Klasterisasi Spesifikasi Dan Harga Smarphone Menggunakan Algoritma Fuzzy C-Means Dan Principal Component Analysis

Peningkatan penggunaan smartphone di Indonesia mendorong perlunya strategi segmentasi pasar yang tepat berdasarkan spesifikasi dan harga. Penelitian ini mengkaji pemanfaatan gabungan metode Principal Component Analysis (PCA) dan Fuzzy C-Means (FCM) dalam proses pengelompokan data smartphone dari dataset Mobile Phones Data di Kaggle. PCA diterapkan untuk mereduksi dimensi data dengan tetap mempertahankan sekitar 94% variansi utama menggunakan empat komponen. Proses ini meningkatkan efisiensi pemrosesan serta memperjelas pola distribusi data. Kemudian, FCM digunakan untuk membentuk klaster berdasarkan derajat keanggotaan fuzzy, memungkinkan identifikasi kelompok dengan batasan yang tidak tegas. Berdasarkan evaluasi Silhouette Score, hasil pengelompokan menunjukkan peningkatan kualitas klaster dari 0,54 menjadi 0,72 setelah PCA diterapkan. Sebanyak sembilan klaster berhasil diidentifikasi, mencerminkan segmentasi produk smartphone mulai dari kelas entry-level hingga flagship.

Kata Kunci: Fuzzy C-Means, Klasterisasi, PCA, Smartphone, Reduksi Dimensi