Pemanfaatan Data Mining untuk Identifikasi Pola Perilaku Pelanggan Menggunakan Model RFM dan Algoritma K-Means dalam Mendukung Strategi Bisnis
DOI:
https://doi.org/10.64803/jodsie.v1i2.35Kata Kunci:
Data Mining, Strategi Bisnis, k-means, segmentasi pelanggan, klasterisasi, RFMAbstrak
Transformasi digital pada sektor bisnis menyebabkan peningkatan volume data transaksi penjualan yang dapat dimanfaatkan untuk mendukung pengambilan keputusan berbasis data. Namun, banyak perusahaan masih belum memanfaatkan data transaksi secara optimal untuk memperoleh informasi strategis. Penelitian ini bertujuan mengidentifikasi pola perilaku pelanggan berdasarkan data transaksi penjualan menggunakan teknik data mining guna mendukung strategi bisnis yang lebih efektif. Penelitian menggunakan dataset Online Retail II dengan pendekatan CRISP-DM yang meliputi tahap pemahaman bisnis, persiapan data, pemodelan, dan evaluasi. Data yang telah dibersihkan ditransformasikan menggunakan model Recency, Frequency, Monetary (RFM) untuk merepresentasikan perilaku pelanggan. Proses segmentasi dilakukan menggunakan algoritma K-Means dengan jumlah cluster optimal yang ditentukan melalui Elbow Method. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga cluster dengan nilai Silhouette Score sebesar 0,5321 yang menunjukkan kualitas cluster cukup baik. Cluster yang terbentuk terdiri atas pelanggan menengah, pelanggan tidak aktif, dan pelanggan loyal. Selain itu, segmentasi RFM menunjukkan bahwa sebagian besar pelanggan berada pada kategori pasif dan berisiko, sementara sebagian lainnya termasuk pelanggan setia dan pelanggan terbaik. Hasil penelitian membuktikan bahwa kombinasi model RFM dan algoritma K-Means mampu mengidentifikasi pola perilaku pelanggan secara efektif serta mendukung penyusunan strategi pemasaran yang lebih tepat sasaran dan berbasis data.
Referensi
[1]. Fajar, M., Adji, M., & Dwilestari, G. (2025). ANALISIS DATA TRANSAKSI PENJUALAN BARANG MENGGUNAKAN TEKNIK K-MEANS CLUSTERING. 9(1), 619–625.
[2]. Sulistyo, G. B., Hasan, N., Kiswati, S., Natalia, F., Muningsih, E., & Korespondensi, P. (2025). Segmentasi Pelanggan dan Optimalisasi Penjualan pada Data Retail Online Berbasis Model RFM. Computer and Network Technology, 5(1), 16–22. http://jurnal.bsi.ac.id/index.php/conten16
[3]. Niko, N. S., Rahman, A., Marini Umi Atmaja, D., & Basri, A. (2023). Klasterisasi Stok Produk Retail Untuk Menetukan Pergerakan Kebutuhan Konsumen Dengan Algoritma K-Means. Bulletin of Information Technology (BIT), 4(3), 306–312. https://doi.org/10.47065/bit.v4i3.736
[4]. Nugraha, R. D., Adelia, D. D., & Rivaldi, D. (2025). Segmentasi Pelanggan Retail Berbasis Perilaku menggunakan Algoritma K-Means Clustering. Digital Transformation Technology, 5(2), 141–148. https://itscience.org/jurnal/index.php/digitech/article/view/6340
[5]. Wibowo, A., & Handoko, A. R. (2020). Segmentasi Pelanggan Ritel Produk Farmasi Obat Menggunakan Metode Data Mining Klasterisasi Dengan Analisis Recency Frequency Monetary (RFM) Termodifikasi. Jurnal Teknologi Informasi Dan Ilmu Komputer, 7(3), 573. https://doi.org/10.25126/jtiik.2020702925
[6]. Mirantika, N., Syamfithriani, T. S., & Trisudarmo, R. (2023). Implementasi Algoritma K-Medoids Clustering Untuk Menentukan Segmentasi Pelanggan. Jurnal Nuansa Informatika, 17(1), 196–204.
[7]. 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
[8]. Awalina, E. F. L., & Rahayu, W. I. (2023). Optimalisasi Strategi Pemasaran dengan Segmentasi Pelanggan Menggunakan Penerapan K-Means Clustering pada Transaksi Online Retail. Jurnal Teknologi Dan Informasi, 13(2), 122–137. https://doi.org/10.34010/jati.v13i2.10090
[9]. Kumar, Sunil; Lochab,A.; Mishra, M. (2021). The Impact of Business Model Innovation (BMI) and Organisational Values on Firm Performance: Mediating Role of Corporate Sustainability. Corporate Sustainability-A New Paradigm, 32(3), 56–71.
[10]. Baihaqi, W. M. (2024). PENERAPAN DATA MINING DALAM MENGANALISIS. 1(2), 73–79.
[11]. Daniati, E. (n.d.). Analisis Segmentasi Kebiasaan Belanja Berdasarkan Data Penjualan Menggunakan Metode K-Means. 9, 1743–1752.
[12]. Aini, N., Suarna, N., & Prihartono, W. (2023). STRATEGI PROMOSI ONLINE SHOP DI MEDIA SOSIAL MELALUI PENERAPAN DATA MINING DENGAN METODE K-MEANS CLUSTERING. 7(6), 3628–3632.
[13]. Pratama, M., & Zulfiandry, R. (2025). Implementasi Data Mining Untuk Analisis Prilaku Konsumen Dalam Meningkatkan Penjualan Di Shopee. 21(2), 703–709.
[14]. Fajar, M., Adam, S., Putra, B., Puteri, S. I., Fajrissiddiq, A., & Sani, L. (2025). Eksplorasi dan Analisis Data Mining untuk Prediksi Pola Konsumen Menggunakan Teknik Klasifikasi dan Clustering.
[15]. Putra, E. R., & Septiani, S. (2026). PEMANFAATAN DATA MINING UNTUK IDENTIFIKASI POLA PEMBELIAN PRODUK PLATFORM PERDAGANGAN ELEKTRONIK E-COMMERCE PLAZA BANTEN. 9(1), 160–172.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Sabrina Shoraida Fitriah, Steven Wijaya, Revina Dwi Lestari Simamora (Author)
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
