Clustering Data Tweet E-Commerce Menggunakan Metode K-Means (Studi Kasus Akun Twitter Blibli Indonesia)

Abstract

The development of e-commerce is very rapid at this time, with the increasing number of e-commerce making competition in attracting customers and maintaining loyal customers. E-commerce players need to find a strategy for this, one way is advertising on social media, such as; Twitter, Facebook, Instagram, and so on. The purpose of this study was to obtain clustering of tweet data from Twitter using the K-Means method on tweet data from the Blibli Indonesia Twitter account to determine the type of tweet content that was retweeted by followers. The data used is follower tweet data which is pulled from the Twitter account @bliblidotcom. Testing the most optimum number of clusters by finding the largest Silhouette coefficient value. The results obtained that the optimal number of clusters is 10 clusters. From the results of this clustering, the tweet content that Blibli Indonesia consumers like the most is voucher content (cluster 4) and Opportunity series content (cluster 6). Voucher content and opporeno series content as a result of this clustering can be used by Blibli for promos to its consumers.Perkembangan e-commerce sangat pesat pada saat ini, dengan semakin banyaknya e-commerce membuat persaingan dalam menarik customer dan mempertahankan loyal customer. Pelaku e-commerce perlu mencari strategi untuk hal tersebut, salah satu cara yaitu beriklan di sosial media, seperti;Twitter, Facebook, Instagram, dan lain sebagainya. Tujuan penelitian ini adalah mendapatkan clustering data tweet dari Twitter dengan menggunakan metode K-Means pada data tweet akun Twitter Blibli Indonesia untuk mengetahui jenis konten tweet yang banyak dilakukan retweet oleh followers. Data yang digunakan adalah data tweet follower yang ditarik dari akun Twitter @bliblidotcom. Pengujian jumlah cluster yang paling optimum dengan mencari nilai Silhouette coefficient yang terbesar. Hasil Penelitian diperoleh jumlah cluster yang optimal adalah 10 cluster. Dari hasil clustering ini diperoleh konten tweet yan paling disukai konsumen Blibli Indonesia adalah konten voucher(cluster 4) dan konten opporeno series (cluster 6).  Konten voucher dan konten opporeno series hasil clustering ini bisa digunakan oleh Blibli untuk promo ke konsumennya.