Analisis Cluster Pola Belanja Konsumen Menggunakan Metode RFM dan K-Means pada Dataset Online Retail

Penelitian ini bertujuan untuk menganalisis pola belanja konsumen melalui segmentasi pelanggan menggunakan metode RFM (Recency, Frequency, Monetary) dan algoritma K-Means Clustering. Dataset yang digunakan berasal dari transaksi pelanggan pada platform ritel daring. Setiap pelanggan dianalisis berdasarkan waktu pembelian terakhir, frekuensi transaksi, dan total nilai transaksi. Skor RFM yang dihasilkan digunakan sebagai dasar pengelompokan pelanggan ke dalam klaster. Metode Elbow dan Silhouette digunakan untuk menentukan jumlah klaster optimal. Hasilnya menunjukkan tiga klaster pelanggan dengan karakteristik berbeda: pelanggan tidak aktif, pelanggan potensial, dan pelanggan loyal. Evaluasi model menghasilkan nilai Silhouette Score sebesar 0,47, WSS sebesar 880,10, dan BSS sebesar 1320,22, yang menunjukkan kualitas segmentasi yang cukup baik. Penelitian ini diharapkan dapat membantu perusahaan dalam merancang strategi pemasaran yang efektif dan berbasis data.