Penerapan Data Mining untuk Customer Intelligence dalam Meningkatkan Strategi Bisnis Retail Menggunakan K-Means dan FP-Growth

Abstract

Perkembangan industri ritel yang semakin kompetitif menuntut perusahaan untuk memahami karakteristik serta perilaku konsumennya secara lebih mendalam. Pemanfaatan data transaksi yang tersimpan dalam basis data perusahaan dapat menjadi sumber informasi strategis dalam mendukung pengambilan keputusan bisnis. Penelitian ini bertujuan menerapkan teknik data mining untuk membangun customer intelligence guna meningkatkan efektivitas strategi bisnis ritel. Metode yang digunakan adalah algoritma K-Means untuk melakukan segmentasi pelanggan berdasarkan karakteristik transaksi dan algoritma FP-Growth untuk menemukan pola keterkaitan pembelian produk yang sering terjadi secara bersamaan. Proses penelitian diawali dengan pengumpulan dan pembersihan data transaksi, dilanjutkan dengan transformasi data, pengelompokan pelanggan menggunakan K-Means, serta analisis asosiasi produk menggunakan FP-Growth. Hasil segmentasi pelanggan diharapkan mampu mengidentifikasi kelompok konsumen berdasarkan tingkat aktivitas dan nilai transaksi sehingga perusahaan dapat menyusun strategi pemasaran yang lebih tepat sasaran. Sementara itu, pola asosiasi produk yang dihasilkan dari FP-Growth dapat dimanfaatkan dalam penyusunan promosi, penempatan produk, dan strategi cross-selling. Melalui kombinasi kedua algoritma tersebut, penelitian ini diharapkan mampu menghasilkan informasi yang bernilai bagi perusahaan dalam memahami perilaku pelanggan, meningkatkan loyalitas konsumen, serta mengoptimalkan kinerja bisnis ritel secara berkelanjutan.