<![CDATA[Segmentasi pelanggan merupakan langkah penting dalam strategi pemasaran ritel berbasis data. Supermarket memiliki karakteristik pelanggan yang beragam sehingga diperlukan metode analisis yang mampu mengelompokkan pelanggan secara objektif dan akurat. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan supermarket menggunakan algoritma K-Means yang dikombinasikan dengan Principal Component Analysis (PCA). Dataset yang digunakan berisi atribut perilaku belanja pelanggan seperti usia, frekuensi transaksi, dan total pengeluaran. Tahapan penelitian meliputi preprocessing data, normalisasi fitur, reduksi dimensi menggunakan PCA, penentuan jumlah cluster optimal dengan Elbow Method dan Silhouette Score, serta visualisasi hasil clustering. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah empat cluster 0,284 yang menunjukkan kualitas pengelompokan pada kategori cukup. PCA berhasil mereduksi dimensi data menjadi dua komponen utama tanpa menghilangkan informasi penting serta mempermudah visualisasi cluster. Segmentasi yang dihasilkan mampu memberikan insight mengenai karakteristik pelanggan yang dapat dimanfaatkan sebagai dasar pengambilan keputusan strategis dalam pemasaran supermarket.]]>
Copyrights © 2025
