Penerapan K-Means Clustering Untuk Segmentasi UMKM Berbasis Rapid Miner

Mohammad Nailul Fahmi (Universitas Ibrahimy)
Zaehol Fatah (Universitas Ibrahimy)

"JAMASTIKA" Jurnal Mahasiswa Teknik Informatika
Vol. 5 No. 1 (2026): Volume 5 Nomor 1 April 2026

Despite their significant contribution to economic development, Micro, Small, and Medium Enterprises (MSMEs) face heterogeneous operational challenges and market barriers, necessitating a segmented approach—such as cluster analysis—to better understand and address their diverse needs. their varied characteristics present challenges in formulating effective and focused empowerment policies and programs. This study seeks to develop an MSME segmentation model based on objective data using the K-Means Clustering algorithm. Secondary MSME data analysis was conducted considering four key performance indicators: annual revenue, net profit, number of employees, and operational lifespan. The data mining process, from data preparation to model development, was applied in a structured manner using the RapidMiner application. The findings of this research show that the most appropriate clustering results in K business groups with distinct performance profiles, for example, MSMEs with high profitability and MSMEs with a low level of maturity (operational lifespan). This segmentation provides strategic insights that can be utilized by financial institutions and business advisors to design more accurate, efficient programs tailored specific to the profile of each MSME segment. Keywords: Segmentation, K-Means Clustering, MSMEs, RapidMiner, Data Mining.   UMKM memegang peranan krusial sebagai buffer ekonomi selama periode krisis serta menjadi tulang punggung perekonomian domestik, meskipun demikian variasi karakteristik yang ada menghadirkan tantangan dalam merumuskan kebijakan dan program pemberdayaan yang efektif dan terfokus. Kajian ini berupaya untuk membangun sebuah model segmentasi UMKM yang didasarkan pada data objektif dengan menerapkan algoritma K-Means Clustering. Analisis data sekunder UMKM dilakukan dengan mempertimbangkan empat indikator kinerja utama, yakni pendapatan tahunan, laba bersih, jumlah tenaga kerja, dan rentang waktu operasional. Proses Data Mining, mulai dari tahap persiapan data hingga pembentukan model, diaplikasikan secara terstruktur menggunakan aplikasi RapidMiner. Temuan dari analisis ini mengindikasikan bahwa pembentukan klaster yang paling sesuai menghasilkan K kelompok usaha dengan profil kinerja yang mencolok, contohnya kelompok UMKM dengan tingkat profitabilitas tinggi dan kelompok UMKM dengan tingkat kematangan (rentang waktu operasional) yang belum tinggi. Segmentasi ini memberikan wawasan strategis yang dapat dimanfaatkan oleh lembaga keuangan dan pendamping usaha untuk merancang program yang lebih akurat, efisien, dan berdasarkan analisis kebutuhan yang spesifik tiap-tiap kelompok UMKM. Kata Kunci: Segmentasi, K-Means Clustering ,UMKM, RapidMiner, Data Mining.