Analisis Segmentasi Transaksi Penjualan Produk Apple secara Global Menggunakan Algoritma K-Means Clustering
Keywords:
K-Means Clustering, Data Mining, Segmentasi Penjualan, Produk Apple, Customer RatingAbstract
Industri teknologi konsumen global menghasilkan volume data transaksi yang sangat besar, namun potensi data tersebut belum sepenuhnya dimanfaatkan untuk mendukung pengambilan keputusan bisnis yang strategis. Penelitian ini bertujuan untuk melakukan segmentasi terhadap data transaksi penjualan produk Apple secara global menggunakan algoritma K-Means Clustering, guna mengidentifikasi kelompok-kelompok transaksi yang memiliki kesamaan karakteristik dan menghasilkan wawasan yang dapat diterapkan dalam strategi penjualan. Dataset yang digunakan terdiri dari 11.500 baris dan 27 kolom yang mencakup periode tahun 2022 hingga 2024, meliputi 47 negara dan enam kategori produk Apple. Setelah proses pra-pemrosesan berupa penghapusan nilai kosong pada fitur clustering dan normalisasi menggunakan StandardScaler, diperoleh 8.140 data yang valid. Fitur yang digunakan sebagai input clustering meliputi revenue_usd, units_sold, discount_pct, dan customer_rating. Penentuan jumlah klaster optimal dilakukan menggunakan Elbow Method yang mengidentifikasi K = 4 sebagai nilai optimal, dan kualitas klaster divalidasi menggunakan Silhouette Score dengan nilai 0,3120. Hasil clustering menghasilkan empat segmen transaksi yang berbeda secara karakteristik, yaitu segmen transaksi bernilai tinggi dengan volume pembelian besar, segmen sensitif terhadap diskon, segmen dengan kepuasan pelanggan tinggi, serta segmen dengan kepuasan pelanggan rendah. Temuan penelitian menunjukkan bahwa tingkat kepuasan pelanggan tidak berkorelasi langsung dengan nilai transaksi maupun besaran diskon. Hasil segmentasi ini dapat dimanfaatkan sebagai dasar perancangan strategi pemasaran yang lebih tertarget sesuai karakteristik masing-masing segmen.
References
[1] Global Smartphone Shipments 2023 : Apple Dethroned Samsung Smartphone Shipments 2023 : Main Highlights
[2] Mark One, SECURITIES AND EXCHANGE COMMISSION, vol. 12, 2023.
[3] A M Global, Smartphone Revenues Resume Growth in 2024 After Two Years , ASP Hits Record High, pp. 24-27, 2025.
[4] Milano Master Degree, Computer Science, Alberto Ceselli Lecture, Data Mining : Concepts and, 2012.
[5] K. P. Sinaga and M. Yang, "Unsupervised K-Means Clustering Algorithm," vol. 8, 2020.
[6] K. Tabianan, S. Velu, and V. Ravi, "K-Means Clustering Approach for Intelligent Customer Segmentation Using Customer Purchase Behavior Data Segmentation Using Customer Purchase Behavior Data"
[7] C. P. Ufeli, M. U. Sattar, R. Hasan, and S. Mahmood, "Enhancing Customer Segmentation Through Factor Analysis of Mixed Data ( FAMD ) -Based Approach Using K-Means and Hierarchical Clustering Algorithms"
[8] J. Tang and J. Tang, "Unlocking Retail Insights : Predictive Modeling and Customer Segmentation Through Data Analytics Segmentation Through Data Analytics"
[9] J. M. John, O. Shobayo, B. Ogunleye, J. M. John, and O. Shobayo, "An Exploration of Clustering Algorithms for Customer Segmentation in the UK Retail Market An Exploration of Clustering Algorithms for Customer Segmentation in the UK Retail Market"
[10] G. W. Id, "Customer segmentation in the digital marketing using a Q -learning based differential evolution algorithm integrated with K -means clustering," pp. 1-21, 2025, doi: 10.1371/journal.pone.0318519.
