| Abstrak/Abstract |
Meningkatnya minat belanja pelanggan toko retail online menimbulkan persaingan ketat antar retailer. Agar tetap unggul dan kompetitif, retailer perlu memahami karakteristik pelanggannya. Penerapan segmentasi pelanggan memberikan kemudahan pada retaileruntuk memahami karakteristik pelanggan berdasarkan penilaian pada atribut yang dihitung dari data riwayat transaksi pelanggan. Hasil segmentasi pelanggan yang divisualisasikan dapat meningkatkan pemahaman retailerdalam memahami data dan membantu dalam proses pengambilan keputusan. Oleh karena itu, penelitian ini mengusulkan Visualisasi Segmentasi Pelanggan menggunakan Algoritma K-means berdasarkan Atribut RFM (Recency, Frequency, Monetary). Hasil segmentasi dapat digunakan untuk Memahami Karakteristik Pelanggan pada Toko Retail Online. Penelitian ini menggunakan algoritma k-means untuk menjalankan clustering yang performanya akan dibandingkan dengan algoritma k-medoidsmengacu padanilai silhouette, Calinski-Harabasz Index, dan DaviesBouldinIndexdalam melakukan segmentasi pelanggan berdasarkan atribut RFM. Berdasarkan metrik tersebut, didapatkan nilai algoritma k-meansberturut-turut adalah 0,6558, 0,7219, dan 3578,9, sedangkan nilai algoritma k-medoidsadalah 0,4677, 0,8298, dan 1236,9.Dengan demikian, hasilnya menunjukkan bahwa kinerja clusteringmenggunakan k-meanslebih baik daripada menggunakan k-medoids. Pada dashboard Looker Studioditampilkan visualisasi data hasil segmentasi tersebut, kemudian diuji fungsionalitasnya dengan metode Blackbox Testingdan berhasil menyelesaikan semua skenario pengujian, kemudian dilakukan pengujian dengan metode UAT (User Acceptance Testing)dan mendapatkan predikat sangat layak. |
