<![CDATA[Persaingan dalam bisnis retail online menuntut perusahaan memahami perilaku pelanggan secara efektif. Penelitian ini bertujuan melakukan segmentasi pelanggan menggunakan metode Recency, Frequency, Monetary (RFM) dan algoritma K-Means Clustering pada dataset Online Retail II dari Kaggle. Dataset awal terdiri dari 1.067.371 transaksi periode Desember 2009–Desember 2011. Setelah preprocessing, termasuk penghapusan data duplikat dan penanganan outlier menggunakan metode IQR, diperoleh 663.373 transaksi valid dari 5.675 pelanggan unik. Nilai RFM dihitung, kemudian dilakukan transformasi logaritmik dan normalisasi menggunakan StandardScaler. Penentuan jumlah klaster optimal dilakukan dengan Elbow Method dan Silhouette Score pada rentang k=2 hingga k=8. Hasil penelitian menunjukkan bahwa empat klaster merupakan konfigurasi terbaik dengan Silhouette Score sebesar 0,3607. Klaster yang terbentuk terdiri atas Pelanggan Setia (19,9%), Pelanggan Potensial (21,1%), Pelanggan Berisiko (24,7%), dan Pelanggan Tidak Aktif (34,3%). Hasil segmentasi memberikan informasi yang dapat digunakan untuk menyusun strategi pemasaran yang lebih tepat sasaran dan meningkatkan retensi pelanggan.]]>
Copyrights © 2026
