UNIDHAUNIDHA

Jurnal Sistem Informasi Dan InformatikaJurnal Sistem Informasi Dan Informatika

Penelitian ini bertujuan untuk menganalisis segmentasi pelanggan menggunakan metode Hierarchical Clustering pada dataset Mall Customers. Tujuan utama penelitian adalah mengelompokkan pelanggan berdasarkan kemiripan Annual Income dan Spending Score. Metode penelitian meliputi preprocessing data menggunakan normalisasi Z-score, perhitungan jarak Euclidean, serta proses clustering menggunakan metode Ward linkage. Penentuan jumlah cluster optimal dilakukan dengan menggunakan beberapa metrik evaluasi seperti Silhouette Score, Calinski-Harabasz Index, dan Davies-Bouldin Index. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah lima dengan performa clustering yang baik ditunjukkan oleh nilai Silhouette yang tinggi dan Davies-Bouldin yang rendah. Setiap cluster merepresentasikan segmen pelanggan yang berbeda seperti pelanggan dengan pendapatan tinggi dan belanja tinggi maupun rendah. Hasil ini dapat digunakan sebagai dasar strategi pemasaran yang lebih efektif.

Penerapan Hierarchical Clustering dengan Ward Linkage pada dataset Mall Customers menunjukkan hasil yang cukup memuaskan dalam membentuk segmentasi pelanggan yang terstruktur.Dari serangkaian pengujian menggunakan tiga metrik evaluasi Silhouette Score, Calinski-Harabasz Index, dan Davies-Bouldin Index diperoleh bahwa pembagian ke dalam 5 cluster memberikan performa terbaik.Selain itu, kualitas dendrogram yang dibuat dievaluasi sebagai representatif.Kelima cluster yang terbentuk menunjukkan betapa beragamnya profil pelanggan, dan pihak manajemen mall dapat merancang strategi promosi dan program loyalitas yang lebih tepat sasaran.

Penelitian selanjutnya dapat mengeksplorasi penggunaan metode clustering lain, seperti DBSCAN atau K-Means, untuk dibandingkan dengan hasil yang diperoleh dari Hierarchical Clustering, guna mengidentifikasi metode yang paling optimal untuk segmentasi pelanggan pada dataset Mall Customers. Selain itu, studi lebih lanjut dapat dilakukan dengan memperkaya dataset dengan variabel tambahan, seperti riwayat pembelian, demografi pelanggan yang lebih detail, atau data perilaku online, untuk menghasilkan segmentasi yang lebih akurat dan komprehensif. Terakhir, penelitian dapat difokuskan pada pengembangan model prediktif berdasarkan segmentasi pelanggan yang dihasilkan, misalnya untuk memprediksi potensi pembelian atau churn rate, sehingga pihak mall dapat mengambil tindakan proaktif untuk meningkatkan kepuasan pelanggan dan memaksimalkan pendapatan.

  1. Evaluation of K-Means, DBSCAN, and Hierarchical Clustering for Strategic Segmentation of Tourism SMEs... doi.org/10.52436/1.jutif.2025.6.3.4602Evaluation of K Means DBSCAN and Hierarchical Clustering for Strategic Segmentation of Tourism SMEs doi 10 52436 1 jutif 2025 6 3 4602
Read online
File size427.33 KB
Pages6
DMCAReport

Related /

ads-block-test