Clustering Pelanggan dengan K-Means Menggunakan Parameter Frekuensi Belanja dan Total Pengeluaran
Article Sidebar
Main Article Content
Abstract
Customer segmentation is an important strategy for understanding consumer behavior patterns. This study aims to group customers using the K-Means algorithm based on purchase frequency and total expenditure. The research process was conducted using RapidMiner as a data mining tool for data processing and analysis. The research stages include dataset collection, data preprocessing, implementation of the K-Means algorithm, and evaluation of clustering quality using the Performance (Clustering) method. The number of clusters used in this study is two clusters (k = 2). The results show that the K-Means algorithm is able to form customer groups with different characteristics. Model evaluation produces a positive Silhouette Coefficient and a relatively low Davies–Bouldin Index, indicating good internal cluster cohesion and clear separation between clusters. Therefore, the application of the K-Means method using RapidMiner can be utilized as a solution to support customer segmentation and assist decision-making in marketing strategies.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Annas, M., & Wahab, S. N. (2023). Data Mining Methods: K-Means Clustering Algorithms. International Journal of Cyber and IT Service Management (IJCITSM), 3(1), 40–47. https://iiast.iaic-publisher.org/ijcitsm/index.php/IJCITSM/article/view/122
Arifianto, F., Hasudungan, J., Muzaky, A., & Achsan, H. T. Y. (2024). Segmentasi Pelanggan Berdasarkan Recency , Frequency , dan Monetary dengan K-Means Clustering : Studi Kasus Toko Pakaian Almost Famous komponen penting dari strategi bisnis modern . Dalam era komputer dan internet saat ini , untuk mengumpulkan informasi b. 10(1), 122–135.
Atmoko, F. D., Studi, P., Informatika, T., & Ulama, U. N. (2025). Penerapan K-Means Clustering untuk Segmentasi Pelanggan Fathoni Dwi Atmoko Perusahaan di berbagai industri telah beralih ke Customer Relationship Management ( CRM ) yang canggih , di mana segmentasi pelanggan adalah fondasi utamanya . Dengan Segmentasi Pe.
Dona, & Rifqi, M. (2022). Dona, 2) Mi’rajul Rifqi ABSTRAK. 7(2).
Elektro, J. T. (2024). K-means clustering method for customer segmentation based on potential purchases. 8(1), 83–90.
Faidah, M. I., & Fatah, Z. (2025). Clustering K-Means Dengan Rapidminer Untuk Identifikasi Produk Terlaris. JUSIFOR : Jurnal Sistem Informasi Dan Informatika, 4(1), 25–33. https://doi.org/10.70609/jusifor.v4i1.5821
Hidayat, N., Gevano, D. P., Putra, A., & Ilahi, R. (2025). Segmentasi Pelanggan Menggunakan K-Means Clustering Berdasarkan Data Kepribadian dan Pola Konsumsi. 6(5), 3914–3924.
Jihan, A., Prihartono, W., & Cirebon, K. (2025). KONSUMEN K-MEANS BERDASARKAN MODEL RFM. 13(2).
Kristanti, B. T., Junaidi, A., & Mandyartha, E. P. (2024). IMPLEMENTASI K-MEANS CLUSTER ING DALAM SEGMENTASI PELANGGAN BERDASARKAN USIA , PENDAPATAN , DAN MODEL RFM ( STUDI KASUS : LANTIKYA STORE JOMBANG ). 12(3).
Malang, S. A. (2019). Segmentasi Pelanggan Internet Service Provider ( ISP ) Berbasis Pillar K-Means. 13(2), 151–159.
Pengeluaran, D. A. N., Sel, K. P., Banyumas, K., & Tengah, J. (2023). KLASTERISASI PENGUNJUNG MALL MENGGUNAKAN ALGORITMA K-MEANS BERDASARKAN PENDAPATAN. 11(3).
Rahma, A. A., Faqih, A., & Rinaldi, R. (2025). Optimalisasi Strategi Pemasaran melalui Segmentasi Pelanggan dengan Analisis RFM dan Algoritma K-Means untuk Bisnis Ritel Marketing Strategy Optimization through Customer Segmentation with RFM Analysis and K-Means Algorithm for Retail Businesses. 2, 338–351. https://doi.org/10.26798/jiko.v9i2.1737
Ramadhan, R. R., & Saprudin, U. (2022). Penerapan Rapidminer Menggunakan Metode K-Means untuk Pengelompokkan Puskesmas pada Cakupan Imunisasi Dasar ( Studi Kasus : Kota Bandung ) Abstrak PENDAHULUAN World Health Organization ( WHO ) menyatakan bahwa program imunisasi sejak tahun 1974 menjadi ko. 8(2), 176–187.
Safitri, H., Putri, S., Geni, L., Merry, F., & Wati, M. (2025). Penerapan K-Means Clustering untuk Segmentasi Konsumen E-Commerce Berdasarkan Pola Pembelian. 7, 89–99.
Sari, Y. R., Sudewa, A., Lestari, D. A., & Jaya, T. I. (2020). Penerapan Algoritma K-Means Untuk Clustering Data Kemiskinan Provinsi Banten Menggunakan Rapidminer. CESS (Journal of Computer Engineering, System and Science), 5(2), 192. https://doi.org/10.24114/cess.v5i2.18519