Segmentasi Perilaku Belanja Pelanggan dengan K-Means Clustering

Nabila Amanda (Universitas Methodist Indonesia)
Steaven Yehezkiel Sidabutar (Universitas Methodist Indonesia)
Dominikus Zemika Pratama (Universitas Methodist Indonesia)
Audy Rizky Butar Butar (Universitas Methodist Indonesia)
Indra M Sarkis S (Universitas Methodist Indonesia)

Jurnal Sistem Informasi dan Teknologi Jaringan
Vol 7 No 2 (2026): September

Penelitian ini bertujuan mengelompokkan konsumen berdasarkan pendapatan tahunan dan skor belanja menggunakan metode K-Means Clustering agar diperoleh segmen konsumen yang lebih seragam untuk merumuskan strategi pemasaran. Desain/metode/pendekatan: Dataset yang digunakan adalah Mall Customer Segmentation Data dari Kaggle dengan 200 data konsumen. Tahapan meliputi praproses data, normalisasi Z-score, penentuan jumlah cluster optimal dengan metode Elbow dan Silhouette Score untuk k = 2 hingga k = 10, serta pembentukan model K-Means. Temuan/hasil: k = 5 memberikan Silhouette Score tertinggi, yaitu 0,5547. Model lima cluster membentuk segmen Pelanggan Standar (40,5%), Premium (19,5%), Impulsif (11,0%), Hemat (17,5%), dan Pasif (11,5%). Kesimpulan: Hasil segmentasi dapat menjadi landasan bagi manajemen ritel dalam merumuskan strategi pemasaran yang lebih individual dan efisien.