Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 Received: 31 Maret 2025.
Accepted: 28 April 2025.
Published: September 2025 DOI: 10.
36350/jskom.
Penerapan Metode K-Means untuk Pemetaan Potensi Perluasan Pasar Secara Digital Marketing terhadap UMKM Resty Friska Yanthi Halawa1.
Joko Sarjanoko2 Program Studi Sistem Informasi.
Fakultas Informatika dan Komputer.
Universitas Binaniaga Indonesia email:
restyfriska@gmail.
*Corresponding Author
ABSTRACT
Mapping the potential for market expansion using digital marketing for MSMEs is a grouping of MSMEs with various attributes based on variables to help related parties in determining MSMEs that have the potential to be given digital marketing training.
Based on the problem, the potential for market expansion for providing digital marketing training is not yet known and the effectiveness of the process of mapping the potential for market expansion for providing digital marketing training is not yet known.
This research aims to obtain a mapping of the potential for market expansion of MSMEs and measure the level of effectiveness of applying the K-Means algorithm for mapping MSMEs based on their market expansion potential.
This research was carried out using the Research and Development model by Borg and Gall using the K-Means algorithm with the prototyping development method.
There are 2 clusters determined according to their levels, namely potential and non-potential.
The results of the application being built have been tested using a questionnaire to users of 87.
9%, which means "very feasible", and the results of the questionnaire to system experts were 100% which means "very feasible", and a cluster validity test has been carried out using the silhouette coefficient.
80 which is included in the "strong" cluster strength category based on the silhouette coefficient category table according.
Keywords: K-Means algorithm.
Digital Marketing.
Mapping.
Prototyping, silhouette coefficientscale.
ABSTRAK
Pemetaan potensi perluasan pasar secara digital marketing terhadap UMKM merupakan pengelompokan UMKM dengan berbagai atribut berdasarkan variabelnya guna membantu pihak terkait dalam menentukan UMKM yang berpotensi diberikan pelatihan digital marketing.
Bersarkan pemasalahannya belum diketahui potensi perluasan pasar untuk pemberian pelatihan digital marketing dan belum diketahui efektifnya proses pemetaan potensi perluasan pasar untuk pemberian pelatihan digital marketing.
Penelitian ini bertujuan untuk mendapatkan pemetaan potensi perluasan pasar UMKM dan mengukur tingkat efektifitas penerapan algoritma K-Means untuk pemetaan UMKM berdasarkan potensi perluasan pasarnya.
Penelitian ini dilaksanakan dengan model menggunakan model Research and Development oleh Borg dan Gall menggunakan algoritma K-Means dengan meteode pengembangan prototyping.
Klaster yang ditentukan berjumlah 2 sesuai dengan tingkatannya yaitu berpotensi dan tidak berpotensi.
Pada aplikasi yang dibangun telah dilakukan uji hasil dengan kuesioner kepada pengguna sebesar 87,9%, yang berarti Ausangat layakAy, serta hasil kuesioner kepada ahli sistem sebesaar 100% yang berarti Ausangat layakAy, serta telah dilakukan uji validitas klaster menggunakan silhouette coefficient sebesar 0,80 yang termasuk ke dalam kategori kekuatan klaster AukuatAy berdasarkan pada tabel kategori silhouette coefficient.
Kata Kunci: Algoritma K-Means.
Digital Marketing.
Pemetaan.
Prototyping, silhouette coefficient.
Pendahuluan Tidak semua UMKM bisa mengubah strategi pemasarannya dari bisnis tradisional menjadi bisnis digital.
Faktor latar belakang pendidikan yang rendah, kurangnya pengetahuan tentang internet, perkembangan dan teknologi menjadi alasan mengapa penggunaan digital marketing pada UMKM kurang tepat.
Kehadiran teknologi informasi (TI) mengubah cara berbisnis dari yang biasa menjadi sesuatu yang baru, baik dari segi peluang maupun Keberadaan teknologi informasi, harusnya mampu memberikan nilai tambah bagi individu dan masyarakat secara keseluruhan.
Dalam konteks perkembangan teknologi dan daya saing dunia usaha, pengembangan usaha kecil dan menengah menghadapi banyak tantangan.
Dalam menganalisis potensi UMKM, banyak faktor yang perlu diperhatikan seperti tingkat produktivitas dan inovasi pelaku usaha, kemudahan berusaha, akses permodalan, akses terhadap barang, dukungan infrastruktur, dan siklus bisnis.
Hal ini sangat memerlukan peran semua pihak dan tidak semata-mata bergantung pada pemerintah.
Di era revolusi industri ini, semua pengusaha perlu beradaptasi dengan lingkungan bisnis yang berubah dengan cepat dan didorong oleh teknologi.
Digital Marketing merupakan kemajuan teknologi yang tidak bisa dihindari di era globalisasi dan kemajuan teknologi saat ini.
Banyak penelitian yang menyatakan bahwa digitalisasi dapat meningkatkan kinerja UMKM.
Sosialiasi tentang digital marketing ini merupakan salah satu kegiatan untuk mengidentifikasi UMKM yang beralih ke digital untuk mencapai pemasaran yang efektif dan meningkatkan produktivitas UMKM.
Pelatihan dan promosi bagi UMKM tentang manfaat pemasaran digital, implementasi penggunaan sosial media dan ecommerce kepada UMKM bertujuan untuk meningkatkan kualitas pemasaran dan profit melalui teknologi yang memudahkan konsumen dalam bertransaksi.
Sosialisasi ini dilakukan untuk memberikan pelatihan kepada para pedagang UMKM agar mereka mengetahui bagaimana memanfaatkan media sosial sebagai alat pemasaran dan bagaimana memanfaatkan e-commerce sebagai salah satu cara untuk mengembangkan usahanya.
Program interaktif ini diharapkan dapat membantu pelaku UMKM memahami strategi e-commerce yang efektif.
Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 Saat ini masih banyak pedagang UMKM belum mampu beradaptasi dan menghadapi pesatnya evolusi teknologi karena kesulitan dalam mengakses teknologi dan kurangnya pemahaman tentang strategi pemasaran produk digital Data yang digunakan pada Tabel 1.
1 dibawah ini merupakan data Komoditi UMKM tahun 2019.
Tabel 1.
1 Data Komoditi UMKM Kota Bogor Tahun 2019 No.
Nama UMKM
RABBA NI
ZACKY
CELULL
HENI
SUHENI
ENDAH
JUBAID
ENDA
RUSEN
GREEN
CAMP
EBEN
MOTOR
YULI
JAYA
GYPSU M
HAMRA
ASEP
MOTOR
PENGR
AJIN
Alamat
UMKM
02/04 JL.
CIBALAG
UNG
03/07
BABAKA
SUKAMA
NTRI
03/07
BABAKA
SUKAMA
NTRI
03/07
BABAKA
SUKAMA
NTRI
03/12
MUARA
ASRI
Aset yg Omzet
Per hari SAYURAN SEMBAK
SEMBAK
BENGKEL
GYPSUM
MEUBEL
MOTOR
BEKAS
RT 05/RW
PENGRAJ
IN PAPAN
CUCI
04/04 JL.
CIBALAG
UNG
ARIA
SURIALA
GA RT.
04/01
ARIA
SURIALA
GA RT.
04/01
ARIA
SURIALA
GA RT.
04/01
ARIA
SURIALA
GA RT.
04/01
Jenis Komoditi TOKO
BUSANA
MUSLIM
Mulai Usaha
Modal Awal COUNTE R
PENYEW
AAN
ALAT
CAMP
(Sumber: Dinas Koperasi dan UMKM Kota Bogo.
Berdasarkan pada tabel 1.
1 data komoditi UMKM pada tahun 2019 terdiri dari variabel Nama UMKM, alamat UMKM, mulai usaha, jenis komoditi, modal awal, aset yang dimiliki, dan omset perhari.
Permasalahan yang terjadi adalah belum diketahui pemetaan UMKM berdasarkan potensi perluasan pasar untuk pemberian pelatihan digital marketing dan belum efektifnya proses pemetaan potensi perluasan pasar untuk pemberian pelatihan digital Untuk itulah perlu dilakukan pembuatan kelompok UMKM berdasarkan karakteristik yang dimiliki oleh masing-masing unit usaha ke dalam cluster .
erpotensi dan tidak berpotens.
, dari itu di perlukan algoritma KMeans dalam memetakan UMKM berdasarkan potensi perluasan pasar untuk pemberian pelatihan digital marketing yang diharapkan dapat membantu dalam mempermudah dalam mengetahui hasil yang lebih efektif.
Metode Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 Menurut (Santoso.
Azis, & Zohrahayaty, 2020, p.
menjelaskan bahwa K-Means merupakan salah satu algoritma matchine learning untuk memecahkan masalah pengelompokan.
Metode K-Means merupakan salah satu metode clustering non-hirari dimana algoritma K-Means berusaha mencari pusat dari kelompok datanya sebanyak iterasi perbaikan yang dilakukan.
Metode K-Means dapat mengelompokkan suatu dataset ke dalam beberapa buah cluster (Primartha, 2020, p.
Menurut (Arhami & Nasir, 2020, p.
, langkah Ae langkah dasar algoritma K-Means .
tentukan nilai k cluster sesuai dengan yang diinginkan.
pilih titik Ae titik atau sampel yang menjadi anggota cluster secara acak.
tentukan nilai centroid atau titik tengah dari cluster tersebut dengan rumus sebagai berikut:
hitung square error untuk tiap cluster yang merupakan jumlah kuadrat dari jarak Eucliidean antara tiap sampel dalam dan titik tengahnya .
eror ini juga dikenal dengan nama within cluster variation (WCV), yaitu.
selanjutnya jumlah dari keseluruhan eror dari k-cluster dihitung dengan rumus.
kelompokkan kembali semua sampel berdasarkan jarak minimum dari masing Ae masing pusat sehingga diperoleh distrubusi baru dari sampel sesuai klasternya, untuk memperoleh distribusi sampel baru tersebut dapat dilakukan dengan menghitung jarak dari masing Ae masing titik pusat dengan keseluruhan sampel.
perhitungan jarak dapat menggunakan beberapa metode contohnya dengan Euclidean Distance.
tuliskan hasil anggota klaster baru sesuai dengan hasil yang diperoleh pada langkah ke-5.
kemudian ulangi langkah ke-3 sampai beberapa iterasi sehingga nantinya ditemukan nilai total square error turun secara Menurut (Arhami & Nasir, 2020, p.
, perhitungan K-Means dapat dijabarkan dengan contoh sebagai berikut ini.
misal pada kasus seperti diatas, nilai k yang daimbil adalah K = 2, maka cluster yang daimbil secara acak adalah sebagai berikut.
maka dapat sitentukan titik tengah dari kedua cluster diatas, yaitu.
square error diperoleh adalah.
] [
]] =
Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 Sehingga total square error-nya yaitu.
= 19.
12 = 27.
berikutnya adalah dilakukan redistribusi sampai kedalam kelas yang sesuai dengan hasil perhitungan jarak terpendek yang dimilki oleh setiap sampel dengan jarak minimum dari titik pusat cluster yang ada akan menjadi cluster baru bagi sampelnya.
= 2.
= 2.
= 3.
= 3.
= 1.
= 3.
= 0.
= 2.
= 3.
= 2.
untuk memudahkan dalam penentuan klasternya maka hasil perhitungan diatas dapat dibuat dalam bentuk tabel seperti berikut, dan jarak minimum dari titik tengah klaster ke sampel akan menjadi kelas sampel.
Cluster kedua klaster tersebut dihitung kembali titik tengah dan total dari square error-nya untuk memastikan apakah perlu dilanjutkan ke iterasi berikutnya atau tidak.
titik tengah dari kedua klaster tersebut adalah sebagai berikut.
dan square error-nya adalah sehingga totalnya diperoleh.
= 4.
17 2 = 6.
jika dilihat dari total square error-nya yang turun begitu signifikan dari 27.
48 ke 6.
17, maka untuk kasus sederhana ini iterasi pertama sudah cukup untuk mengambil kesimpulan bahwa klaster yang dihasilkan adalah C 1 = Hasil Analisis Kebutuhan Sistem Pemodelan objek dari sistem yang dikembangkan digambarkan dalam bentuk use case diagram berdasarkan pada proses pemetaan potensi perluasan pasar secara digital marketing terhadap UMKM pada aplikasi yang dikembangkan untuk pemodelan dan mengatur suatu sistem untuk medapatkan output yang diharapkan dan Gambar 4.
3 merupakan use case pada sistem yang akan dikembangkan.
Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 uc BPMN 2.
0 Business Process View Penerapan Metode K-Means Untuk Pemetaan Potensi Perluasan Pasar Secara Digital Marketing Terhadap UMKM Melakukan upload data komoditi umkm berbentuk file csv Melihat hasil cluster yang Pengguna Menginputkan data umkm baru Gambar 4.
3 Diagram Use Case 1 Pada gambar 4.
3 dijelaskan bahwa admin dapat melakukan upload data komoditi UMKM yang berbentuk file csv, melihat hasil klaster yang direkomendasikan oleh algoritma K-Means, dan menginputkan data UMKM baru ke dalam sistem.
Desain Produk Berikut adalah desain produk pada aplikasi yang akan dikembangkan:
Diagram Sequence Berikut adalah tahap desain interaksi pengguna dengan aplikasi sd BPMN 2.
0 Business Process View Pengguna Halaman utama Proses upload file file csv Klik upload file() Proses upload file() Import data CSV() read data csv() Gambar 4.
4 Diagram Sequence - Melakukan upload file Gambar 4.
4 merupakan diagram sequence pengguna melakukan upload file.
Diawali dengan pengguna klik upload file CSV pada interface halaman utama, kemudian terjadi proses upload file, lalu import data CSV, kemudian entity file CSV akan mengembalikan data yang kemudian ditampilkan di halaman utama.
Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 sd BPMN 2.
0 melihat hasil cluster Pengguna Halaman utama Proses clustering File CSV Klik submit() Proses clustering() Read data csv() get data csv() Menampilkan hasil cluster dan rekomendasi() Gambar 4.
5 Diagram Sequence Ae Melihat Hasil Cluster Gambar 4.
5 merupakan diagram sequence pengguna melakukan submit untuk proses perhitungan KMeans.
Diawali dengan pengguna memilih atribut yang digunakan dalam proses perhitungan K-means kemudian pengguna klik submit pada interface halaman utama, lalu terjadi proses clustering dengan mengambil data CSV yang sudah di upload sebelumnya oleh pengguna, kemudian hasil klaster dan rekomendasi ditampilkan pada interface halaman utama.
sd BPMN 2.
0 input data umkm Pengguna Halaman input data Proses input data File CSV Menginputkan data baru() Klik Submit() Proses input data() Import data ke CSV() Read data() Gambar 4.
6 Diagram Sequence Ae Melakukan Upload Data Gambar 4.
6 merupakan diagram sequence untuk menambah data UMKM, pengguna menginputkan data yang akan ditambahkan sistem, kemudian melakukan submit lalu terjadi proses penginputan data kesistem dengan mengimport ke file csv kemudian hasil proses penginputan data baru ditampilkan di halaman input data baru.
Struktur Sistem Struktur sistem bertujuan untuk mendefinisikan elemen mengenai objek, class, relasi seperti asosiasi, generalisasi, dan lain-lain.
Gambar 4.
7 merupakan class diagram pada aplikasi pemetaan potensi perluasan pasar secara digital marketing terhadap UMKM.
Diagram ini terdiri dari Halaman login dan halaman utama, terdapat 3 proses yaitu proses login, proses upload file dan proses clustering dan 1 data table yaitu data CSV.
Pada Gambar 4.
7 dijelaskan bahwa interface halaman utama dapat melakukan proses upload file dan mengakses data CSV, dari interface halaman utama juga dapat dipilih atribut yang digunakan dalam perhitungan kemudian dapat melakukan proses clustering dan mengakses data csv.
Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 class BPMN 1.
1 Business Process View Penerapan Metode K-Means Untuk Pemetaan Potensi Perluasan Pasar Secara Digital Marketing Terhadap UMKM Memiliki AinterfaceA Halaman upload AinterfaceA Halaman Utama AinterfaceA Halaman input Melakukan Mengakses Melakukan Melakukan Proses Upload Data Proses Clustering upload_file: int Read_CSV: int Proses input data Mengakses Mengakses Menambahkan File CSV alamat umkm: char aset yang dimiliki: int jenis komoditi: char modal awal: int mulai usaha: int nama umkm: char omzet perhari: int Gambar 4.
7 Diagram Class Diagram Komponen Dalam pengembangan aplikasi pemetaan potensi perluasan pasar secara digital marketing terhadap UMKM terdapat beberapa komponen yang mendukung jalannya aplikasi ini.
Diagram menjelaskan bahwa aplikasi ini menggunakan bahasa pemograman python dengan library matplotlib, sklearn, numpy dalam melakukan perhitungan serta visualisasi datanya.
Pandas digunakan untuk melakukan analisis data yang berbentuk CSV.
Streamlit merupakan framework berbasis python untuk membangun aplikasi web.
Web browser digunakan untuk menampilkan aplikasi.
cmp BPMN 1.
1 Business Process View Python Seaborn Sklearn Matplotlib Nampy Use Use Use Use Use Web Brow ser Use Penerapan Metode K-Means Untuk Pemetaan Potensi Perluasan Pasar Secara Digital Marketing Terhadap UMKM Use Pandas Use Streamlit Use View Halaman Login Use View Data Halaman Utama CSV Use Gambar 4.
8 Diagram Komponen Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 Diagram Deployment Diagram deployment menampilkan software dan relasi yang digunakan pada hardware untuk menerapkan sebuah sistem.
Gambar 4.
9 merupakan diagram deployment dari aplikasi pemetaan potensi perluasan pasar secara digital marketing terhadap UMKM.
deployment Deployment Diagram AdeviceA Serv er Python Window s AdeviceA Web Serv er Streamlit Pandas Google Chrome Localhost Microsoft Edge Localhost SKlearn Numpy AdeviceA Client Matplotlib Seaborn Gambar 4.
9 Diagram Deployment Rancangan Desain Antarmuka Aplikasi (Mock U.
Pada tahapan ini memaparkan desain yang akan digunakan pada pengembangan sistem ini.
Desain antarmuka aplikasi adalah membuat interface sebagai rancangan awal aplikasi yang akan dikembangkan sesuai dengan kebutuhan pengguna, berikut desain antarmuka yang akan dibuat kedalam aplikasi Gambar 4.
10 Desain Antarmuka Halaman Upload File Gambar 4.
10 merupakan tampilan halaman upload file yang akan dikembangkan untuk mengupload file CSV untuk menentukan hasil klasternya kemudian terdapat sidebar untuk memilih halaman untuk melihat data UMKM, dan halaman untuk menginputkan data UMKM baru.
Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 Gambar 4.
11 Desain Antarmuka Hasil Klaster Pada gambar 4.
11 diatas merupakan halaman setelah upload file dengan menampilkan data yang telah di upload, setelah itu tabel hasil dari klastering yaitu tabel data yang telah dinormalisasi, tabel data hasil klaster, dan tabel titik centroid.
Gambar 4.
12 Desain Antarmuka Visualisasi.
Hasil Cluster.
Dan Hasil Silhouette Gambar 4.
12 akan menampilkan grafik hasil visualisasi clustering dan terdapat tabel hasil klastering yaitu hasil klaster berpotensi dan tidak berpotensi untuk diberikan pelatihan digital marketing serta terdapat hasil silhouette coefficient.
Gambar 4.
13 Desain Antarmuka Halaman View Data Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 Gambar 4.
13 akan menampilkan data komoditi UMKM yang telah di upload.
Gambar 4.
14 Desain Antarmuka Halaman Input Data Baru Gambar 4.
14 akan menampilkan halaman untuk menginputkan data UMKM baru.
Membangun Prototype Setelah data yang dibutuhkan sudah terpenuhi maka selanjutnya adalah membangun prototype aplikasi dengan pengkodean aplikasi menggunakan bahasa pemrograman Python, serta menerapkan algoritma K-Means ke dalam aplikasi sesuai dengan kebutuhan pengguna dan tujuan dari penelitian.
Pengkodean Gambar 4.
15 merupakan source kode dari algoritma K-Means ke dalam aplikasi pemetaan potensi perluasan pasar secara digital marketing terhadap UMKM.
Gambar 4.
15 Source Kode K-means Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 Tampilan Aplikasi Berikut adalah hasil tampilan aplikasi sesuai dengan desain produk yang telah dibuat :
Gambar 4.
16 Tampilan Halaman Input CSV Gambar 4.
16 merupakan halaman untuk menginputkan data usaha mikro kecil dan menengah yang berbentuk file csv.
Gambar 4.
17 Tampilan Data UMKM Setelah Setelah Diupload Gambar 4.
17 merupakan halaman untuk menampilkan data UMKM yang telah berhasil di upload.
Gambar 4.
18 Tampilan Hasil Klastering Gambar 4.
18 menampilkan hasil perhitungan metode k-means dan menampilkan klaster dan juga titik pusat centroid.
Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 Gambar 4.
19 Tampilan Hasil Visualisasi Data Gambar 4.
19 menampilkan grafik hasil visualisasi k-means Gambar 4.
20 Tampilan Hasil Pengelompokkan UMKM Gambar 4.
20 menampilkan hasil pengelompokan k-means yaitu terdiri dari 2 klaster kelompok UMKM yang berpotensi diberikan pelatihan digital marketing dan kelompok UMKM yang tidak berpotensi diberikan pelatihan digital marketing.
Gambar 4.
21 Tampilan Hasil Silhouette Gambar 4.
21 menampilkan hasil silhouette coeffiecient.
Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 Gambar 4.
22 Tampilan View Data UMKM Gambar 4.
22 menampilkan halaman untuk melihat data UMKM Gambar 4.
23 Tampilan Input Data Baru Gambar 4.
23 untuk menginputkan data UMKM baru yaitu dengan menginputkan nama UMKM, alamat UMKM, jenis komoditi, tahun mulai usaha, modal awal, aset yang dimiliki dan omzet perhari.
Evaluasi Evaluasi yaitu proses untuk mengetahui tingkat kebergunaan dan mengetahui kekurangan sehingga dapat diperbaiki sesuai dengan yang diharapkan.
Evaluasi pada penelitian ini yaitu evaluasi produk yang dihasilkan yaitu aplikasi.
Tujuan evaluasi dari aplikasi tersebut yaitu untuk menetapkan bahwa aplikasi sudah sesuai dengan kebutuhan pengguna.
Hasil Kelayakan Sistem Untuk Ahli Sistem Responden berjumlah dua orang yakni Bapak Binanda Wicaksana.
Kom dan Ibu Leny Tritanto Ningrum.
Kom.
Kom selaku dosen di Universitas Binaniaga Indonesia.
Sistem di test dengan melalui tahapan proses input dan pengecekan hasil output.
Dari serangkaian hasil test tersebut ahli sistem informasi memberikan nilai, saran dan masukan pada kuesioner yang sudah disediakan.
Hasil kuesioner yang didapatkan merupakan pendapat ahli sistem terhadap alur program dalam pengembangan aplikasi pemetaan potensi perluasan pasar secara digital marketing terhadap UMKM.
Pertanyaan yang digunakan dalam kuesioner kepada ahli sistem terhadap aplikasi pemetaan potensi perluasan pasar secara digital marketing terhadap UMKM dan berisi pertanyaan mengenai alur aplikasi.
Penilaian dalam kuesioner uji ahli sistem menggunakan skala Guttman yaitu jawaban AuYa=1Ay dan jawaban AuTidak=0Ay.
Hasil kuesioner untuk uji ahli dapat dilihat pada Tabel 4.
Hasil pengolahan data kuesioner yang disebabar dapat disajikan seperti pada Tabel 4.
Tabel 4.
15 Hasil Kuesioner Uji Coba Ahli Skenario Pengujian Menu Halaman Data Hasil yang Akan menampilkan data UMKM Hasil Pengujian Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 Skenario Pengujian tombol AuBrowse FilesAy untuk mengambil file CSV, kemudian pilih file CSV yang akan di Menu Halaman Data terdapat AuDownload as CSVAy Mengklik tombol AuSearchAy Memasukkan data yang dicari pada form AuSearchAy apabila data yang dicari ada Hasil yang Akan menampilkan folder lokal untuk menyimpan file CSV yang sudah Akan menampilkan form mencari data Akan menandai kolom data dengan warna merah dan jumlah result yang Hasil Pengujian Memasukkan data yang akan dicari pada form AuSearchAy apabila data 1tidak ada Akan jumlah result yaitu Au0 resultAy Mengklik tombol AuFullscreenAy Akan menampilkan data secara Fullscreen Menu Halaman Data tombol AuBrowse FilesAy untuk mengambil file CSV, kemudian pilih file CSV yang akan di Akan menampilkan data UMKM Memilih Fitur pada combo box AuPilih FiturAy dan memilih target pada combo box AuPilih TargetAy Akan menampilkan data hasil pemetaan berdasarkan fitur dan target yang dipilih, sehingga menampilkan nilai akurasi model Total Berdasarkan Tabel 4.
15 diperoleh skor yang telah diobservasi berjumlah 14, maka dapat dihitung presentase kalayakan sistem sebagai berikut :
Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 Presentase kelayakan yang diperoleh sebesar 100%, maka dapat dikategorikan AuSangat LayakAy seperti ditunjukan pada tabel 4.
Kuesioner ini disertai pertanyaan pendukung yang terdiri dari kritik dan saran sebagai masukan dari responden.
Kritik dan saran tersebut dijadikan bahan evaluasi untuk sistem yang Hasil Kuesioner Kelayakan Sistem Untuk Pengguna Pengguna pada penelitian ini berjumlah 2 orang yaitu pegawai Dinas Koperasi.
Usaha Kecil Dan Menengah.
Perdagangan Dan Perindustrian Kota Bogor.
penyebaran kuesioener berfungsi agar mengetahui pendapat dari masing-masing pengguna terhadap aplikasi pemetaan potensi perluasan pasar secara digital marketing terhadap UMKM.
Berikut merupakan hasil kuesioner untuk uji pengguna yang dapat dilihat pada Tabel 4.
Tabel 4.
16 Hasil Kuesioner Uji Pengguna No.
Hasil Pertanyaan Secara keseluruhan, saya puas dengan kemudahan penggunaan sistem ini.
Sistem mudah digunakan.
Saya bisa menyelesaikan tugas Ae tugas dan scenario menggunakan aplikasi ini.
Saya merasa nyaman menggunakan aplikasi ini.
Sangat mudah untuk belajar menggunakan sistem ini.
Saya yakin saya bisa menjadi produktif dengan cepat menggunakan sistem ini.
Sistem memberikan pesan kesalahan yang dengan jelas memberi tahu saya cara memperbaiki masalah.
Setiap kali saya membuat kesalahan menggunakan sistem, saya dapat memulihkan dengan mudah dan cepat.
Informasi .
isalnya, bantuan online, pesan layar, dan dokumentasi lainny.
yang disediakan dengan sistem ini jelas.
Sangat mudah untuk menemukan informasi yang saya Informasinya efektif dalam membantu saya menyelesaikan tugas dan scenario.
Organisasi informasi pada layar sistem jelas.
Antarmuka sistem ini menyenangkan.
Saya suka menggunakan antarmuka sistem ini.
Sistem ini memiliki semua fungsi dan kemampuan yang saya Secara keseluruhan, saya puas dengan sistem ini.
Total :
Skala penilaian ditentukan dengan menggunakan 7 poin penilaian skala likert pada Tabel 4.
Tabel 4.
17 Skala Likert Jawaban Sangat Setuju Sekali Sangat Setuju Setuju Netral Tidak Setuju Sangat Tidak Setuju Sangat Tidak Setuju Sekali Nilai Skor Rentang kategori kelayakan dalam penelitian ini tercantum pada Tabel 4.
Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 Tabel 4.
18 Rentang Kategori Kelayakan Presentasi Pencapaian Interprestasi
< 21%
Sangat Tidak Layak
21% - 40%
Tidak Layak
41% - 60%
Cukup Layak
61% - 80%
Layak
81% - 100%
Sangat Layak Tabel 4.
19 merupakan hasil perhitungan PSSUQ berdasarkan kategori.
Dari 16 item kuesioner dapat dikelompokkan menjadi 4 kategori PSSUQ yaitu skor kepuasan secara keseluruhan .
, kegunaan sistem .
, kualitas informasi .
dan kualitas antarmuka .
Tabel 4.
19 Hasil Perhitungan PSSUQ Responden Overall Syuse Infoqual Interqual Berikut adalah presentase kelayakan pada setiap kategori :
Keseluruhan (Overal.
Dalam presentase kategori kepuasan secara keseluruhan, hasil penilaian yang didaptkan dari semua responden berdasarkan skala Arikunto maka dinyatakan Ausangat layakAy.
Kegunaan sistem (Sysus.
Dalam presentase kategori kegunaan sistem , hasil penilaian yang didaptkan dari semua responden berdasarkan skala Arikunto maka dinyatakan Ausangat layakAy.
Kualitas informasi .
Dalam presentase kategori kualitas informasi, hasil penilaian yang didaptkan dari semua responden berdasarkan skala Arikunto maka dinyatakan Ausangat layakAy.
Kualitas antarmuka .
Dalam presentase kategori kualitas antar muka, hasil penilaian yang didaptkan dari semua responden berdasarkan skala Arikunto maka dinyatakan Ausangat layakAy.
Hasil perhitungan dari seluruh kategori yaitu Au87,9%Ay dinyatakan Ausangat layakAy sebagai aplikasi pemetaan potensi perluasan pasar secara digital marketing terhadap UMKM dengan menerapkan algoritma K-means.
Kuesioner yang disebarkan menjadi bahan evaluasi untuk membangun aplikasi yang lebih baik Jurnal SAINTEKOM (Sains dan Teknologi Komputas.
Vol.
No.
September, 2025 Lembaga Penelitian.
Pengembangan, dan Pengabdian Kepada Masyarakat UNBIN e-ISSN: 3109 - 1350 Produk Akhir Hasil akhir atau produk akhir dari pengembangan ini berupa aplikasi pemetaan potensi perluasan pasar secara digital marketing terhadap UMKM yang dapat membantu organisasi dalam bidang UMKM dalam membentuk klaster berdasarkan potensi perluasan pasarnya serta mendapatkan hasil klaster yang direkomendasikan dalam pemberian pelatihan digital marketing.
Proses pengembangan aplikasi ini harus melakukan analisis kebutuhan, desain, pembangunan prototype, dan evaluasi produk.
Aplikasi pemetaan potensi perluasan pasar secara digital marketing terhadap UMKM dapat memberikan hasil data normalisasi hasil klastering, visualisasi klastering, titik centroid serta hasil cluster yang telah dikelompokan.
Menurut hasil evaluasi yang telah dilaksanakan, maka kesimpulan pada aplikasi yang dikembangkan dikategorikan Aosangat layakAy karena diperoleh presentase kelayakan 100% berdasarkan pengujian pada ahli sistem.
Sedangkan berdasarkan hasil pengujian kepada pengguna memperoleh hasil Au87,9%Ay dan termasuk dalam kategori Ausangat layakAy.
Kesimpulan Berdasarkan hasil penilaian yang dilakukan, kesimpulan yang bisa diuraikan antara lain:
Dengan menerapkan metode K-Means dapat memetakan UMKM kedalam 2 klaster yaitu berpotensi diberikan pelatihan dan tidak berpotensi diberikan pelatihan digital marketing berdasarkan potensi perluasan pasarnya.
Menerapkan metode K-Means dalam pemetaan untuk pemetaan potensi perluasan pasar secara digital marketing terhadap UMKM dimasa mendatang akan menjadi lebih efektif dari proses yang berjalan Hasil pengembangan prototype untuk pemetaan potensi perluasan pasar secara digital marketing terhadap UMKM akan menampilkan hasil klaster, visualisasi data dan hasil silhouette coefficient.
Mengukur tingkat akurasi penerapan metoda k-mean digunakan uji akurasi dengan silhouette coefficient sebesar 0,80 yang termasuk ke dalam kategori kekuatan klaster struktur kuat, kemudian hasil kuesioner kepada pengguna sebesar 87,9%, serta hasil kuesioner kepada ahli dengan pengujina black box sebesar 100%.
Daftar Pustaka