Analisis Segmentasi Pelanggan E-Commerce Menggunakan Metode Clustering Berbasis RFM

Abstract

Pertumbuhan pesat industri e-commerce menghasilkan volume data transaksi pelanggan yang besar dan kompleks. Pemanfaatan data tersebut secara optimal menjadi tantangan bagi perusahaan dalam menyusun strategi pemasaran berbasis perilaku pelanggan. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan e-commerce menggunakan pendekatan Recency, Frequency, Monetary (RFM) yang dikombinasikan dengan algoritma K-Means clustering. Dataset yang digunakan adalah Brazilian E-Commerce Public Dataset (Olist) yang diperoleh dari Kaggle. Tahapan penelitian meliputi preprocessing data, perhitungan nilai RFM, normalisasi menggunakan Min-Max Scaling, penentuan jumlah cluster menggunakan metode Elbow, serta evaluasi model menggunakan Silhouette Score. Hasil penelitian menunjukkan bahwa segmentasi berbasis RFM mampu mengelompokkan pelanggan ke dalam beberapa cluster dengan karakteristik berbeda. Evaluasi model menghasilkan nilai Silhouette Score sebesar 0,278 yang menunjukkan kualitas cluster cukup baik. Segmentasi yang dihasilkan dapat digunakan sebagai dasar penyusunan strategi retensi pelanggan, reaktivasi pelanggan berisiko churn, serta optimalisasi pemasaran berbasis data.