Analisis Performa Algoritma K-Means dan DBSCAN dalam Segmentasi Pelanggan dengan Pendekatan Model RFM
Kata Kunci:
Segmentasi Pelanggan, K-Means Clustering, DBSCAN Clustering, Model RFM, Retail Apparel, Silhouette Score, Davies Bouldin IndexAbstrak
Dalam era globalisasi yang semakin kompetitif, intensifikasi persaingan di dunia bisnis memerlukan strategi yang efektif untuk meraih keunggulan kompetitif. Segmentasi pelanggan merupakan langkah penting untuk memahami pasar dan menargetkan kelompok pelanggan yang tepat. Penelitian ini bertujuan untuk menganalisis performa algoritma K-Means dan DBSCAN dalam segmentasi pelanggan dengan pendekatan model RFM (Recency, Frequency, Monetary). Penelitian ini menggunakan lima dataset retail apparel yang berbeda untuk menguji dan membandingkan performa kedua algoritma clustering tersebut. Evaluasi hasil clustering dilakukan menggunakan matriks Silhouette Score dan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa kedua algoritma memiliki kelebihan dan kekurangan masing-masing tergantung pada karakteristik dataset. Kesimpulan dari penelitian ini adalah bahwa tidak ada satu algoritma yang secara universal lebih baik dari yang lain, tetapi pemilihan algoritma yang sesuai sangat bergantung pada karakteristik dataset yang digunakan. Hasil clustering paling baik yang dihasilkan K-Means dengan silhouette score 0.547 dan nilai indeks DBI 0.640 yang merupakan hasil dataset pertama. Sedangkan hasil clustering yang baik dihasilkan DBSCAN dengan silhoeutte score 0.767 dan nilai indeks DBI 0.731 yang merupakan hasil dataset kedua.
Referensi
Berahmana, R. W., Mohammed, F. A., & Chairuang, K. (2020). Customer Segmentation Based on RFM Model Using K-Means, K-Medoids, and DBSCAN Methods. LONTAR KOMPUTER.
Christy, A. J., Umamakeswari, A., Priyatharsini, L., & Neyaa, A. (2021). RFM Ranking - An Effective Approach to Customer Segmentation. Journal of King Saus University - Computer Science and Information Sciences, 1251-1257.
Cios, K. J., Pedrycz, W., & Swiniarski, R. W. (1998). Data Mining Methods for Knowledge Discovery. New York: Springer Science Business Media, LLC.
Cochran, W. G. (1997). Sampling Techniques third edition. John Wiley & Sons.
Elbatta, M. N. (2012). An Improvement for DBSCAN Algorithm for Best Result in Varied Densities.
Elliyana, E., Agustina, T. S., Kadir, H., Imanuddin, B., Yuliani, Mohdari, M., Rachman, S. (2022). Dasar-Dasar Pemasaran. Malang: Ahlimedia Press.
Ester, M., Kriegel, H. P., Sander, J., & Xu, X. (1996). A Density-Based Algorithm for Discovering Clusters. KDD-96 Proceeding, 226-231.
Fayyad, U., Platetsky-Shapiro, G., & Smyth, P. (1996). From Data Mining to Knowledge Discovery in Database. AI Magazine, 37-54.
Liantoni, F. (2022). Data Mining dan Penerapan Metode. Purbalingga: Eureka Media Aksara.
Maimon, O., & Rokach, L. (2010). Data Mining and Konwledge Discovery Handbook: Second Edition. New York: Springer Science and Business Media.
Monko, G. J., & Kimura, M. (2023). Optimized DBSCAN Parameter Selection: Stratified Sampling for Epsilon and GridSearch. Computer Science & Information Technology (CS & IT), 43-61.
Osborne, J. W. (2008). Best practices in data transformation: the overlooked effect of minimal values.
Rizan, M., Dimuk, M., Kamal, A. F., Setiabudi, D., Azizy, F. N., Marlina, H., Sari, U. I. (2023). Strategi Bisnis di Era Digital. Bandung: Widina.
Sahinbas, K. (2022). Performance Comparison of K-Means and DBSCAN Methods for Airline Customer Segmentation. Black Sea Journal of Engineering and Science, 158-165.
Saparso. (2021). Marketing Process: Menciptakan Nilai Bagi Pelanggan. Jakarta Barat: Ukrida Press.
Shahapure, K. R., & Nicholas, C. (2020). Cluster Quality Analysis Using Silhouette Score. IEEE &th International Conference on Data Science and Advanced Analytics (DSAA).
Team DSH. (2023). Data Cleaning and Processing for Data Science Beginner. Data Science Horizons.
Wardani, S. D., Aryanto, A. S., Umroh, M., & Rolliawati, D. (2023). Perbandingan Hasil Metode Clustering K-Means, DBSCANNER & Hierarchical untuk Analisa Segmentasi Pasar. JIKO, 191-201.
Wei, J. T., Lee, M. C., Chen, H. K., & Wu, H. H. (2013). Customer Relationship Management in The Hairdressing Industry: An Application of Data Mining Techniques. Expert System With Application, 7513-7518.
Wei, J. T., Lin, S. Y., & Wu, H. H. (2010). A Review of the Application of RFM Model. African Journal of Business Management, 4199-4206.
Berahmana, R. W., Mohammed, F. A., & Chairuang, K. (2020). Customer Segmentation Based on RFM Model Using K-Means, K-Medoids, and DBSCAN Methods. LONTAR KOMPUTER.
Christy, A. J., Umamakeswari, A., Priyatharsini, L., & Neyaa, A. (2021). RFM Ranking - An Effective Approach to Customer Segmentation. Journal of King Saus University - Computer Science and Information Sciences, 1251-1257.
Cios, K. J., Pedrycz, W., & Swiniarski, R. W. (1998). Data Mining Methods for Knowledge Discovery. New York: Springer Science Business Media, LLC.
Cochran, W. G. (1997). Sampling Techniques third edition. John Wiley & Sons.
Elbatta, M. N. (2012). An Improvement for DBSCAN Algorithm for Best Result in Varied Densities.
Elliyana, E., Agustina, T. S., Kadir, H., Imanuddin, B., Yuliani, Mohdari, M., Rachman, S. (2022). Dasar-Dasar Pemasaran. Malang: Ahlimedia Press.
Ester, M., Kriegel, H. P., Sander, J., & Xu, X. (1996). A Density-Based Algorithm for Discovering Clusters. KDD-96 Proceeding, 226-231.
Fayyad, U., Platetsky-Shapiro, G., & Smyth, P. (1996). From Data Mining to Knowledge Discovery in Database. AI Magazine, 37-54.
Liantoni, F. (2022). Data Mining dan Penerapan Metode. Purbalingga: Eureka Media Aksara.
Maimon, O., & Rokach, L. (2010). Data Mining and Konwledge Discovery Handbook: Second Edition. New York: Springer Science and Business Media.
Monko, G. J., & Kimura, M. (2023). Optimized DBSCAN Parameter Selection: Stratified Sampling for Epsilon and GridSearch. Computer Science & Information Technology (CS & IT), 43-61.
Osborne, J. W. (2008). Best practices in data transformation: the overlooked effect of minimal values.
Rizan, M., Dimuk, M., Kamal, A. F., Setiabudi, D., Azizy, F. N., Marlina, H., Sari, U. I. (2023). Strategi Bisnis di Era Digital. Bandung: Widina.
Sahinbas, K. (2022). Performance Comparison of K-Means and DBSCAN Methods for Airline Customer Segmentation. Black Sea Journal of Engineering and Science, 158-165.
Saparso. (2021). Marketing Process: Menciptakan Nilai Bagi Pelanggan. Jakarta Barat: Ukrida Press.
Shahapure, K. R., & Nicholas, C. (2020). Cluster Quality Analysis Using Silhouette Score. IEEE &th International Conference on Data Science and Advanced Analytics (DSAA).
Team DSH. (2023). Data Cleaning and Processing for Data Science Beginner. Data Science Horizons.
Wardani, S. D., Aryanto, A. S., Umroh, M., & Rolliawati, D. (2023). Perbandingan Hasil Metode Clustering K-Means, DBSCANNER & Hierarchical untuk Analisa Segmentasi Pasar. JIKO, 191-201.
Wei, J. T., Lee, M. C., Chen, H. K., & Wu, H. H. (2013). Customer Relationship Management in The Hairdressing Industry: An Application of Data Mining Techniques. Expert System With Application, 7513-7518.
Wei, J. T., Lin, S. Y., & Wu, H. H. (2010). A Review of the Application of RFM Model. African Journal of Business Management, 4199-4206.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
