Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Journal of Information Systems and Business Technology Journal of Data Science and Informatics Engineering
Steven Wijaya
Universitas Pamulang
Computer Science & IT Library & Information Science

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : journal of data science and informatics engineering

 1 
Pemanfaatan Data Mining untuk Identifikasi Pola Perilaku Pelanggan Menggunakan Model RFM dan Algoritma K-Means dalam Mendukung Strategi Bisnis Sabrina Shoraida Fitriah; Steven Wijaya; Revina Dwi Lestari Simamora
Journal of Data Science and Informatics Engineering Vol. 1 No. 2 (2026): April 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/jodsie.v1i2.35

Abstract

Transformasi digital pada sektor bisnis menyebabkan peningkatan volume data transaksi penjualan yang dapat dimanfaatkan untuk mendukung pengambilan keputusan berbasis data. Namun, banyak perusahaan masih belum memanfaatkan data transaksi secara optimal untuk memperoleh informasi strategis. Penelitian ini bertujuan mengidentifikasi pola perilaku pelanggan berdasarkan data transaksi penjualan menggunakan teknik data mining guna mendukung strategi bisnis yang lebih efektif. Penelitian menggunakan dataset Online Retail II dengan pendekatan CRISP-DM yang meliputi tahap pemahaman bisnis, persiapan data, pemodelan, dan evaluasi. Data yang telah dibersihkan ditransformasikan menggunakan model Recency, Frequency, Monetary (RFM) untuk merepresentasikan perilaku pelanggan. Proses segmentasi dilakukan menggunakan algoritma K-Means dengan jumlah cluster optimal yang ditentukan melalui Elbow Method. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga cluster dengan nilai Silhouette Score sebesar 0,5321 yang menunjukkan kualitas cluster cukup baik. Cluster yang terbentuk terdiri atas pelanggan menengah, pelanggan tidak aktif, dan pelanggan loyal. Selain itu, segmentasi RFM menunjukkan bahwa sebagian besar pelanggan berada pada kategori pasif dan berisiko, sementara sebagian lainnya termasuk pelanggan setia dan pelanggan terbaik. Hasil penelitian membuktikan bahwa kombinasi model RFM dan algoritma K-Means mampu mengidentifikasi pola perilaku pelanggan secara efektif serta mendukung penyusunan strategi pemasaran yang lebih tepat sasaran dan berbasis data.
Co-Authors Chairul Anwar Revina Dwi Lestari Simamora Sabrina Shoraida Fitriah Wahyu Omar Gibran