal Ilmu Komputer (JILKOMP), 1(1), 13–16.
Nursania Dasopang. (2023). Jiemas E – Commerce Bisnis Dan Internet. Jurnal Ilmiah Ekonomi, Manajemen Dan Syariah JIEMAS, 2, 129–135https://doi.org/10.55883/jiemas.v2i3.26.
Nuryansyah, B. A., & Rasyid, O. (2026). Analisis Segmentasi Pelanggan dan Prediksi Churn pada E-commerce Menggunakan K-Means Clustering dan Random Forest : Studi Kasus Olist Brazilian E-commerce. 02(03), 795–801.
Oktaviani, M., Sari, I. P., & Miftah, Z. (2025). Pengaruh Tren Perilaku Konsumtif Dari Konsumen Dalam E-commerce Di Era Digital. Jurnal Media Akademik (JMA), 3(4), 1–1.
Pujiono, S., Astuti, R., & Muhamad Basysyar, F. (2024). Implementasi Data Mining Untuk Menentukan Pola Penjualan Produk Menggunakan Algoritma K-Means Clustering. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 615–620. https://doi.org/10.36040/jati.v8i1.8360
Rahayu, N. D., Anshor, A. H., & Afriantoro, I. (2024). Penerapan Data Mining untuk Pemetaan Siswa Berprestasi menggunakan Metode Clustering K-Means. JUKI : Jurnal Komputer Dan Informatika, 6(1), 71–83. https://doi.org/10.53842/juki.v6i1.474.
Ramiro Firjatullah, F., Faqih, A., & Dwilestari, G. (2025). Optimalisasi Strategi Pemasaran Menggunakan Algotima Agglomerative Hierarchical Clustering Pada Hasil Penjualan. JATI (Jurnal Mahasiswa Teknik Informatika), 9(3), 4348–4352. https://doi.org/10.36040/jati.v9i3.13662.
Safitri, H., Putri Lenggo Geni, S., Merry, F., & Wati, M. (2025). Penerapan K-Means Clustering untuk Segmentasi Konsumen E-commerce Penerapan K-Means Clustering untuk Segmentasi Konsumen E-commerce Berdasarkan Pola Pembelian. JUKI : Jurnal Komputer Dan Informatika, 7(1), 89–99https://doi.org/10.53842/juki.v7i1.1049.
Sakinah, A. M., & Awaliyah, D. S. (2025). Optimization Of E-commerce Consumer Segmentation Based On K-Means Clustering And Machine Learning. 8(2), 606–619https://doi.org/10.35580/jmathcos.v8i2.9548.
Sari, R. (2021). Pengaruh Penggunaan Paylater Terhadap Perilaku Impulse Buying Pengguna E-commerce di Indonesia. 7(1), 44–57https://doi.org/10.35313/jrbi.v7i1.2058.
Sudirjo, F., Purwati, T., Unggul Budiman, Y., & Manuhutu, M. (2018). Analisis Dampak Strategi Pemasaran Digital dalam Meningkatkan Loyalitas Pelanggan: Perspektif Industri E-commerce. Jurnal Pendidikan Tambusa, 7(August), 7524–7532.
Suharti, P. H., Suryandari, A. S., & Amalia, R. N. (2022). Analisis Kinerja Modul Pengendali Tekanan Udara Pct-14 Berbasis Plc Dengan Berbagai Metoda Tuning. Sebatik, 26(2), 420–427. https://doi.org/10.46984/sebatik.v26i2.2134.
Sutisna, N., & Sutrisna. (2023). Implementasikan Sistem Informasi dalam Mendukung Perilaku Pembelian Terhadap Keputusan Pembelian E-commerce. Jurnal MENTARI: Manajemen, Pendidikan Dan Teknologi Informasi, 2(1), 20–30. https://doi.org/10.33050/mentari.v2i1.343.
Sypriansyah, D., & Hasibuan, A. (2025). Strategi Membangun Bisnis E-commerce Yang Sukses Di Era Digital Strategies for Building a Successful E-commerce Business in the Digital Era. Variable Research Journal, 02(01), 1.
Widya, P., Septi, A., Wulandari, R. F., & Daniati, E. (n.d.). Analisis Preferensi Tren Produk Berkelanjutan dalam E-commerce Menggunakan Metode K-Means Clustering. 9, 642–650.
Yosua, I. K., Agung, M., Bagus, I., & Sarasvananda, G. (2025). Segmentasi Pelanggan Berbasis RFMT Menggunakan K-Means dan Hierarchical Clustering. 3(M), 917–924.
Zuhal, N. K. (2022). Study Comparison K-Means Clustering dengan Algoritma Hierarchical Clustering. Prosiding Seminar Nasional Teknologi Dan Sains, 1, 200–205.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Jurnal ilmiah Sistem Informasi dan Ilmu Komputer
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
