Home / Vol. 1 - No. 2 / Article
ANALISIS SEGMENTASI PELANGGAN MALL MENGGUNAKAN ALGORTIMA K-MEANS
Abstract
Segmentasi pelanggan adalah tindakan mengelompokkan konsumen ke dalam beberapa kategori berdasarkan karakteristik umum seperti usia, jenis kelamin, pendapatan tahunan, lokasi tempat tinggal, frekuensi pembelian, dan faktor lainnya. Hasil dari proses segmentasi ini digunakan sebagai panduan untuk merumuskan strategi pemasaran serta memperkenalkan produk baru kepada setiap kelompok pelanggan. Selain itu, hasil segmentasi juga membantu dalam mengembangkan produk khusus untuk kelompok pelanggan yang memiliki nilai ekonomi tinggi. Dengan menggunakan algoritma clustering seperti K-Means, pelaku bisnis dapat memastikan bahwa kebijakan yang diambil memiliki dasar yang sistematis dan terukur. Terdapat 5 kelompok pelanggan mall berdasarkan hasil analisis data, yakni: kelompok pertama adalah pelanggan yang berpenghasilan rata-rata dengan skor pengeluaran rata-rata. Kelompok kedua adalah pelanggan yang berpenghasilan tinggi dan memiliki skor pembelanjaan. Kelompok ketiga adalah pelanggan yang memiliki pendapatan lebih tinggi namun tidak menghabiskan lebih banyak uang di mall. Kelompok keempat adalah pelanggan yang berpenghasilan rendah dengan skor pengeluaran rendah. Kelompok kelima adalah pelanggan berpenghasilan rendah dengan skor pembelanjaan tinggi.
Referensi
S. Hanoatubun, “Dampak Covid – 19 terhadap Perekonomian Indonesia,” J. Educ. Psycology Couns., vol. 2, no. 2, 2020.
F. R. Yamali and R. N. Putri, “Dampak Covid-19 Terhadap Ekonomi Indonesia,” Ekon. J. Econ. Bus., vol. 4, no. 2, p. 384, 2020.
D. Junaedi and F. Salistia, “Dampak Pandemi COVID-19 Terhadap Pertumbuhan Ekonomi Negara-Negara Terdampak,” Simposium Nasional Keuangan Negara. pp. 995–1115, 2020.
F. Nidaul Khasanah et al., “Pemanfaatan Media Sosial dan Ecommerce Sebagai Media Pemasaran Dalam Mendukung Peluang Usaha Mandiri Pada Masa Pandemi Covid 19,” J. Sains Teknol. dalam Pemberdaya. Masy., vol. 1, no. 1, pp. 51–62, 2020.
E. Maria, S. Suharyadi, and R. K. Hudiono, “Implementasi pemasaran digital berbasis website sebagai strategi kenormalan baru Dusun Srumbung Gunung pasca Covid-19,” Riau J. Empower., vol. 4, no. 1, pp. 1–10, 2021.
N. A. Rakhmawati, A. E. Permana, A. M. Reyhan, and H. Rafli, “Analisa Transaksi Belanja Online Pada Masa Pandemi Covid-19,” J. Teknoinfo, vol. 15, no. 1, p. 32, 2021.
I. Atmaja, Hanung Eka; Novitaningtyas, “Analisis Aspek Pemasaran UMKM di Masa Resesi Global Dampak dari Pandemi Covid-19,” J. Ilm. Poli Bisnis, vol. 13, no. 1, pp. 60–69, 2021.
N. I. Purnama and L. P. Putri, “Analisis Penggunaan E-Commerce Di Masa Pandemi,” Semin. Nas. Teknol. Edukasi Sos. dan Hum., vol. 1, no. 1, pp. 556–561, 2021.
K. P. Sinaga and M. S. Yang, “Unsupervised K-means clustering algorithm,” IEEE Access, vol. 8, pp. 80716–80727, 2020.
C. D. Manning, 2008, Introduction to Information Retrieval, Cambridge University Press, Cambridge.
W. Xiaohong, W. Bin, S. Jun, Q. Shengwei och a. L. Xiang, 2014, A hybrid fuzzy K- harmonic means clustering algorithm, Applied Mathematical Modelling 39 (12), pp 3398-3409.
D. T. Larose, 2014, Discovering Knowledge in Data: An Introduction to Data Mining, Wiley-Interscience, Canada.
E. Prasetyo, 2014, Data Mining, Mengolah Data Menjadi Informasi Menggunakan Matlab, ANDI, Yogyakarta.
J. Oyelade, O. Oladipupo, 2010, Application of k Means Clustering algorithm for prediction of Students Academic Performance, International Journal of Computer Science and Information Security 7, pp 292–295.
T. R. Delgado, 2020, Hands-on Data Analytics for Beginners with Google Colaboratory, Packt Publishing, Birmingham.
M. Grinberg, 2018, Flask Web Development: Developing Web Applications with Python, O'Reilly Media, California.