Segmentasi Pola Pembatalan Pemesanan Layanan di Salon Nail Art XYZ Menggunakan K-Means Clustering dan Evaluasi dengan Davies-Bouldin Index

Abstract

The beauty industry, particularly nail art, is experiencing rapid growth as consumer demand for nail care services increases. However, the high booking cancellation rate is a challenge that can reduce operational efficiency and customer loyalty. This research focuses on segmenting XYZ Nail Art Salon customers based on cancellation patterns by applying the K-Means algorithm and evaluating using the Davies-Bouldin Index (DBI). In contrast to previous research which is generally conducted in e-commerce, hotels, and retail, this research focuses on the beauty service industry which is still rarely explored. The data used comes from the Kaggle platform with 400 order data. The analysis process includes pre-processing, key feature selection (Cancel Description and Days), and K-Means implementation. The clustering results showed two main segments: 288 customers with planned cancellation patterns and 112 customers with spontaneous cancellation patterns. Evaluation using DBI yielded a value of 0.399 indicating good clustering quality. This segment distinction has practical implications, such as automatic reminder strategies for customers with planned cancellations, as well as providing schedule flexibility or special promotions for customers with spontaneous cancellations. This research contributes to providing data-driven insights for salon management to devise more targeted marketing strategies, reducing the level of customer churn.Industri kecantikan, terutama nail art, terus berkembang seiring meningkatnya minat konsumen terhadap perawatan kuku kreatif. Namun, di tengah tingginya permintaan, salon nail art sering menghadapi tantangan dalam memahami perilaku pelanggan, khususnya terkait pola pembatalan pemesanan layanan. Untuk meningkatkan efisiensi operasional dan menyusun strategi pemasaran yang lebih tepat, diperlukan segmentasi pelanggan berdasarkan pola pembatalan. Penelitian ini menerapkan algoritma K-Means untuk clustering pelanggan di Salon Nail Art XYZ berdasarkan karakteristik pola pembatalan pemesanan layanan. Proses analisis meliputi pre-processing data, seperti pembersihan, normalisasi, dan analisis atribut relevan. Hasil clustering menunjukkan dua klaster utama: 288 pelanggan dengan pola pembatalan terencana dan 112 pelanggan dengan pola pembatalan spontan. Setiap klaster memiliki karakteristik unik yang dapat digunakan untuk strategi mitigasi pembatalan, seperti pengikat janji temu untuk pelanggan dengan pembatalan terencana serta penawaran diskon atau fleksibilitas jadwak untuk pelanggan dengan pembatalan spontan. Evaluasi menggunakan Davies-Bouldin Index (DBI) menghasilkan nilai 0,399, menunjukkan kualitas clustering yang baik. Dengan memahami pola pembatalan ini, Salon Nail Art XYZ dapat mengembangkan strategi yang lebih efektif untuk mengurangi tingkat pembatalan, meningkatkan kepuasan pelanggan, serta mendukung pengambilan keputusan berbasis data. Penyesuaian layanan dan promosi berdasarkan karakteristik setiap segmen pelanggan diharapkan dapat meningkatkan loyalitas pelanggan serta daya saing salon di industri nail art yang semakin kompetitif.