Implementasi Segmentasi Pelanggan Menggunakan Metode K-Means pada Dataset Marketing Campaign Berbasis Website

Abstract

Perkembangan teknologi informasi menghasilkan data pelanggan dalam jumlah besar yang dapat dimanfaatkan untuk mendukung pengambilan keputusan bisnis. Namun, data tersebut sering kali belum diolah secara optimal sehingga diperlukan penerapan teknik data mining untuk memperoleh informasi yang bermanfaat. Penelitian ini bertujuan mengimplementasikan algoritma K-Means Clustering pada Marketing Campaign Dataset untuk melakukan segmentasi pelanggan berdasarkan karakteristik dan perilaku pembelian. Tahapan penelitian meliputi data cleaning, feature engineering, normalisasi data menggunakan Min-Max Scaling, penentuan jumlah cluster dengan Elbow Method, serta proses clustering menggunakan algoritma K-Means. Dataset yang digunakan berjumlah 2.240 data pelanggan, kemudian setelah proses data cleaning diperoleh 2.215 data yang digunakan dalam proses analisis. Hasil segmentasi selanjutnya diimplementasikan ke dalam aplikasi berbasis web yang dikembangkan menggunakan React, Supabase, dan Vercel, sehingga pengguna dapat mengimpor data, menjalankan proses clustering, serta melihat hasil segmentasi pelanggan secara interaktif. Implementasi sistem mampu mengelompokkan pelanggan ke dalam beberapa cluster berdasarkan karakteristik yang dimiliki sehingga dapat memberikan informasi yang berguna dalam penyusunan strategi pemasaran, penentuan target promosi, serta pengambilan keputusan bisnis yang lebih efektif dan berbasis data. Hasil evaluasi menunjukkan bahwa jumlah cluster optimal adalah 4 dengan nilai Silhouette Score sebesar 0.3723 sehingga menghasilkan segmentasi pelanggan yang baik.