Analisis Segmentasi Karakteristik Pelanggan pada Platform Olist Brazilian E-commerce dengan Metode RFM dan K-Means Clustering
Keywords:
Data Mining, Segmentasi Pelanggan, RFM, K-Means Clustering, CRISP-DMAbstract
Segmentasi pelanggan merupakan taktik penting untuk memahami karakteristik konsumen dan memfasilitasi pengambilan keputusan pemasaran yang lebih baik. Tujuan penelitian ini adalah menggunakan algoritma K-Means Clustering dan teknik Recency, Frequency, Monetary (RFM) untuk menyegmentasikan pelanggan berdasarkan perilaku transaksinya. Langkah-langkah metodologi penelitian CRISP-DM meliputi Pemahaman Bisnis, Pemahaman Data, Persiapan Data, Pemodelan, Evaluasi, dan Penerapan. Dataset E-Commerce Publik Brasil oleh Olist, yang diperoleh dari Kaggle, adalah dataset yang digunakan. Penggabungan data, pembersihan data, pengembangan variabel RFM, normalisasi data, dan pengelompokan K-Means merupakan langkah-langkah dalam proses analitis. Dengan menggunakan Metode Elbow, jumlah klaster yang ideal ditemukan sebanyak empat. Berdasarkan temuan studi ini, konsumen dapat dibagi menjadi empat kategori: Hibernating, At-Risk Customers, Loyal Customers, dan Best Customers. Hasil 0,4886, yang menunjukkan kualitas kluster yang cukup memadai, diperoleh dari evaluasi model menggunakan Skor Silhouette. Temuan segmentasi ini dapat digunakan sebagai titik awal untuk menyusun rencana pemasaran yang lebih spesifik berdasarkan karakteristik masing-masing klien.
References
Andini, Y., Hardinata, J. T., & Purba, Y. P. (2022). Penerapan Data Mining Terhadap Tata Letak Buku Di Perpustakaan Sintong Bingei Pematangsiantar Menggunakan Metode Apriori. Jurnal TIMES, 11(1), 9–15. https://doi.org/10.51351/jtm.11.1.2022661
Hendrastuty, N. (2024). Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa. Jurnal Ilmiah Informatika Dan Ilmu Komputer (JIMA-ILKOM), 3(1), 46–56. https://doi.org/10.58602/jima-ilkom.v3i1.26
Karimah, M., & Pahira, W. (2022). Penerapan Algoritma Apriori Pada Prediksi Penjualan Tanaman Hias Bromelia (Studi Kasus: Karimah Flora). Maret, 7(1), 2622–4615. http://openjournal.unpam.ac.id/index.php/informatika68
Mardiansa, M., Sari, H. L., & Prahasti, P. (2023). Penerapan Data Mining Untuk Mengetahui Minat Siswa Pada Pelajaran IPA Mengunakan Metode K-Means Clustering. Jurnal Multidisiplin Dehasen (MUDE), 2(4), 693–702. https://doi.org/10.37676/mude.v2i4.4749
Nugraha, D. S., Thoib, I., Sururi, N., Bayu F, F., & Candra, B. P. (2025). Segmentasi Pelanggan Berbasis Analisis RFM Menggunakan Algoritma K-Means Clustering. Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI), 4(2), 1361–1369. https://doi.org/10.62712/juktisi.v4i2.641
Onumanyi, A. J., Molokomme, D. N., Isaac, S. J., & Abu-Mahfouz, A. M. (2022). AutoElbow: An Automatic Elbow Detection Method for Estimating the Number of Clusters in a Dataset. Applied Sciences (Switzerland), 12(15). https://doi.org/10.3390/app12157515
Pujiono, S., Astuti, R., & Muhamad Basysyar, F. (2024). Implementasi Data Mining Untuk Menentukan Pola Penjualan Produk Menggunakan Algoritma K-Means Clustering. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 615–620. https://doi.org/10.36040/jati.v8i1.8360
Rafi Nahjan, M., Nono Heryana, & Apriade Voutama. (2023). Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 101–104. https://doi.org/10.36040/jati.v7i1.6094
Sudrajat, R., Hadiana, A. I., & Melina, M. (2025). Evaluasi Kualitas Klaster Wilayah Rawan Bencana Menggunakan K-Means dengan Silhouette dan Elbow Method. Jurnal Algoritma, 22(2), 127–139. https://doi.org/10.33364/algoritma/v.22-2.2379
Tivano, D., Ruslianto, I., & Prawira, D. (2023). Sistem Segmentasi Pelanggan Potensial Menggunakan Metode K-Means Dan Analisis Rfm. Coding Jurnal Komputer Dan Aplikasi, 11(3), 325. https://doi.org/10.26418/coding.v11i03.53238
Wijayanto, G., Widayati, T., Alamsyah, N., & Aminudin, R. (2026). Importance of Digitalization and Information System in Business : A Literature Review. International Journal of Business, Law, and Education, 7(1), 210–218.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Farhan Damar Wildan, Nur Azizah, Aldiyudha Pratama, Mufidah Karimah (Author)
This work is licensed under a Creative Commons Attribution 4.0 International License.
Creative Commons Attribution 4.0 International (CC BY 4.0).
This work is licensed under a 