Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Amymaztura, Rezky
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Segmentasi Perilaku Pembeli Marketplace Shopee Menggunakan Model RFM dan Algoritma K-Means Clustering pada Toko Retail Online XYZ di Yogyakarta Amymaztura, Rezky; Pratama, Irfan
JURNAL FASILKOM Vol. 16 No. 2 (2026): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v16i2.11903

Abstract

Perkembangan Marketplace Shopee di Indonesia membuat salah satu Toko Retail Online XYZ yang bergerak di bidang fashion di Yogakarta memerlukan strategi pemasaran yang efektif agar tepat sasaran. Data transaksi shopee toko tersebut hanya berakhir menjadi arsip penjualan dan belum diolah secara optimal sehingga mengalami kesulitan dalam mengelompokkan dan memahami perilaku pelanggan. Penelitian ditujukan untuk melakukan segmentasi perilaku pelanggan menggunakan pendekatan Customer Relationship Management (CRM) analitik dengan model RFM (Recency, Frequency, Monetary) dan Algoritma K-Means Clustering. Penelitian menggunakan 85.781 data transaksi periode 2025, yang kemudian dilakukan tahap preprocessing dan pembersihan outlier dengan Interquatile Range (IQR) sehingga menjadi 43.036 data. Evaluasi gabungan dilakukan untuk menentukan klaster optimal menggunakan metode Elbow, Silhouette Score dan Davies-Bouldin Index. Penelitian menetapkan hasil k=3 sebagai jumlah klaster optimal dengan titik siku pada grafik yang ditunjukkan pada grafik Elbow serta divalidasi menggunakan Silhouette Score dengan nilai paling tinggi 0,4949 dan nilai minimum Davies-Bouldin Index 0,7429. Mayoritas pelanggan memiliki karakteristik one-time buyers, didasari oleh nilai Frequency yang relatif sama sehingga nilai variabel Recency dan Monetary lebih mempengaruhi segmentasi. Segmen yang dihasilkan adalah Klaster 0 (New Customer / Potential), Klaster 1 (At Risk Customer), Klaster 2 (Lost Customer). Penelitian berhasil mengubah ribuan data transaksi menjadi informasi yang strategis dengan menggambarkan karakteristik setiap segmen pelanggan sehingga perusahaan dapat menerapkan strategi pemasaran dengan tepat.
Co-Authors Pratama, Irfan