PENERAPAN METODE K-MEANS CLUSTERING UNTUK SEGMENTASI PERFORMA KONTEN VIDEO TIKTOK SEBAGAI DASAR OPTIMASI STRATEGI PEMASARAN DIGITAL

KARTIKA, AYU (2026) PENERAPAN METODE K-MEANS CLUSTERING UNTUK SEGMENTASI PERFORMA KONTEN VIDEO TIKTOK SEBAGAI DASAR OPTIMASI STRATEGI PEMASARAN DIGITAL. Diploma thesis, UNIVERSITAS HARKAT NEGERI.

[img] Text (COVER)
COVER.pdf
Download (850kB)
[img] Text (BAB I)
BAB I_SKRIPSI_AYU KARTIKA_22166020.pdf
Download (210kB)
[img] Text (BAB II)
BAB II_SKRIPSI_AYU KARTIKA_22166020.pdf
Download (326kB)
[img] Text (BAB III)
BAB III_SKRIPSI_AYU KARTIKA_22166020.pdf
Restricted to Registered users only
Download (360kB) | Request a copy
[img] Text (BAB IV)
BAB IV_SKRIPSI_AYU KARTIKA_22166020.pdf
Restricted to Registered users only
Download (650kB) | Request a copy
[img] Text (BAB V)
BAB V_SKRIPSI_AYU KARTIKA_22166020.pdf
Download (163kB)
[img] Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA_SKRIPSI_AYU KARTIKA_22166020.pdf
Download (150kB)
[img] Text (LAMPIRAN)
LAMPIRAN_SKRIPSI_AYU KARTIKA_22166020.pdf
Download (3MB)

Abstract

Penelitian berjudul “Penerapan Metode K-Means Clustering untuk Segmentasi Performa Harian Akun TikTok sebagai Dasar Optimasi Strategi Pemasaran Digital” bertujuan mengelompokkan pola performa konten dan merumuskan strategi pemasaran digital yang terukur. Penelitian ini membatasi variabel pada data agregat harian berupa Video Views, Likes, Comments, Shares, dan Engagement Rate selama periode April 2025 hingga April 2026 dari Perusahaan Kecap Djoe-Hoa, yang dianalisis menggunakan algoritma K-Means Clustering dengan evaluasi Elbow Method dan Silhouette Score. Hasil analisis menunjukkan jumlah klaster optimal adalah k=2 dengan nilai Silhouette Score sebesar 0,7424, mengindikasikan struktur klaster yang sangat kuat. Terbentuk Klaster 0 (Low Engagement Cluster) yang mencakup 98,1% hari observasi, dan Klaster 1 (High Engagement Cluster) sebesar 1,9%. Temuan utama mengindikasikan adanya perbedaan pola antara Video Views dan Engagement Rate, di mana Klaster 1 memiliki Engagement Rate sepuluh kali lipat lebih tinggi (3,16%) dibandingkan Klaster 0 (0,31%) tanpa adanya peningkatan signifikan pada jumlah Video Views, yang mengisyaratkan bahwa kualitas emosional konten lebih menentukan interaksi audiens daripada sekadar jangkauan algoritma. Penelitian ini menyimpulkan bahwa K-Means Clustering efektif memetakan polarisasi performa konten, memberikan landasan objektif untuk menggeser fokus strategi dari optimasi kuantitas tayangan menuju peningkatan kualitas interaksi. Untuk penelitian selanjutnya, direkomendasikan penggunaan data tingkat per-video serta integrasi variabel kualitatif agar diperoleh insight yang lebih granular. Kata Kunci: K-Means Clustering, Segmentasi Performa, TikTok Analytics, Pemasaran Digital, Data Mining.

Item Type: Thesis (Diploma)
Subjects: T Technology
Divisions: Fakultas Sains & Teknologi > S1 Sistem Informasi
Depositing User: Ayu Kartika
Date Deposited: 15 Oct 2026 06:42
Last Modified: 15 Oct 2026 06:42
URI: http://repository.harkatnegeri.ac.id/id/eprint/8641

Actions (login required)

View Item View Item