Perbandingan K-Means dan K-Medoids dalam Segmentasi Pelanggan E-Commerce: System Literature Review

Sela, Mosses Ara’al De
Pardede, Debora Hizkhia
Rilvani, Elkin

Indonesian Research Journal on Education
Vol. 5 No. 4 (2025): Irje 2025

Segmentasi pelanggan merupakan salah satu strategi penting dalam e-commerce untuk memahami perilaku konsumen dan meningkatkan efektivitas pemasaran. Dua algoritma yang sering digunakan dalam segmentasi adalah K-Means dan K-Medoids. Penelitian ini bertujuan untuk melakukan tinjauan sistematis terhadap literatur yang membandingkan performa K-Means dan K-Medoids dalam konteks segmentasi pelanggan e-commerce. Metode systematic literature review (SLR) digunakan dengan mengacu pada protokol pencarian, seleksi, dan analisis dari berbagai sumber ilmiah terindeks selama 5 tahun terakhir. Hasil tinjauan menunjukkan bahwa K-Means unggul dalam efisiensi komputasi dan cocok untuk dataset besar, namun lebih sensitif terhadap Outlier. Sebaliknya, K-Medoids menunjukkan ketahanan lebih tinggi terhadap Outlier dan hasil klaster yang lebih stabil, meskipun dengan beban komputasi yang lebih besar. Pemilihan algoritma yang tepat bergantung pada karakteristik data dan tujuan segmentasi. Studi ini memberikan wawasan penting bagi peneliti dan praktisi dalam menentukan pendekatan segmentasi pelanggan yang paling sesuai dalam lingkungan e-commerce.