Komparasi Algoritma K-Means dan K-Medoids untuk Segmentasi Pelanggan E-Commerce Berbasis Pola Pembelian dan Lokasi Geografis

Jauza Kenar Indra Fawaid, Aprilisa Arum Sari, Hanifah Permatasari

Abstract


E-commerce adalah transaksi jual beli yang dilakukan secara elektronik menggunakan jaringan internet. Saat ini di Indonesia hampir semua pemilik usaha memiliki online shop sendiri, yang membuat persaingan semakin ketat. Maka dari itu, pemilik usaha harus memahami pelanggannya dengan mengelompokkan pelanggan berdasarkan perilaku di setiap transaksinya. Penelitian ini bertujuan untuk membandingkan dua algoritma, yaitu K-Means dan K-Medoids, untuk menentukan algoritma segmentasi pelanggan e-commerce terbaik berbasis pola pembelian dan lokasi geografis. Data yang digunakan adalah data penjualan Shopee dengan total 20.848 catatan transaksi dari Desember 2023 sampai November 2025 yang tersebar di 34 provinsi. Variabel yang digunakan pada data ini adalah total pembayaran, jumlah barang, dan total ongkos kirim berdasarkan lokasi. Tahapan penelitian menggunakan CRISP-DM. Data dipraproses melalui penyaringan sehingga diperoleh sekitar 17.706 data yang valid. Data valid tersebut digunakan sebagai pembanding dari dua algoritma K-Means dan K-Medoids dengan metode Root Mean Square Error (RMSE), Skor Silhouette, dan Davies-Bouldin Index, dengan jumlah klaster ditentukan melalui Elbow Method dan Skor Silhouette. Hasil penelitian menunjukkan bahwa K-Means lebih unggul daripada K-Medoids dengan RMSE 1,14 berbanding 1,25, silhouette 0,40 berbanding 0,23, dan DBI 1,01 berbanding 1,14. Sehingga K-Means dipilih sebagai algoritma terbaik dan membentuk 3 segmen, yaitu Pembeli Hemat, Pembeli Reguler, dan Pelanggan Grosir Premium.

Keywords


e-commerce; K-Means; K-Medoids; komparasi algoritma; segmentasi pelanggan

References


I. H. Sarker, "Machine learning: Algorithms, real-world applications and research directions," SN Computer Science, vol. 2, p. 160, 2021.

A. Febri, N. Ningsih, dan J. Lemantara, "Aplikasi analisis segmentasi pelanggan untuk menentukan strategi pemasaran menggunakan kombinasi metode K-Means dan model RFM," SISTEMASI: Jurnal Sistem Informasi, vol. 10, no. 1, pp. 139–151, 2021.

S. F. Siregar, B. I. Nasution, dan M. F. Syahputra, "Optimalisasi segmentasi pelanggan ritel dengan algoritma K-Means berbasis RFM untuk strategi pemasaran," JURIKOM (Jurnal Riset Komputer), vol. 10, no. 6, 2023.

P. M. K. Mado dan H. Hendry, "Implementasi algoritma clustering K-Means untuk segmentasi pelanggan di e-commerce," Jurnal Indonesia: Manajemen Informatika dan Komunikasi, vol. 6, no. 3, pp. 1680–1686, 2025.

A. P. Pramudiansyah, "Segmentasi pelanggan menggunakan algoritma K-Means berdasarkan model recency frequency monetary," Jurnal Ilmiah Ilmu Komputer, vol. 7, no. 2, pp. 6–19, 2021.

K. Z. Wijaya, A. Djunaidi, dan F. Mahananto, "Segmentasi pelanggan menggunakan algoritma K-Means dan analisis RFM di Ova Gaming E-Sports Arena Kediri," Jurnal Teknik ITS, vol. 10, no. 2, 2021.

W. A. Silamantha dan K. Hadiono, "Analisis RFM dan K-Means clustering untuk segmentasi pelanggan pada PT. Sanutama Bumi Arto," Kesatria: Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen), vol. 5, no. 3, pp. 1297–1305, 2024.

B. T. Kristanti, A. Junaidi, dan E. P. Mandyartha, "Implementasi K-Means clustering dalam segmentasi pelanggan berdasarkan usia, pendapatan, dan model RFM (Studi kasus: Lantikya Store Jombang)," Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3, 2024.

R. Siagian, P. S. P. Sirait, dan A. Halima, "E-commerce customer segmentation using K-Means algorithm and length, recency, frequency, monetary model," Journal of Informatics and Telecommunication Engineering, vol. 5, no. 1, pp. 21–30, 2021.

R. B. Ardi, F. E. Nastiti, dan S. Sumarlinda, "Algoritma K-Means clustering untuk segmentasi pelanggan (Studi kasus: Fashion Viral Solo)," INFOTECH Journal, vol. 9, no. 1, pp. 124–131, 2023.

E. F. L. Awalina dan W. I. Rahayu, "Optimalisasi strategi pemasaran dengan segmentasi pelanggan menggunakan penerapan K-Means clustering pada transaksi online retail," Jurnal Teknologi dan Informasi, vol. 13, no. 2, pp. 122–137, 2023.

R. Fitriyani, A. L. Firmansyah, dan L. A. Nurfadillah, "Penerapan algoritma clustering untuk segmentasi pelanggan e-commerce berdasarkan data pembelian dan aktivitas," Seminar Teknologi Majalengka (STIMA), vol. 8, pp. 372–379, 2024.

C. Hafidz Ardana, A. A. Khoyum, dan M. Faisal, "Segmentasi pelanggan penjualan online menggunakan metode K-Means clustering," JISKA (Jurnal Informatika Sunan Kalijaga), vol. 9, no. 1, pp. 1–9, 2024.

K. Tabianan, S. Velu, dan V. Ravi, "K-Means clustering approach for intelligent customer segmentation using customer purchase behavior data," Sustainability, vol. 14, no. 12, p. 7243, 2022.

I. Tazkiyah, A. A. Arifiyanti, dan A. R. E. Najaf, "Implementasi segmentasi pelanggan e-commerce menggunakan algoritma K-Means pada website," Prosiding Seminar Nasional Teknologi dan Sistem Informasi (SITASI), vol. 3, no. 1, pp. 217–226, 2023.

S. D. K. Wardani, A. S. Ariyanto, M. Umroh, dan D. Rolliawati, "Perbandingan hasil metode clustering K-Means, DBSCAN & hierarchical untuk analisa segmentasi pasar," JIKO (Jurnal Informatika dan Komputer), vol. 7, no. 2, p. 191, 2023.

C. Schröer, F. Kruse, dan J. M. Gómez, "A systematic literature review on applying CRISP-DM process model," Procedia Computer Science, vol. 181, pp. 526–534, 2021.

R. Nainggolan, R. Perangin-angin, E. Simarmata, dan F. A. Tarigan, "Improved the performance of the K-Means cluster using the sum of squared error (SSE) optimized by using the Elbow method," Journal of Physics: Conference Series, vol. 1361, p. 012015, 2019.

Badan Pusat Statistik, Statistik E-Commerce 2024. Jakarta: Badan Pusat Statistik, 2024.

Y. Hasan, "Pengukuran silhouette score dan davies-bouldin index pada hasil cluster K-Means dan K-Medoids," Jurnal Teknik Informatika, 2024.


Refbacks

  • There are currently no refbacks.


Editorial Office :

Prosiding SENDIKO (Seminar Nasional Hasil Penelitian & Pengabdian Masyarakat Bidang Ilmu Komputer)
Published by Universitas PGRI Madiun
Managed by Program Studi Sistem Informasi Fakultas Teknik Universitas PGRI Madiun
Address Jl. Auri 14-16 Kota Madiun Kampus III Universitas PGRI Madiun 63118
Website http://prosiding.unipma.ac.id/index.php/sendiko/index
Email [email protected]

e-ISSN:  3025-4604