<![CDATA[Penelitian ini bertujuan untuk melakukan segmentasi pola transaksi pelanggan pada coffee shop guna memahami perilaku pembelian berdasarkan data transaksi. Data yang digunakan merupakan data penjualan coffee shop yang diperoleh dari platform Kaggle dengan jumlah lebih dari 3.500 transaksi, yang mencakup atribut nilai transaksi, waktu pembelian, dan hari transaksi. Metode yang digunakan dalam penelitian ini adalah pendekatan data mining dengan kerangka kerja Cross Industry Standard Process for Data Mining (CRISP-DM), serta algoritma K-Means sebagai teknik clustering. Tahapan penelitian meliputi pemahaman bisnis, pemahaman data, persiapan data, pemodelan, dan evaluasi. Pada tahap pemodelan dilakukan normalisasi data serta penentuan jumlah cluster optimal menggunakan metode Elbow, dengan nilai inertia sebesar 5839,77 pada k = 3. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga kelompok yang merepresentasikan karakteristik transaksi dengan nilai rendah, sedang, dan tinggi pada waktu tertentu. Setiap cluster menunjukkan pola transaksi yang berbeda sehingga dapat dimanfaatkan sebagai dasar dalam penyusunan strategi pemasaran yang lebih terarah. Penelitian ini menyimpulkan bahwa algoritma K-Means mampu mengelompokkan pola transaksi secara efektif serta memberikan wawasan yang bermanfaat dalam memahami perilaku pembelian pelanggan pada coffee shop.]]>
Copyrights © 2026
