SEGMENTASI PELANGGAN DAN OPTIMALISASI PENJUALAN PADA DATA RETAIL ONLINE BERBASIS MODEL RFM
DOI:
https://doi.org/10.31294/nzbzre70Keywords:
data mining, data retail online, model rfm, k-means, optimalisasi penjualan, segmentasi pelangganAbstract
Penelitian ini dilatarbelakangi oleh pentingnya segmentasi pelanggan dalam meningkatkan efektivitas strategi pemasaran dan optimalisasi penjualan pada bisnis retail online yang semakin kompetitif. Segmentasi pelanggan memungkinkan perusahaan untuk mengelompokkan konsumen berdasarkan perilaku pembelian sehingga dapat merancang pendekatan pemasaran yang lebih tepat sasaran. Metode yang digunakan dalam penelitian ini adalah model RFM (Recency, Frequency, Monetary) yang mengukur nilai pelanggan berdasarkan waktu transaksi terakhir, frekuensi pembelian, dan nilai pembelian total. Data yang digunakan berasal dari dataset Online Retail.csv yang kemudian diproses dan dianalisis menggunakan algoritma K-means clustering untuk mengelompokkan pelanggan ke dalam segmen-segmen yang homogen. Hasil penelitian menunjukkan bahwa jumlah cluster optimal yang diperoleh adalah dua, dengan karakteristik pelanggan pada Cluster 0 memiliki nilai Recency rendah dan Frequency tinggi, serta nilai Monetary yang lebih besar, sedangkan Cluster 1 terdiri dari pelanggan dengan Recency tinggi dan Frequency rendah. Segmentasi ini memberikan gambaran yang jelas mengenai perilaku pelanggan yang berbeda dan memungkinkan perusahaan untuk mengarahkan strategi pemasaran yang lebih efektif. Penerapan model RFM yang dikombinasikan dengan K-means clustering terbukti efektif dalam segmentasi pelanggan retail online, sehingga dapat mendukung optimalisasi penjualan dan peningkatan loyalitas pelanggan. Temuan ini memiliki implikasi penting bagi pengembangan strategi pemasaran berbasis data yang lebih terarah dan efisien di industri retail online.
References
Adha, E. I. D. (2024). Implementasi Algoritma K-Means dengan Optimasi SOM Dalam Pemetaan Karakteristik Pelanggan Berdasarkan Model LRFM pada Bisnis Retail Hokimart, Kediri. Institut Teknologi Sepuluh Nopember.
Apriana, D., & Yuliansyah, C. (2024). Mengoptimalkan Penjualan Online Melalui Teknik Data Mining (Studi Kasus E-Commerce). AL-MIKRAJ Jurnal Studi Islam Dan Humaniora (E-ISSN 2745-4584), 4(02), 514–527.
Awalina, E. F. L., & Rahayu, W. I. (2023). Optimalisasi strategi pemasaran dengan segmentasi pelanggan menggunakan penerapan K-means Clustering pada transaksi online retail. Jurnal Teknologi Dan Informasi, 13(2), 122–137.
Chen, H., Chiang, R. H. L., & Storey, V. C. (2012). Business intelligence and analytics: From big data to big impact. MIS Quarterly, 1165–1188.
Dawis, A. M., Irmawati, H. A., Nur, N., Sulfayanti, S. A. R., Wajidi, F., Muchtar, M., Firgiawan, W., Arifin, N., Insani, C. N., & Sinaga, F. M. (2022). Data Mining Dan Manajemen Pengentahuan.
Dibb, S. (1998). Market segmentation: strategies for success. Marketing Intelligence & Planning, 16(7), 394–406.
Gustiasari, N. S. (2024). Strategi Komunikasi Pemasaran Digital PT Matahari Department Store Tbk dalam melakukan Personalisasi Pemasaran untuk menghadapi Persaingan Bisnis Retail. Universitas Islam Indonesia.
Haque, M. G., Iskandar, A. S., Erlangga, H., & Sunarsi, D. (2022). Strategi pemasaran: Konsep, teori dan implementasi.
Hendriyani, Y. (2025). Data Mining BAB. Dasar Dasar Data Mining: Konsep, Teknik Dan Aplikasi, 130.
Kumar, V., & Reinartz, W. (2016). Creating enduring customer value. Journal of Marketing, 80(6), 36–68.
Pine, B. J., & Korn, K. C. (2011). Infinite possibility: Creating customer value on the digital frontier. Berrett-Koehler Publishers.
Susilawati Sugiana, N. S., & Musty, B. (2023). Analisis Data Sistem Informasi Monitoring Marketing; Tools Pengambilan Keputusan Strategic. Jutisi: Jurnal Ilmiah Teknik Informatika Dan Sistem Informasi.
Wafda, A. (2024). Integrasi Machine Learning dalam Ritel: Tinjauan Komprehensif tentang Prediksi Harga, Analisis Data Pelanggan, dan Pemanfaatan Media Sosial. Journal Artificial: Informatika Dan Sistem Informasi, 2(2), 90–106.
Wicaksana, P. A., Swamardika, I. B. A., & Hartati, R. S. (2022). Literature review analisis perilaku pelanggan menggunakan rfm model. Maj. Ilm. Teknol. Elektro, 21(1), 21.
Widyaningsih, M., & Rusdiana, L. (2025). Klasifikasi Citra Hewan Khas Suku Dayak Menggunakan Convolution Neural Network. Sainteks, 22(1), 87–98.
Yusepa, W. Y., Kamilawati, A., Agesti, P. T., & Sanjaya, V. F. (2024). Peran Competitive Advantage Dalam Menarik Konsumen Di Pasar Lokal (Studi Pada Topshop Bandar Lampung). Al-A’mal: Jurnal Manajemen Bisnis Syariah, 1(2), 29–40.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Gunawan Budi Sulistyo, Noor Hasan, Sri Kiswati, Fransisca, Elly Muningsih
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
