Implementasi Algoritma XGBoost untuk Klasifikasi Customer Segment dalam Mengidentifikasi Nilai dan Loyalitas Pelanggan

Nabil Abdul Majid (Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta)
Muhammad Rifky Hafan (Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta)
Trafrika Nining Erina (Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta)
Savina Dyah Arwiana (Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta)
Aprilisa Arum Sari (Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta)

Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026

Customer Segment sangat diperlukan agar perusahaan dapat memahami sifat pelanggan dan merancang strategi pemasaran yang lebih efisien. Studi ini bertujuan menerapkan algoritma Extreme Gradient Boosting (XGBoost) untuk mengelompokkan pelanggan ke dalam empat segmen, yaitu High_Value, Loyal, Regular, dan Occasional, dengan dasar karakteristik demografis serta perilaku pelanggan. Dataset yang digunakan merupakan Customer Segment Ritel Online dari Kaggle, dengan langkah penelitian mencakup pra-pemrosesan data, transformasi data, pemodelan dengan XGBoost, dan penilaian model. Temuan penelitian mengindikasikan bahwa model XGBoost dapat meraih akurasi hingga 75%. Analisis mendalam mengindikasikan bahwa purchase_frequency dan months_active adalah variabel yang paling berpengaruh dalam klasifikasi. Oleh karena itu, XGBoost sangat efisien dalam mengklasifikasikan segmen pelanggan dan dapat membantu dalam menentukan nilai serta kesetiaan pelanggan sebagai landasan untuk keputusan pemasaran.