Segmentasi Pelanggan menggunakan Metode K-means Clustering Berdasarkan Model RFM pada Bisnis Food and Beverage (Studi Kasus: Coffee shop X)
DOI:
https://doi.org/10.25077/TEKNOSI.v11i3.2025.218-225Kata Kunci:
RFM, K-Means, ClusteringAbstrak
Data tidak bisa dipisahkan dari bidang industri yang semakin maju. Analisis ini menyoroti kekuatan big data dalam industri food and beverages. Dengan menggunakan profil pelanggan dan analisis transaksi, bisnis dapat memperoleh wawasan pelanggan yang mendalam dan mengoptimalkan pemasaran, produk, dan operasi. Salah satu aplikasi analisis data ini adalah dengan melakukan segementasi pelanggan untuk menentukan kebijakan terutama dalam bidang penjualan. Penelitian ini mengklasifikasikan pelanggan Coffee Shop X menggunakan segmentasi RFM (Recency, Frequency, Monetary) dengan algoritma K-means. Hasil menunjukkan bahwa segmentasi optimal terdiri dari 2 atau 3 cluster. Pelanggan terbagi menjadi golongan pasif, aktif, dan loyal, masing-masing dengan strategi pemasaran yang berbeda seperti edukasi produk, kampanye promosi, dan program loyalitas.Referensi
Kementerian Keuangan, “Kondisi Industri Pengolahan Makanan dan Minuman.” Accessed: Jul. 05, 2025. [Online]. Available: https://www.djkn.kemenkeu.go.id/kanwil-suluttenggomalut/baca-artikel/15588/Kondisi-Industri-Pengolahan-Makanan-dan-Minuman-di-Indonesia.html
Muh. M. Sari and R. P. Avrianto, “Big Data dalam Bisnis: Studi Literatur dan Penerapannya di Indonesia,” Jurnal Inovasi Informatika, vol. 7, no. 2, pp. 25–36, 2025.
F. Provost and T. Fawcett, Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O’Reilly Media, 2013. [Online]. Available: https://books.google.co.id/books?id=EZAtAAAAQBAJ
E. S. Mulyanta and R. G, How to Make Money in Big Data: Implementasi Big Data untuk UMKM. Penerbit Andi, 2022. [Online]. Available: https://books.google.co.id/books?id=OAt0EAAAQBAJ
J. R. Bult and T. Wansbeek, “Optimal Selection for Direct Mail,” Marketing Science, vol. 14, no. 4, pp. 378–394, Nov. 1995, doi: 10.1287/mksc.14.4.378.
E. Ernawati, S. S. K. Baharin, and F. Kasmin, “A review of data mining methods in RFM-based customer segmentation,” J Phys Conf Ser, vol. 1869, no. 1, p. 012085, Apr. 2021, doi: 10.1088/1742-6596/1869/1/012085.
Y.-L. Chen, M.-H. Kuo, S.-Y. Wu, and K. Tang, “Discovering recency, frequency, and monetary (RFM) sequential patterns from customers’ purchasing data,” Electron Commer Res Appl, vol. 8, no. 5, pp. 241–251, Oct. 2009, doi: 10.1016/j.elerap.2009.03.002.
S. Manochandar, M. Punniyamoorthy, and R. K. Jeyachitra, “Development of new seed with modified validity measures for k-means clustering,” Comput Ind Eng, vol. 141, p. 106290, Mar. 2020, doi: 10.1016/j.cie.2020.106290.
Bao Chong, “K-means clustering algorithm: a brief review,” Academic Journal of Computing & Information Science, vol. 4, no. 5, 2021, doi: 10.25236/AJCIS.2021.040506.
K. Tabianan, S. Velu, and V. Ravi, “K-Means Clustering Approach for Intelligent Customer Segmentation Using Customer Purchase Behavior Data,” Sustainability, vol. 14, no. 12, p. 7243, Jun. 2022, doi: 10.3390/su14127243.
A. D. Savitri, F. A. Bachtiar, and N. Y. Setiawan, “Segmentasi Pelanggan Menggunakan Metode K-Means Clustering Berdasarkan Model RFM Pada Klinik Kecantikan(Studi Kasus: Belle Crown Malang),” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2018.
H. Junaedi, H. Budianto, I. Maryati, and Y. Melani, “Data transformation pada data mining,” 2011.
T. Gupta and S. P. Panda, “Clustering Validation of CLARA and K-Means Using Silhouette & DUNN Measures on Iris Dataset,” in 2019 International Conference on Machine Learning, Big Data, Cloud and Parallel Computing (COMITCon), IEEE, Feb. 2019, pp. 10–13. doi: 10.1109/COMITCon.2019.8862199.
M. Ambigavathi and D. Sridharan, “Analysis of Clustering Algorithms in Machine Learning for Healthcare Data,” 2020, pp. 117–128. doi: 10.1007/978-981-15-6634-9_12.
P. Bombina, D. Tally, Z. B. Abrams, and K. R. Coombes, “SillyPutty: Improved clustering by optimizing the silhouette width,” PLoS One, vol. 19, no. 6, p. e0300358, Jun. 2024, doi: 10.1371/journal.pone.0300358.
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Nasional Teknologi dan Sistem Informasi
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 