KOMPARASI SEARCH QUERY CLUSTERING PADA E-COMMERCE MENGGUNAKAN K-MEANS DAN ADAPTIVE DBSCAN

Search query pada e-commerce sangat bervariasi tergantung kepada perilaku penggunanya, tetapi ketika preferensi pengguna dapat terealisasi melalui query maka dapat berimplikasi kepada minat beli. Search query clustering dilakukan untuk mendapatkan model pengetahuan bisnis terutama fitur search berdasarkan taksonomi. Dari penelitian ini didapatkan akurasi algoritma clustering sebesar 92.63% menggunakan adaptive DBSCAN dan 91.75% menggunakan k-means. Hasil taksonomi menjadi acuan dalam meningkatkan tampilan e-commerce sehingga hasil keluaran dari fitur search dapat menjadi daya tarik bagi pengguna untuk melakukan transaksi di e-commerce.