EKSPLORASI POLA SEGMENTASI KONSUMEN E-COMMERCE MENGGUNAKAN INTEGRASI ANALISIS RFM DAN ALGORITMA CLUSTERING

Segmentasi konsumen merupakan salah satu pendekatan yang digunakan untuk memahami karakteristik konsumen berdasarkan perilaku transaksi. Penelitian ini bertujuan untuk mengeksplorasi pola segmentasi konsumen e-commerce menggunakan integrasi analisis Recency, Frequency, Monetary (RFM) dengan algoritma clustering. Penelitian menggunakan metodologi Knowledge Discovery in Databases (KDD) yang meliputi tahapan selection, preprocessing, transformation, data mining, dan evaluation. Dataset yang digunakan berasal dari Kaggle dengan lebih dari 250.000 data transaksi konsumen e-commerce. Proses clustering dilakukan menggunakan algoritma K-Means, Gaussian Mixture Model (GMM), DBSCAN, dan Mean-Shift. Selanjutnya, hasil clustering dievaluasi menggunakan Silhouette Coefficient, Davies-Bouldin Index (DBI), dan Calinski-Harabasz Index (CHI), serta diuji stabilitasnya melalui Bootstrap Resampling. Hasil penelitian menunjukkan bahwa setiap algoritma menghasilkan karakteristik segmentasi yang berbeda. Pada dataset yang digunakan, K-Means memperoleh nilai evaluasi yang lebih tinggi dibandingkan algoritma lainnya dan menghasilkan tiga segmen konsumen , yaitu Champions, Potential Loyalists, dan Hibernating. Hasil penelitian ini memberikan gambaran mengenai penerapan analisis RFM dan algoritma clustering dalam segmentasi konsumen e-commerce.