View of ANALISIS DATA MINING UNTUK PENGARUH KUALITAS PELAYANAN, PENGIKLANAN, DAN HARGA TERHADAP KEPUTUSAN KONSUMEN DALAM MEMILIH PENJUAL ONLINE

(1)

ANALISIS DATA MINING UNTUK PENGARUH KUALITAS PELAYANAN, PENGIKLANAN, DAN HARGA TERHADAP KEPUTUSAN KONSUMEN DALAM

MEMILIH PENJUAL ONLINE

Elfrin Hulu¹⁾, Yonata Laia²⁾, Naomita Sihombing³⁾, Wandry Sitorus⁴⁾, Yuliani C. Simanjorang⁵⁾

1,2,3,4,5 Fakultas Sains dan Teknologi, Universitas Prima Indonesia

[email protected], [email protected], [email protected], [email protected], [email protected]

Abstract

Almost everyone uses this buying option when selling online, for example, home appliances, fabrics, and many other products sold online. Some consumers complain that the service is still ineffective, and scams pretending to sell products sold through the site are common. As this study shows, many of the jobs humans do today can be done by computer systems. This study explores how to identify optimal online sales sites using the K-NN method. The aim is to prevent consumers from making mistakes when shopping online. It is hoped that this system will help visitors find simple and useful websites. All human activity must be innovative. This research has solved this problem and enabled the construction of an easy-to-use system. Based on calculations of load speed 2, page structure 3, interesting titles and content 4, short and recognizable links 5, and the results are useful.

Keywords: K-NN, Online Sales, Shopping, Consumers.

1. PENDAHULUAN

Era digital saat ini, semakin banyak masyarakat yang tertarik berbelanja secara online dalam memenuhi kebutuhan dan keinginan mereka. Hal ini disebabkan oleh peningkatan pengguna internet serta adanya infrastruktur digital yang terus menerus berkembang. Perubahan dan kemajuan dalam teknologi pada era ini sangat memengaruhi dunia bisnis serta perdagangan yang dikenal dengan perdagangan elektronik atau e-commerce. E-commerce merupakan platform yang digunakan oleh masyarakat banyak guna melakukan transaksi bisnis antara penjual dan pembeli yang berbasis online sehingga dapat dilakukan dimana saja.

Marketplace berbasis aplikasi android sangat digemari di Indonesia, salah satu toko online yang tengah digemari oleh orang indonesia yaitu Shopee [1]. Selain menawarkan kemudahan dalam berbelanja tentu saja ada kendala dalam penggunaanya, baik dalam bentuk pelayanan maupun produk yang dipasarkan.

Biasanya pada perusahaan e-commerce, stok barang adalah salah satu faktor penting yang perlu diperhatikan oleh perusahaan. Jumlah barang masuk dan keluar perlu diperhatikan, tujuannya menjaga stok yang tersedia dalam

gudang agar tetap stabil. Stok stabil yang dimaksud dalam gudang adalah barang yang ada tidak melebihi stok dan tidak kehabisan stok [2].

Kekurangan atau kekosongan stok barang pada suatu toko/perusahaan akan berdampak sangat buruk untuk keberhasilan dan kelancaran transaksi jual beli, penyebab terjadinya kekosongan stok adalah tidak adanya informasi yang disampaikan dari perusahaan kepada supplier penyetok barang secara dini [3].

Dalam penelitian Global Web Index menyimpulkan bahwa Indonesia memiliki tingkat paling tinggi penggunaan platform e- commerce di antara negara manapun di dunia, yang mana 90 % pengguna internet di negara Indonesia berada pada usia 16 sampai 64 tahun yang mengindikasikan bahwa mereka telah membeli produk dan layanan secara online [4].

Setiap situs penjualan online atau E-Commerce memiliki jumlah pengguna yang sangat banyak sehingga menimbulkan pertambahan data yang sangat cepat [5]. Data iprice pada kuartal empat tahun 2021 perkembangan data pengguna marketplace di Indonesia sudah mencapai 382 juta pengguna, dimana penjual masih bingung di marketplace mana barang dagangannya akan dijual [6]. Pesatnya kenaikan pasar pada sebuah platform penjualan online menciptakan tingkat

(2)

saing yang yang ketat juga antar penjual yang mana penjual harus mencari ide agar produk yang dijual menarik misalnya dengan cara membuat judul produk yang unik, seperti memberi deskripsi gratis ongkir, garansi, dan lain-lain. Di sisi lain, calon pembeli mengalami kesulitan untuk mencari produk yang sesuai dengan keinginannya karena banyaknya produk yang dijual [7].

Terdapat dua hal yang memengaruhi keputusan konsumen dalam memilih penjualan online atau e-commerce yang pertama, review atau rating yang diberikan pembeli lain. Kedua, situasi yang tidak terduga. Situasi yang tidak terduga dapat kemudian tiba-tiba muncul lalu mengubah keputusan konsumen untuk mengubah bahkan menunda membeli suatu barang pada e-commerce tertentu [8]. Strategi yang baik ada pada koordinasi dalam tim kerja, mempunyai tema, serta melakukan identifikasi faktor pendukung yang sesuai dengan prinsip pelaksanaan gagasan yang rasional, efisien dalam melakukan pendanaan, serta mempunyai cara untuk mencapai sebuah tujuan secara efektif dan efisien. Strategi akan menjamin organisasi akan bertahan dan berkembang pada masa yang akan datang [9].

Menggali strategi bukanlah tugas yang sederhana, tantangan utamanya adalah memiliki komitmen internal terhadap semua hal yang telah dirumuskan sebagai hasil dari strategi tersebut [10]. Arti penting dari pemahaman strategi adalah kemampuan untuk mengambil tindakan yang berbeda dari organisasi lain.

Tanpa adanya strategi, pencapaian yang diinginkan akan menjadi tidak mungkin.

Pemasaran merupakan salah satu bagian dari manajemen perusahaan dan memiliki peran yang sangat penting [11]. Hal ini disebabkan karena pemasaran secara langsung mempengaruhi kelancaran dan keberhasilan perusahaan dalam mencapai tujuannya. Pemasaran dapat dijelaskan sebagai suatu sistem kegiatan bisnis yang melibatkan perencanaan, penetapan harga, promosi, dan distribusi barang-barang yang bertujuan untuk memuaskan kebutuhan dan mencapai pasar sasaran serta tujuan perusahaan.

Dengan demikian, pemasaran merupakan serangkaian aktivitas yang dirancang untuk mencapai tujuan perusahaan melalui pemenuhan kebutuhan dan keinginan pelanggan [12].

Dalam upaya promosi, mereka akan mengarahkan perhatian kepada individu yang cocok dengan produk yang sedang dipasarkan [13].

Dalam menyusun atau membentuk sebuah strategi pemasaran aspek penilaian kualitas produk adalah pertimbangan konsumen dalam memilih penjual online yaitu [14]. Perilaku konsumen memiliki pengaruh signifikan terhadap keputusan konsumen dalam memilih penjual online. Perilaku konsumen akan menjadi faktor penentu dalam proses pengambilan keputusan saat melakukan pembelian [15].

Penelitian ini bertujuan untuk mengetahui pengaruh langsung kualitas produksi, harga, promosi dan kualitas pelayanan terhadap kepuasan konsumen melalui adanya promosi serta menentukan akibat tidak langsung dan total terhadap keputusan konsumen dalam memilih produk [16].

Berdasarkan latar belakang diatas maka metode yang digunakan peneliti dalam melakukan penelitian ini adalah metode k- Nearest Neighbor (KNN). K-Nearest Neighbor (KNN) adalah algoritma yang umum digunakan dalam proses klasifikasi atau pengelompokan data [17]. Metode K-Nearest Neighbor umu digunakan karena memiliki nilai akurasi yang tinggi serta rasio kesalahan kecil [18]. Algoritma ini diaplikasikan untuk mengelompokkan objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Dekat atau jauhnya jarak biasanya dihitung berdasarkan Euclidean Distance [19]. Dengan adanya sistem ini dapat memberikan solusi rekomendasi dalam memilih penjualan online.

2. METODE PENELITIAN

Tujuan dari penelitian ini adalah untuk pengembangan dan meningkatkan pelayanan terhadap konsumen dengan penerapan metode KNN untuk pengaruh kualitas pelayanan, pengiklanan dan harga terhadap keputusan konsumen dalam memilih penjual online.

Adapun metode yang terdapat dalam jenis penelitian ini adalah:

1. Metode Eksperimen

Penelitian ini bertujuan untuk menyelidiki dampak dari kualitas layanan, iklan, dan harga terhadap keputusan pembelian konsumen pada platform penjualan online.

(3)

2. Metode Survei

Penelitian yang dilakukan pada populasi baik yang besar maupun kecil, tetapi menggunakan data sampel yang diambil dari populasi tersebut, bertujuan untuk mengidentifikasi peristiwa-peristiwa yang relatif, distribusi data, dan hubungan antara variabel sosiologis dan psikologis.

Penelitian kuantitatif menggunakan metode KNN (K-Nearest Neighbors) dan statistika objektif melalui perhitungan ilmiah berdasarkan sampel data. Penelitian ini bertujuan untuk menjawab sejumlah pertanyaan tentang pengaruh kualitas pelayanan, pengiklanan, dan harga terhadap keputusan konsumen dalam memilih penjual online.

Kerangka kerja penelitian ini mencakup serangkaian langkah-langkah yang akan dijalankan untuk menyelesaikan permasalahan yang dibahas. Adapun kerangka kerja penelitian yang disusun adalah sebagai berikut:

Kerja Kerangka Penelitian

Pengum pulan Data

Analisa

Masalah Pembuatan

Sistem

Pengujian Sistem Implementasi

Sistem

Gambar 1. Kerangka Kerja Penelitian

3. HASIL DAN PEMBAHASAN A. Analisa

Pada penelitian ini mencoba melakukan penelitian Analisis Datamining Untuk Pengaruh Kualitas Pelayanan, Pengiklanan Dan Harga Terhadap Keputusan Konsumen Dalam Memilih Penjual Online dengan menerapkan metode K- NN.

Proses perhitungan jarak data uji dan data training dengan jarak Euclidean adalah sebagai berikut:

1. Hitung jarak dengan data 00001 sebagai berikut :

d = ((3 - 1)² + (1 - 1)² + (1 - 1)² + (2 - 1)²)^0.5

d = (5)^0.5 d = 2.2361

d = ((3 - 1)² + (1 - 1)² + (1 - 1)² + (2 - 1)²)^0.5

d = (5)^0.5 d = 2.2361

d = ((3 - 1)² + (1 - 1)² + (1 - 1)² + (2 - 1)²)^0.5

d = (5)^0.5 d = 2.2361

d = ((3 - 1)² + (1 - 1)² + (1 - 1)² + (2 - 1)²)^0.5

d = (5)^0.5 d = 2.2361

d = ((3 - 1)² + (1 - 1)² + (1 - 1)² + (2 - 2)²)^0.5

d = (4)^0.5 d = 2

d = ((3 - 2)² + (1 - 9)² + (1 - 1)² + (2 - 1)²)^0.5

d = (66)^0.5 d = 8.124

d = ((3 - 2)² + (1 - 9)² + (1 - 1)² + (2 - 1)²)^0.5

d = (66)^0.5 d = 8.124

d = ((3 - 2)² + (1 - 9)² + (1 - 1)² + (2 - 1)²)^0.5

d = (66)^0.5 d = 8.124

Nilai jarak diurutkan dari yang paling kecil ke paling besar, dan diambil 7 record pertama (k = 7) sebagai tetangga terdekat, seperti terlihat pada tabel berikut.

(4)

Tabel 1. Hasil Perhitungan Jarak Nomor Data Nilai Jarak KNN

00029 1 TRUE

00030 1 TRUE

00046 1 TRUE

00047 1 TRUE

00048 1 TRUE

00049 1 TRUE

00050 1 TRUE

00022 1 FALSE

00024 1 FALSE

00025 1 FALSE

00026 1 FALSE

00027 1 FALSE

00028 1 FALSE

00021 1.4142 FALSE

00023 1.4142 FALSE

00005 2 FALSE

00001 2.2361 FALSE

00002 2.2361 FALSE

00003 2.2361 FALSE

00004 2.2361 FALSE

00044 2.2361 FALSE

00051 2.2361 FALSE

00052 2.2361 FALSE

00053 2.2361 FALSE

00054 2.2361 FALSE

00055 2.2361 FALSE

00061 2.2361 FALSE

00062 2.2361 FALSE

00063 2.2361 FALSE

00045 2.4495 FALSE

00041 3.1623 FALSE

00042 3.1623 FALSE

00043 3.1623 FALSE

00064 3.1623 FALSE

00065 3.1623 FALSE

00012 8.0623 FALSE

00019 8.0623 FALSE

00032 8.0623 FALSE

00056 8.0623 FALSE

00057 8.0623 FALSE

00058 8.0623 FALSE

00059 8.0623 FALSE

00060 8.0623 FALSE

00006 8.124 FALSE

00007 8.124 FALSE

00008 8.124 FALSE

00009 8.124 FALSE

00011 8.124 FALSE

00013 8.124 FALSE

00014 8.124 FALSE

00015 8.124 FALSE

00016 8.124 FALSE

00017 8.124 FALSE

00018 8.124 FALSE

00020 8.124 FALSE

00031 8.124 FALSE

00033 8.124 FALSE

00034 8.124 FALSE

00035 8.124 FALSE

00036 8.124 FALSE

00037 8.124 FALSE

00038 8.124 FALSE

00039 8.124 FALSE

00040 8.124 FALSE

00010 8.2462 FALSE

Lima tetangga terdekat dari perhitungan jarak dengan data uji adalah sebagai berikut:

1. Nomor Data: 00046, Jarak = 1, Kriteria dipilih = c1

B. Pemodelan Sistem

Use case adalah salah satu diagram Unified Modeling Language (UML) yang dapat

(5)

digunakan untuk menganalisis dan memodelkan sistem. Gambar dibawah menunjukkan interaksi antara pengguna dan sistem di dalam diagram use case.

penerapan metode k-nearest nigboar untuk menentukan kualitas buah sawit layak diterima di PT. cipta chemical medan oil

ADMIN

Input Kriteria

Input Sepeda jenis

Proses Pemilihan

Hasil Pemilihan

List User Login

PENGGUNA Login

Input Data Training

Simpan Nilai Kriteria

<< include >>

Hapus Nilai Kriteria

<< include >>

Simpan Buah

<< include >>

Hapus jenis

<< include >>

Simpan Data

<< include >>

Hapus Data

<< inclu de >>

Cetak Laporan

<<

includ e >>

Langkah Perhitungan

<< inclu de >>

Dalam notasi Use Case, hubungan

“include” antar use case, berarti use case X menggunakan use case Y sepenuhnya.

Proses yang terjadi di dalam aplikasi juga dapat digambarkan dengan activity diagram seperti terlihat pada gambar 3.2 berikut.

USER

Melakukan login ke sistem dengan memasukkan username dan password

SISTEM

Menampilkan tampilan awal aplikasi

Input nilai kriteria dan data Penjualan online

Menyimpan nilai ke database

Memasukkan data training

Menyimpan data training ke database

Menamplkan rekomendasi berupa kelas degan jumlah

terbanyak Memilih proses penilaian Memproses data Jenis sesuai

kriteria

Menghitung jarak antara data uji dengan data training

Mengambil K-nearest neighbor

4. KESIMPULAN

Pada penelitian ini membahas bagaimana menentukan website penjualan online yang terbaik dengan metode K-NN menggunakan 4 kriteria. Berdasarkan perhitungan, dengan Kecepatan loading: 2, Website terstruktur: 3, Judul dan isi konten menarik:

4, Link yang

singkat dan gampang dikenal:

5, maka

hasilnya: Layak.

REFERENCES

[1] Watmah, S., Suryanto, S., & Martias, M (2021). Komparasi metode K-NN, support vector machine dan random forest pada e-commerce Shopee. INSANtek, 2(1), 15-21

[2] Pritalia, G. L. (2018). Penerapan Algoritma C4. 5 untuk Penentuan

Ketersediaan Barang E-

commerce. Indonesian Journal of Information Systems, 1(1), 47-56.

[3] Salam, A., & Sholik, M. (2018).

Implementasi Algoritma Apriori untuk Mencari Asosiasi Barang yang Dijual di E-commerce OrderMas. Techno.

com, 17(2), 158-170.

[4] R. D. Syah, “Performa Algoritma User K-Nearest Neighbors pada Sistem Rekomendasi di Tokopedia,” J. Inform.

Univ. Pamulang, vol. 5, no. 3, p. 302,

2020, doi:

10.32493/informatika.v5i3.6312.

[5] S. Roni and C. Crysdian, “Studi Literature Analisis Potensi Pasar Marketplace terhadap Penjualan,” J.

Teknol. dan Manaj. Inform., vol. 8, no. 2, pp. 134–142, 2022, doi:

10.26905/jtmi.v8i2.9055.

[6] Mustakim and G. Oktaviani F,

“Algoritma K-Nearest Neighbor Classification Sebagai Sistem Prediksi Predikat Prestasi Mahasiswa,” vol. 13,

(6)

no. 2, pp. 195–202, 2016.

[7] M. A. Muzani, M. I. A. Sukri, S. N.

Fauziah, A. Fatkhurohman, and D.

Ariatmanto, “Data Mining Untuk Klasifikasi Produk Menggunakan Algoritma K-Nearest Neighbor Pada Toko Online,” Pros. SISFOTEK ISSN 2597-3584, vol. 5, no. 1, pp. 141–145, 2021, [Online]. Available:

http://seminar.iaii.or.id/index.php/SISFO TEK/article/view/273

[8] Salma, F. A., Saryadi, S., & Wijayanto, A. (2022). PENGARUH PROMOSI DAN KEPERCAYAAN TERHADAP KEPUTUSAN PEMBELIAN PADA E- COMMERCE TOKOPEDIA/92/Adm.

Bisnis/2022 (Doctoral dissertation, FAKULTAS ILMU SOSIAL DAN

POLITIK UNIVERSITAS

DIPONEGORO).

[9] R. E. Pawening, W. J. Shudiq, and W.

Wahyuni, “KLASIFIKASI KUALITAS JERUK LOKAL BERDASARKAN

TEKSTUR DAN BENTUK

MENGGUNAKAN METODE k-

NEAREST NEIGHBOR (k-NN),”

COREAI J. Kecerdasan Buatan, Komputasi dan Teknol. Inf., vol. 1, no. 1,

pp. 10–17, 2020, doi:

10.33650/coreai.v1i1.1640.

[10] M. Rivki and A. M. Bachtiar,

“Implementasi Algoritma K-Nearest Neighbor Dalam Pengklasifikasian Follower Twitter Yang Menggunakan Bahasa Indonesia,” J. Sist. Inf., vol. 13, no. 1, p. 31, 2017, doi:

10.21609/jsi.v13i1.500.

[11] E. Rahim and R. Mohamad, “Strategi Bauran Pemasaran ( Marketing Mix ) Dalam Perspektif Syariah,”

MUTAWAZIN (Jurnal Ekon. Syariah), vol. 2, no. 1, pp. 15–26, 2021, doi:

10.54045/mutawazin.v2i1.234.

[12] A. Bawono, I. Isanawikrama, K. Arif,

and Y. J. Kurniawan, “PENGARUH PERILAKU KONSUMEN, BRAND IMAGE DAN PROMOSI TERHADAP KEPUTUSAN PEMBELIAN ONLINE PADA SITUS BELANJA ONLINE (Studi Kasus pada Situs Belanja Online XYZ),” J. Pengabdi. dan Kewirausahaan, vol. 2, no. 2, pp. 131–

144, 2018, doi: 10.30813/jpk.v2i2.1366.

[13] A. Bawono, I. Isanawikrama, K. Arif, and Y. J. Kurniawan, “PENGARUH PERILAKU KONSUMEN, BRAND IMAGE DAN PROMOSI TERHADAP KEPUTUSAN PEMBELIAN ONLINE PADA SITUS BELANJA ONLINE (Studi Kasus pada Situs Belanja Online XYZ),” J. Pengabdi. dan Kewirausahaan, vol. 2, no. 2, Nov. 2018, doi: 10.30813/jpk.v2i2.1366.

[14] A. Hidayat, Mustakim, M. Z. Fauzi, and I. Syukra, “Implementasi Algoritma K- Nearest Neighbor dan Probabilistic Neural Network untuk Analisis Opini Masyarakat Terhadap Toko Online di Indonesia,” Semin. Nas. Teknol.

Informasi, Komun. dan Ind. 11, no.

November, pp. 254–261, 2019.

[15] Aryandi, J., & Onsardi, O. (2020).

PENGARUH KUALITAS

PELAYANAN DAN LOKASI

TERHADAP KEPUTUSAN

PEMBELIAN KONSUMEN PADA CAFE WAREG BENGKULU. Jurnal Manajemen Modal Insani Dan Bisnis (Jmmib), 1(1), 117-127.

[16] S. L. Nasution, C. H. Limbong, and D. A.

Ramadhan, “PENGARUH KUALITAS

PRODUK, CITRA MEREK,

KEPERCAYAAN, KEMUDAHAN, dan HARGA TERHADAP KEPUTUSAN PEMBELIAN PADA E-COMMERCE SHOPEE (Survei pada Mahasiswa S1 Fakultas Ekonomi Jurusan Manajemen Universitas Labuhan Batu),” Ecobisma (Jurnal Ekon. Bisnis Dan Manajemen),

(7)

vol. 7, no. 1, pp. 43–53, 2020, doi:

10.36987/ecobi.v7i1.1528.

[17] D. Pribadi, R. Ramadhan, R. A. Saputra, and J. M. Hudin, “Web E-Commerce Dengan Sistem Prediksi Transaksi Penjualan Menggunakan Metode K- Nearest Neighbor,” Swabumi, vol. 6, no.

1, pp. 91–97, 2018, doi:

10.31294/swabumi.v6i1.3321.

[18] M. E. Saputri, “Pengaruh Perilaku Konsumen Terhadap Pembelian Online Produk Fashion Pada Zalora Indonesia the Effect of Consumer Behavior Toward the Online Purchase of Fashion Product of Zalora Indonesia,” Sosioteknologi, vol.

15, no. 2, pp. 291–297, 2016.

[19] Kafil, M. (2019). Penerapan Metode K Nearest Neighbors Untuk Prediksi Penjualan Berbasis Web Pada Boutiq Dealove Bondowoso. JATI (Jurnal Mahasiswa Teknik Informatika), 3(2), 59-66.

[20] Nabila, S. P., Ulinnuha, N., & Yusuf, A.

(2021). Model Prediksi Kelulusan Tepat Waktu Dengan Metode Fuzzy C-Means Dan K-Nearest Neighbors Menggunakan Data Registrasi Mahasiswa. Network Engineering Research Operation, 6(1), 38-46.