Analisis Pola Pengguna Tiktok Menggunakan Algoritma Partitioning Around Medoids (PAM) Clustering Dan Frequent Pattern Growth (FP-Growth)

Wulandari, Agnes (2025) Analisis Pola Pengguna Tiktok Menggunakan Algoritma Partitioning Around Medoids (PAM) Clustering Dan Frequent Pattern Growth (FP-Growth). S1 thesis, Universitas Jambi.

	Text ABSTRAK.pdf Download (149kB)
	Text BAB I.pdf Download (231kB)
	Text BAB V.pdf Download (169kB)
	Text Cover.pdf Download (153kB)
	Text DAFTAR PUSTAKA.pdf Download (159kB)
	Text SKRIPSI - AGNES WULANDARI - F1E121218.pdf Restricted to Repository staff only Download (2MB)
	Text HALAMAN PENGESAHAN.pdf Download (325kB)

Abstract

TikTok merupakan platform media sosial berbasis video pendek yang melahirkan berbagai pola interaksi pengguna. Penelitian ini menganalisis perilaku pengguna TikTok berdasarkan lima atribut interaksi utama: video_view_count, video_like_count, video_share_count, video_download_count, dan video_comment_count. Dua pendekatan data mining digunakan secara terpisah, yaitu algoritma Partitioning Around Medoids (PAM) untuk klasterisasi dan Frequent Pattern Growth (FP-Growth) untuk pencarian asosiasi. Klasterisasi menghasilkan dua klaster optimal dengan evaluasi Davies-Bouldin Index (DBI) bernilai 0,5852, di mana Cluster 0 menunjukkan pengguna aktif, sedangkan Cluster 1 menunjukkan pengguna pasif. FP-Growth menghasilkan 31 frequent itemset dengan support ≥ 0,2 dan 180 aturan asosiasi dengan confidence ≥ 70%. Terdapat korelasi kuat antaratribut interaksi, seperti video_like_count → video_view_count dengan confidence 97,17% dan lift 1,94. Pola kompleks lainnya menunjukkan bahwa kombinasi interaksi menyukai, menonton, membagikan, dan mengunduh berkaitan erat dengan aktivitas komentar. Hasil ini menunjukkan bahwa perilaku pengguna TikTok saling berhubungan dan dapat dimanfaatkan untuk strategi personalisasi serta segmentasi pengguna yang lebih efektif.

Type:	Thesis (S1)
Uncontrolled Keywords:	TikTok, Data Mining, PAM CLustering, FP-Growth
Subjects:	L Education > L Education (General)
Divisions:	Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User:	AGNES WULAN DARI
Date Deposited:	10 Jul 2025 07:45
Last Modified:	03 Aug 2025 06:12
URI:	https://repository.unja.ac.id/id/eprint/82181

Actions (login required)

View Item