Penerapan Algoritma K-Means Clustering untuk Segmentasi Pelanggan pada Sistem Informasi E-Commerce

Abstract

Penelitian ini berhasil mengimplementasikan algoritma K-Means Clustering berbasis analisis RFM (Recency, Frequency, Monetary) untuk segmentasi pelanggan e-commerce, menghasilkan tiga segmen pelanggan yang terdefinisi jelas dengan kualitas pengelompokan baik (Silhouette Score 0,612). Dari 600 pelanggan yang dianalisis (sampel acak dari dataset Online Retail), terbentuk tiga kelompok: Pelanggan Aktif (418 orang, 70,4%), Pelanggan Potensial (93 orang, 15,7%), dan Pelanggan Pasif (83 orang, 14,0%). Hasil segmentasi ini telah berhasil diintegrasikan ke dalam sistem informasi e-commerce melalui REST API berbasis Flask, sehingga tim manajemen dapat langsung memanfaatkannya untuk strategi pemasaran yang lebih terarah. Secara metodologis, data yang digunakan adalah Online Retail Dataset periode Desember 2010 sampai Desember 2011 (68.636 record awal dari 600 pelanggan terpilih), yang setelah preprocessing menyisakan 67.198 record valid. Jumlah klaster optimal ditentukan dengan metode Elbow pada k=3, diimplementasikan dengan Python dan Scikit-learn. Temuan ini menunjukkan bahwa kombinasi K-Means dan RFM efektif sebagai dasar sistem rekomendasi strategi pemasaran berbasis data pada platform e-commerce.