IMPLEMENTASI K-MEANS UNTUK SEGMENTASI PELANGGAN SMARTLOCK BERDASARKAN POLA PEMBELIAN
Keywords:
Segmentasi Pelanggan, K-Means, Pola Pembelian, Smartlock, RFMAbstract
Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Means dalam segmentasi pelanggan produk Smartlock di PT Digital Sukses Nasional berdasarkan pola pembelian mereka. Segmentasi yang efektif sangat penting bagi perusahaan untuk memahami karakteristik pelanggan dan merumuskan strategi pemasaran yang lebih tepat sasaran dan personal. Data yang digunakan dalam penelitian ini adalah data transaksi pelanggan selama satu tahun terakhir, yang diolah menggunakan model RFM (Recency, Frequency, Monetary) sebagai variabel clustering. Algoritma K-Means dipilih karena kemampuannya dalam mengelompokkan data ke dalam klaster-klaster homogen. Tahapan penelitian meliputi pra-pemrosesan data (pembersihan dan normalisasi), penentuan jumlah klaster optimal (menggunakan metode seperti Elbow Method atau Silhouette Score), proses klasterisasi, dan analisis hasil klasterisasi. Penelitian ini berhasil membangun sebuah sistem aplikasi berbasis web yang fungsional untuk melakukan segmentasi pelanggan. Berdasarkan pengujian black box yang dilakukan, sistem terbukti valid dan dapat menjalankan seluruh alur kerja mulai dari import data, kalkulasi RFM, proses clustering K-Means, hingga visualisasi hasil dan rekomendasi dengan baik dan sesuai perancangan.Hasil penelitian juga menghasilkan 3 kelompok segmentasi, yaitu pelanggan baru, pelanggan pasif/hilang dan pelanggan setia bernilai tinggi.
References
Ahmad, A., & Dey, L. (2007). A k-means clustering algorithm for mixed numeric and categorical data. Data & Knowledge Engineering, 63(2), 503–527.SS
Beni Tiyas Kristanti, Achmad Junaidi, dan Eka Prakarsa Mandyartha. (2024). Implementasi K-Means Clustering dalam Segmentasi Pelanggan Berdasarkan Usia, Pendapatan, dan Model RFM (Studi Kasus: Lantikya Store Jombang).
Chen, Y., & Liu, B. (2004). Mining customer clusters for business analysis. Journal of Intelligent Information Systems, 23(2), 133–150.
Danang Satya Nugaha, Imam Thoib, Nafis Sururi, Fendy Bayu F, (2025). Segmentasi Pelanggan Berbasis Analisis RFM Menggunakan Algoritma K-Means Clustering.
Dian Pratiwi, (2024). Analisis Segmentasi Pelanggan Ritel Online Menggunakan K-Means Clustering Berdasarkan Model Recency, Frequency, Monetary (RFM).
Diotivano, Ikhwan Ruslianto, dan Dian Prawira, (2023). Sistem Segmentasi Pelanggan Potensial Menggunakan Metode K-Means dan Analisis RFM.
Hadiwibowo. (2023). Evaluasi hasil klasterisasi menggunakan silhouette coefficient. Jurnal Sains Data, 8(4), 120–130.
Hafidz, M., et al. (2024). Analisis segmentasi pelanggan menggunakan algoritma K-Means dan model RFM. Jurnal Sains Komputer, 12(1), 100–110.
Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques (3rd ed.). Morgan Kaufmann Publishers.
Ilham. Sonata. (2019). Pengaruh Price Discount dan In-Store Display terhadap Impulse Buying Miniso. 46-53.
Junaidi, & Madyartha. (2024). Optimalisasi algoritma K-Means untuk segmentasi pelanggan. Jurnal Ilmu Komputer, 10(1), 75–85.
Karina Auliasari, & Mariza Kertaningtyas. (2019). Segmentasi pelanggan dengan algoritma K-Means clustering. Jurnal Sistem Informasi Bisnis, 5(3), 60–70.
Khan, S. S., & Ahmad, A. (2004). Cluster center initialization algorithm for K-means clustering. Pattern Recognition Letters, 25(11), 1293–1302.
Kotler, P., & Keller, K. L. (2016). Marketing Management (15th ed.). Pearson Education.s
Larose, D. T. (2005). Discovering Knowledge in Data: An Introduction to Data Mining. John Wiley & Sons.
MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, 281–297.
Maryana, et al. (2018). Penerapan data mining untuk segmentasi pelanggan berbasis RFM. Jurnal Teknologi Informasi, 6(2), 45–52.
Nurhayati, A., & Fajar, R. (2019). Analisis segmentasi pelanggan menggunakan metode RFM dan K-Means clustering. Jurnal Teknologi Informasi dan Komunikasi, 4(1), 25–33.
Rousseeuw, P. J. (1987). Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics, 20, 53–65.
Saragih, J. T. B., & Sinaga, A. (2021). Implementasi algoritma K-Means clustering untuk segmentasi pelanggan. Jurnal Informatika, 15(2), 87–95.
Setiawan, B., & Rahmawati, D. (2020). Evaluasi hasil clustering menggunakan Elbow pada segmentasi pelanggan. Jurnal Data Sains, 2(3), 50–58.
Singh, A., & Singh, P. (2020). RFM analysis for customer segmentation: A case study. International Journal of Data Science and Analytics, 7(3), 245–258.
Triantara, (2025). Segmentasi Pelanggan Berbasis RFMT Menggunakan K-Means dan Hierarchical Clustering.
Witten, I. H., Frank, E., & Hall, M. A. (2011). Data Mining: Practical Machine Learning Tools and Techniques (3rd ed.). Morgan Kaufmann.
