Penerapan K-Means Clustering untuk Segmentasi Konsumen E-Commerce Berdasarkan Pola Pembelian

Siti Putri Lenggo Geni; Hersa  Safitri; Felisitas  Merry; Masna Wati; Haviluddin  Haviluddin

Authors

Siti Putri Lenggo Geni Universitas Mulawarman
Hersa Safitri Universitas Mulwarman
Felisitas Merry Universitas Mulwarman
Masna Wati Universitas Mulwarman
Haviluddin Universitas Mulawarman

Keywords:

K-Means Clustering, Segmentasi Konsumen, E-Commerce

Abstract

Pertumbuhan pesat e-commerce di Indonesia mendorong perusahaan untuk memahami karakteristik konsumen secara lebih mendalam guna meningkatkan strategi pemasaran. Penelitian ini bertujuan untuk mengelompokkan konsumen e-commerce berdasarkan pola pembelian menggunakan metode K-Means Clustering. Segmentasi dilakukan dengan mempertimbangkan tiga variabel utama, yaitu frekuensi pembelian, nilai transaksi, dan waktu pembelian. Data transaksi konsumen diolah dan dianalisis untuk menemukan pola-pola yang tersembunyi, kemudian ditentukan jumlah klaster optimal menggunakan metode Elbow. Hasil penelitian menunjukkan bahwa konsumen dapat dikelompokkan ke dalam lima segmen yang memiliki karakteristik perilaku belanja yang berbeda-beda, mulai dari konsumen bernilai tinggi dan aktif, hingga konsumen pasif dengan nilai transaksi rendah. Segmentasi ini memberikan wawasan penting bagi pelaku e-commerce dalam menyusun strategi pemasaran yang lebih tepat sasaran sesuai dengan karakter masing-masing segmen. Kesimpulan dari penelitian ini menunjukkan bahwa penerapan K-Means Clustering efektif dalam membantu memahami perilaku konsumen dan dapat dijadikan dasar pengambilan keputusan bisnis yang lebih strategis.

Downloads

Download data is not yet available.

Author Biographies

Hersa Safitri, Universitas Mulwarman

Program Studi Informatika

Felisitas Merry, Universitas Mulwarman

Program Studi Informatika

Masna Wati, Universitas Mulwarman

Program Studi Informatika

References

A. T. Widiyanto and A. Witanti, “Segmentasi Pelanggan Berdasarkan Analisis RFM Menggunakan Algoritma K-Means Sebagai Dasar Strategi Pemasaran (Studi Kasus PT Coversuper Indonesia Global),” KONSTELASI Konvergensi Teknol. dan Sist. Inf., vol. 1, no. 1, pp. 204–215, 2021, doi: 10.24002/konstelasi.v1i1.4293.

A. . Fadillah, I. K. A. Mogi, and I. D. M. B. A. Darmawan, “Analisis Data Recency Frequency dan Monetary (RFM) Guna Melakukan Pendekatan Kepada Konsumen Ralali.Com,” vol. 2, no. November, pp. 83–88, 2023.

Nurmilayanti and N. Hartono, “Implementasi Metode Clustering Sebagai Penunjang Strategi dalam Manajemen Pelanggan,” J. Fasilkom, vol. 13, no. 3, pp. 605–613, 2023, doi: 10.37859/jf.v13i3.5617.

S. I. Murpratiwi, I. G. Agung Indrawan, and A. Aranta, “Analisis Pemilihan Cluster Optimal Dalam Segmentasi Pelanggan Toko Retail,” J. Pendidik. Teknol. dan Kejuru., vol. 18, no. 2, p. 152, 2021, doi: 10.23887/jptk-undiksha.v18i2.37426.

A. A. Alya Putri and S. A. Rahmah, “Implementasi Data Mining Dengan Algoritma K-Means Clustering Untuk Analisis Bisnis Pada Perusahaan Asuransi,” Djtechno J. Teknol. Inf., vol. 5, no. 1, pp. 139–152, 2024, doi: 10.46576/djtechno.v5i1.4537.

F. N. Dhewayani, D. Amelia, D. N. Alifah, B. N. Sari, and M. Jajuli, “Implementasi K-Means Clustering untuk Pengelompokkan Daerah Rawan Bencana Kebakaran Menggunakan Model CRISP-DM,” J. Teknol. dan Inf., vol. 12, no. 1, pp. 64–77, 2022, doi: 10.34010/jati.v12i1.6674.

M. Sopiyan, F. Fauziah, and Y. F. Wijaya, “Fraud Detection Using Random Forest Classifier, Logistic Regression, and Gradient Boosting Classifier Algorithms on Credit Cards,” JUITA J. Inform., vol. 10, no. 1, p. 77, 2022, doi: 10.30595/juita.v10i1.12050.

H. Hairani, D. Susilowati, I. Puji Lestari, K. Marzuki, and L. Z. A. Mardedi, “Segmentasi Lokasi Promosi Penerimaan Mahasiswa Baru Menggunakan Metode RFM dan K-Means Clustering,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 2, pp. 275–282, 2022, doi: 10.30812/matrik.v21i2.1542.

A. Hermawan, N. R. Jayanti, A. Saputra, and C. Tambunan, “Optimalisasi Strategi Pemasaran Melalui Analisis RFM pada Dataset Transaksi Ritel Menggunakan Python,” no. 4, 2024.

N. Wayan Wardani et al., “Prediksi Pelanggan Loyal Menggunakan Metode Naïve Bayes Berdasarkan Segmentasi Pelanggan dengan Pemodelan RFM,” J. Manaj. Dan Teknol. Inf., vol. 12, no. 2, pp. 2087–5312, 2022, [Online]. Available: https://ojs.mahadewa.ac.id/index.php/jmti

F. Khalish, N. M. Piranti, and O. Martadireja, “Implementasi Data Mining Menggunakan Teknik Clustering dengan Metode K-Means,” vol. 8, pp. 5392–5397, 2025.

K. Z. Wijaya, A. Djunaidi, and F. Mahananto, “Segmentasi Pelanggan Menggunakan Algoritma K-Means dan Analisis RFM di Ova Gaming E-Sports Arena Kediri,” J. Tek. ITS, vol. 10, no. 2, 2021, doi: 10.12962/j23373539.v10i2.67707.

Carudin, “Jurnal Teknologi Terpadu PROBLEM,” J. Teknol. Terpadu Vol, vol. 7, no. 2, pp. 77–82, 2021, [Online]. Available: https://journal.nurulfikri.ac.id/index.php/jtt/article/download/318/201

B. T. Kristanti, A. Junaidi, and E. P. Mandyartha, “Implementasi K-Means Clustering Dalam Segmentasi Pelanggan Berdasarkan Usia, Pendapatan, Dan Model Rfm (Studi Kasus: Lantikya Store Jombang),” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, 2024, doi: 10.23960/jitet.v12i3.4677.

D. T. Warianta, P. Astagina, R. Julianto, and F. Y. Arini, “Optimasi K-Means Menggunakan Algoritma Firefly Untuk Segmentasi Pelanggan pada E-commerce,” vol. 14, no. 3, pp. 775–785, 2024.