Segmentasi Pelanggan dan Target Pemasaran (Targeting) Menggunakan Algoritma K-Means Clustering untuk Kampanye Iklan yang Efektif

Roswanda Nuraini, Zaenur Rozikin, Suprapto Suprapto

Abstract


Perkembangan teknologi informasi menyebabkan meningkatnya volume data transaksi pelanggan yang dimiliki perusahaan, namun data tersebut sering kali belum dimanfaatkan secara optimal untuk mendukung pengambilan keputusan pemasaran, khususnya dalam penyusunan rekomendasi strategi targeting yang tepat sasaran. Penelitian ini bertujuan melakukan segmentasi pelanggan berdasarkan perilaku transaksi menggunakan metode Recency, Frequency, Monetary (RFM) dan algoritma K-Means Clustering. Data yang digunakan terdiri atas 5.000 pelanggan dengan 32.295 transaksi. Setelah melalui tahap preprocessing yang meliputi pemeriksaan struktur data, pengecekan missing value, penghapusan duplikasi, filtering dataset, dan transformasi tipe data, diperoleh 3.864 pelanggan dengan 28.009 transaksi. Selanjutnya, pembentukan variabel RFM menghasilkan 3.522 pelanggan yang memenuhi kualifikasi agregasi untuk proses segmentasi. Data kemudian dinormalisasi menggunakan metode Min-Max Scaling. Proses clustering dilakukan menggunakan algoritma K-Means dengan penentuan jumlah cluster menggunakan Elbow Method dan evaluasi menggunakan Silhouette Score. Hasil penelitian menunjukkan bahwa empat cluster dipilih dengan nilai Silhouette Score sebesar 0,3787 karena menghasilkan segmentasi yang lebih representatif untuk kebutuhan interpretasi bisnis. Berdasarkan karakteristik nilai centroid RFM, empat segmen yang terbentuk terdiri atas VIP Customer, Loyal Customer, Regular Customer, dan At-Risk Customer. Hasil segmentasi menunjukkan bahwa setiap segmen memiliki karakteristik perilaku transaksi yang berbeda sehingga menghasilkan rekomendasi strategi targeting yang berbeda untuk masing-masing segmen pelanggan. Dengan demikian, hasil penelitian ini dapat menjadi dasar analitis dalam penyusunan rekomendasi strategi targeting yang lebih terarah dan berbasis data serta berpotensi mendukung pengambilan keputusan pemasaran dan upaya mempertahankan pelanggan bernilai tinggi.


Keywords


(Customer Relationship Management (CRM); K-Means Clustering; Perilaku Pelanggan; Rekomendasi Strategi Targeting; RFM; Segmentasi Pelanggan).

Full Text:

PDF

References


S. Rahayu, H. W. Halawa, A. F. Abdillah, and A. Mujayanah, “Pemanfaatan Big Data Analytics untuk Analisis Pola Perilaku Konsumen E-commerce Strategis,” JUTECH: Journal Education and Technology, vol. 6, no. 1, pp. 64–73, 2025, doi: 10.31932/jutech.v6i1.4834.

Y. Syahra, A. Fadlil, and H. Yuliansyah, “Customer Segmentation Using RFM and K-Means Clustering to Support CRM in Retail Industry,” SINKRON: Jurnal dan Penelitian Teknik Informatika, vol. 9, no. 3, pp. 1120–1131, 2025, doi: 10.33395/sinkron.v9i3.14907.

R. M. Fauzan and G. Alfian, “Segmentasi Pelanggan E-Commerce Menggunakan Fitur Recency, Frequency, Monetary (RFM) dan Algoritma Clusterisasi K-Means,” JISKA (Jurnal Informatika Sunan Kalijaga), vol. 9, no. 3, pp. 170–177, 2024, doi: 10.14421/jiska.2024.9.3.170-177.

O. Akande, E. O. Asani, and B. T. Dautare, “Customer Segmentation Through RFM Analysis and K-Means Clustering: Leveraging Data-Driven Insights for Effective Marketing Strategy,” Ceddi Journal of Information System and Technology, vol. 3, no. 1, pp. 14–25, 2024, doi: 10.56134/jst.v3i1.81.

V. Soni, “A Meta-Analytic Examination of the Effects of Personalized Digital Marketing on Consumer Purchasing,” International Journal of Computer Trends and Technology, vol. 72, no. 9, pp. 32–43, 2024, doi: 10.14445/22312803/IJCTT-V72I9P106.

J. Salminen, M. Mustak, M. Sufyan, and B. J. Jansen, “How can algorithms help in segmenting users and customers? A systematic review and research agenda for algorithmic customer segmentation,” Journal of Marketing Analytics, vol. 11, no. 4, pp. 677–692, 2023, doi: 10.1057/s41270-023-00235-5.

S. Septiani, Musthofa, and P. Seviawani, “Penggunaan Big Data untuk Personalisasi Layanan dalam Bisnis E-commerce,” ADI Bisnis Digital Interdisiplin Jurnal, vol. 5, no. 1, pp. 51–57, 2024, doi: 10.34306/abdi.v5i1.1098.

I. Ramadhani and N. H. Salisah, “Peran AI dalam Personalisasi Periklanan Digital: Studi Kasus Spotify,” Communicator Sphere, vol. 4, no. 2, pp. 122–131, 2024, doi: 10.55397/cps.v4i2.120.

Z. Zhang, “Market Segmentation and Personalized Marketing Strategy Optimization Driven by Big Data Analysis,” in Advances in Transdisciplinary Engineering, IOS Press, 2024, pp. 240–249, doi: 10.3233/ATDE240434.

S. P. L. Geni, H. Safitri, F. Merry, M. Wati, and Haviluddin, “Penerapan K-Means Clustering untuk Segmentasi Konsumen E-Commerce Berdasarkan Pola Pembelian,” JUKI: Jurnal Komputer dan Informatika, vol. 7, no. 1, pp. 89–99, 2025, doi: 10.53842/juki.v7i1.1049.

I. Yunita, P. R. Ali, M. A. Kartawidjaja, and R. Sukwadi, “Segmentasi Pelanggan Menggunakan K-Means Clustering: Menganalisis Metrik RFM untuk Strategi Pemasaran,” Jurnal Media Teknik dan Sistem Industri, vol. 9, no. 1, pp. 58–66, 2025, doi: 10.35194/jmtsi.v9i1.4452.

M. F. Fadhillah, A. L. A. Suyoso, and I. Puspitasari, “Segmentasi Pelanggan dengan RFM dan K-Means Clustering,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 1, pp. 48–56, 2024, doi: 10.57152/malcom.v5i1.1491.

R. Gustriansyah, N. Suhandi, and F. Antony, “Clustering Optimization in RFM Analysis Based on K-Means,” Indonesian Journal of Electrical Engineering and Computer Science, vol. 18, no. 1, pp. 470–477, 2020, doi: 10.11591/ijeecs.v18.i1.pp470-477.

Y. Putri, D. Aldo, and W. Ilham, “Retail Marketing Strategy Optimization Using K-Means Clustering,” SINKRON: Jurnal dan Penelitian Teknik Informatika, vol. 8, no. 4, pp. 2155–2163, 2024, doi: 10.33395/sinkron.v8i4.14000.

J. Banjarnahor et al., “Analyzing Consumer Shopping Interest via Social Media Ads Using K-Means and C4.5,” Jurnal Sisfokom, vol. 13, no. 3, pp. 416–421, 2024, doi: 10.32736/sisfokom.v13i3.2228.

S. Kumar, R. Rani, S. K. Pippal, and R. Agrawal, “Customer Segmentation in E-Commerce: K-Means vs Hierarchical Clustering,” TELKOMNIKA Telecommunication Computing Electronics and Control, vol. 23, no. 1, pp. 119–128, 2025, doi: 10.12928/telkomnika.v23i1.26384.

R. Martiansah, S. Monalisa, F. Muttakin, and M. Fronita, “Customer Segmentation Analysis Through RFM-D Model and K-Means Algorithm,” Jurnal Sistem Cerdas, vol. 8, no. 1, pp. 1–11, 2025, doi: 10.37396/jsc.v8i1.504.

K. Gopalakrishnan, “Customer Segmentation Using K-Means Clustering for Targeted Marketing in Banking,” International Journal of Artificial Intelligence & Machine Learning, vol. 3, no. 2, pp. 8–17, 2024, doi: 10.5281/zenodo.13627403.

A. T. Widiyanto and A. Witanti, “Segmentasi Pelanggan Berdasarkan Analisis RFM Menggunakan Algoritma K-Means Sebagai Dasar Strategi Pemasaran (Studi Kasus PT Coversuper Indonesia Global),” KONSTELASI: Konvergensi Teknologi dan Sistem Informasi, vol. 1, no. 1, pp. 204–215, 2021, doi: 10.24002/konstelasi.v1i1.4293.

P. Anitha and M. M. Patil, “RFM model for customer purchase behavior using K-Meansalgorithm,” J. King Saud Univ. -Comput. Inf. Sci., vol. 34, no. 5, pp. 1785–1792, 2022, doi: 10.1016/j.jksuci.2019.12.011.

P. A. Wicaksana, I. B. A. Swamardika, and R. S. Hartati, “Literature Review Analisis Perilaku Pelanggan Menggunakan RFM Model,” Majalah Ilmiah Teknologi Elektro, vol. 21, no. 1, pp. 21–30, 2022, doi: 10.24843/mite.2022.v21i01.p04.

A. Hermawan et al., “Optimalisasi Strategi Pemasaran Melalui Analisis RFM pada Dataset Ritel,” Jurnal Manajemen Riset Inovasi, vol. 2, no. 4, pp. 254–267, 2024, doi: 10.55606/mri.v2i4.3246.

B. Al Hamid and T. Wiradinata, “RFM-Based Customer Segmentation Using K-Means Clustering for Marketing Strategy Optimization at Queen Audio,” Journal of Applied Informatics and Computing, vol. 10, no. 2, pp. 1828–1833, 2026, doi: 10.30871/jaic.v10i2.12302.

N. Zahro, N. A. Maori, and G. W. N. Wibowo, “Integration of RFM Method and K-Means Clustering for Customer Segmentation Effectiveness,” Journal of Dinda: Data Science, Information Technology, and Data Analytics, vol. 5, no. 1, pp. 12–21, 2025, doi: 10.20895/dinda.v5i1.1649.

E. F. L. Awalina and W. I. Rahayu, “Optimalisasi Strategi Pemasaran dengan Segmentasi Pelanggan Menggunakan Penerapan K-Means Clustering pada Transaksi Online Retail,” Jurnal Teknologi dan Informasi (JATI), vol. 13, no. 2, pp. 122–137, 2023, doi: 10.34010/jati.v13i2.10090.

R. Siagian, P. Sirait, and A. Halim, “Penerapan Algoritma K-Means dan K-Medoids untuk Segmentasi Pelanggan pada Data Transaksi E-Commerce,” SISTEMASI: Jurnal Sistem Informasi, vol. 11, no. 2, pp. 260–270, 2022, doi: 10.32520/stmsi.v11i2.1337.

R. D. Nugraha, D. D. Adelia, and D. Rivaldi, “Segmentasi Pelanggan Retail Berbasis Perilaku menggunakan Algoritma K-Means Clustering,” Digital Transformation Technology (Digitech), vol. 5, no. 2, pp. 141–148, 2025, doi: 10.47709/digitech.v5i2.6340.

D. Chen, L. S. Sain, and K. Guo, “Data mining for the online retail industry: A case study of RFM model-based customer segmentation using data mining,” Journal of Database Marketing & Customer Strategy Management, vol. 19, no. 3, pp. 197–208, 2012, doi: 10.1057/dbm.2012.17.




DOI: https://doi.org/10.55340/jiu.v15i1.2742

Refbacks

  • There are currently no refbacks.


__________________________________________________________________________________________________________________________________________________

SK Accreditation No. 286/DST/C3/HM.01.00/2026 Tanggal 7 April 2026

Editorial Address :

Program Studi Teknik Informatika, Fakultas Teknik, Universitas Dayanu Ikhsanuddin Jl. Dayanu Ikhsanuddin no.124 Baubau, Sulawesi Tenggara 

Jurnal Informatika by Program Studi Teknik Informatika, Fakultas Teknik, Universitas Dayanu Ikhsanuddin Baubau, Indonesia is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. Based on work at https://ejournal.unidayan.ac.id/index.php/JIU