PEMETAAN KUALITAS PRODUK LAPTOP MENGGUNAKAN ALGORITMA K-MEANS DAN MULTIDIMENSIONAL SCALING (MDS)

MAPPING LAPTOP PRODUCT QUALITY USING K-MEANS ALGORITHM AND MULTIDIMENSIONAL

SCALING (MDS) 

Perkembangan marketplace digital di Indonesia meningkatkan variasi dan persaingan produk laptop dengan beragam harga, spesifikasi, dan kualitas. Banyaknya pilihan produk seringkali menyulitkan konsumen dalam memahami posisi merek serta karakteristik kualitas yang ditawarkan. Penelitian ini bertujuan untuk mengelompokkan kualitas produk laptop serta memetakan posisi merek berdasarkan karakteristik produk. Metode yang digunakan mengacu pada tahapan Knowledge Discovery in Database (KDD) dengan penerapan algoritma K-Means untuk klasterisasi dan Multidimensional Scaling (MDS) untuk pemetaan posisi merek. Data penelitian diperoleh melalui proses web scraping dari marketplace dan diolah menggunakan variabel harga, rating, serta spesifikasi produk yang mendukung kualitas produk laptop.

Hasil klasterisasi menunjukkan bahwa produk laptop dapat dikelompokkan ke dalam empat klaster utama, yaitu produk premium, produk menengah berkualitas, produk kurang diminati, serta produk favorit atau laris di pasar. Pemetaan posisi merek menggunakan Multidimensional Scaling (MDS) dua dimensi (2D) menunjukkan nilai Stress sebesar 0,19 yang termasuk dalam kriteria cukup dan nilai RSQ sebesar 0,86 yang termasuk dalam kriteria baik. Hasil ini menunjukkan bahwa pemetaan dua dimensi sudah cukup mampu merepresentasikan kedekatan dan perbedaan karakteristik antar merek laptop secara memadai.

Kata Kunci : Kualitas Produk, Laptop, E-Commerce, K-Means, Pemetaan, Multidimensional Scaling (MDS)

The development of digital marketplaces in Indonesia has increased the variety and competition of laptop products with diverse prices, specifications, and quality. The large number of product choices often makes it difficult for consumers to understand brand positioning and the characteristics of product quality offered. This study aims to classify laptop product quality and map brand positions based on product characteristics. The method used refers to the Knowledge Discovery in Database (KDD) stages by applying the K-Means algorithm for clustering and Multidimensional Scaling (MDS) for brand position mapping. The research data were obtained through a web scraping process from marketplaces and processed using variables such as price, rating, and product specifications that support laptop product quality.

 The clustering results show that laptop products can be grouped into four main clusters, namely premium products, mid-range quality products, less demanded products, and popular or best-selling products in the market. Brand position mapping using two-dimensional (2D) Multidimensional Scaling (MDS) shows a stress value of 0.19, which falls into the fair category, and an RSQ value of 0.86, which is categorized as good. These results indicate that the two-dimensional mapping is sufficiently capable of representing the similarities and differences in characteristics among laptop brands.

Keywords: Product Quality, Laptop, E-Commerce, K-Means, Mapping Multidimensional Scaling (MDS).