Analisis Segmentasi Pelanggan dengan Algoritma K-Means pada Data Penjualan

Abstract

Persaingan dalam dunia bisnis penjualan semakin ketat, sehingga pemilik toko perlu strategi yang tepat untuk memahami pola perilaku pelanggan dan meningkatkan penjualan. Salah satu metode analisis data yang banyak digunakan adalah K-Means Clustering, yang dapat dimanfaatkan untuk menemukan pola serta tren dalam data penjualan. Penelitian ini dilakukan dengan maksud untuk mengetahui segmentasi pelanggan berdasarkan data transaksi penjualan agar diperoleh kelompok pelanggan dengan karakteristik yang serupa. Metode yang diterapkan dalam penelitian ini berupa algoritma K-Means pada dataset penjualan dengan total 1.289 data pelanggan. Evaluasi kualitas kluster dilakukan menggunakan indeks Davies-Bouldin (DBI), dengan hasil DBI sebesar 0,077 yang menunjukkan kualitas kluster sangat baik. Hasil analisis menghasilkan tiga kluster pelanggan, yaitu: kluster pertama (C1) pembeli setia dengan 562 pelanggan, kluster kedua (C2) pembeli sesekali dengan 279 pelanggan, dan kluster ketiga (C3) pembeli dengan pembelian rata-rata sebanyak 448 pelanggan. Implikasi dari hasil penelitian ini adalah pihak manajemen dapat menyusun strategi pemasaran yang lebih tepat, misalnya memberikan pendekatan personal pada pelanggan setia, serta merancang strategi khusus untuk menarik minat pembeli sesekali agar lebih loyal. Dengan demikian, hasil penelitian ini dapat berfungsi sebagai dasar dalam pengambilan keputusan pemasaran yang lebih efektif.