Analisis Segmentasi Perilaku Pembeli Marketplace Shopee Menggunakan Model RFM dan Algoritma K-Means Clustering pada Toko Retail Online XYZ di Yogyakarta
DOI:
https://doi.org/10.37859/jf.v16i2.11903
Abstract
Perkembangan Marketplace Shopee di Indonesia membuat salah satu Toko Retail Online XYZ yang bergerak di bidang fashion di Yogakarta memerlukan strategi pemasaran yang efektif agar tepat sasaran. Data transaksi shopee toko tersebut hanya berakhir menjadi arsip penjualan dan belum diolah secara optimal sehingga mengalami kesulitan dalam mengelompokkan dan memahami perilaku pelanggan. Penelitian ditujukan untuk melakukan segmentasi perilaku pelanggan menggunakan pendekatan Customer Relationship Management (CRM) analitik dengan model RFM (Recency, Frequency, Monetary) dan Algoritma K-Means Clustering. Penelitian menggunakan 85.781 data transaksi periode 2025, yang kemudian dilakukan tahap preprocessing dan pembersihan outlier dengan Interquatile Range (IQR) sehingga menjadi 43.036 data. Evaluasi gabungan dilakukan untuk menentukan klaster optimal menggunakan metode Elbow, Silhouette Score dan Davies-Bouldin Index. Penelitian menetapkan hasil k=3 sebagai jumlah klaster optimal dengan titik siku pada grafik yang ditunjukkan pada grafik Elbow serta divalidasi menggunakan Silhouette Score dengan nilai paling tinggi 0,4949 dan nilai minimum Davies-Bouldin Index 0,7429. Mayoritas pelanggan memiliki karakteristik one-time buyers, didasari oleh nilai Frequency yang relatif sama sehingga nilai variabel Recency dan Monetary lebih mempengaruhi segmentasi. Segmen yang dihasilkan adalah Klaster 0 (New Customer / Potential), Klaster 1 (At Risk Customer), Klaster 2 (Lost Customer). Penelitian berhasil mengubah ribuan data transaksi menjadi informasi yang strategis dengan menggambarkan karakteristik setiap segmen pelanggan sehingga perusahaan dapat menerapkan strategi pemasaran dengan tepat.
Downloads
References
N. M. Ulfa, A. Faris, and I. Himawan, “The Effect of Celebrity Endorsers, Service Features, and Promotions for Shopee E-marketplace Purchase Interest,” Indonesian Vocational Research Journal, vol. 2, no. 1, p. 31, Dec. 2022, [Online]. Available: https://compas.co.id/article/perkembangan-e
E. Purwanto and A. Andhini, “Clustering Pelanggan E-Marketplace Shopee Berdasarkan Kategori Produk dan Pendapatan Menggunakan K-Means,” Seminar Nasional AMIKOM Surakarta, vol. 3, pp. 208–219, Jan. 2025.
R. Mukhlis Juliyanto, F. Patria, H. Danggo Pamungkas, and F. Surya Nugraha, “Penerapan Algoritma Clustering untuk Segmentasi Pelanggan Berdasarkan Perilaku Pembelian,” Seminar Nasional AMIKOM Surakarta, vol. 2, pp. 117–127, Nov. 2024.
P. Indra Pangestu, T. Iman Hermanto, and D. Irmayanti, “Analisis Segmentasi Pelanggan Berbasis Model Recency Frequency Dan Monetary (RFM) Menggunakan Algoritma K-Means,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 11, no. 3, pp. 1486–1492, Oct. 2023, doi: 10.36040/jati.v7i3.7171.
A. Jihan, W. Prihartono, and . F., “Segmentasi Konsumen di Pasarmu.id Menggunakan K-Means Clustering Berdasarkan Model RFM,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 2, pp. 780–788, Apr. 2025, doi: 10.23960/jitet.v13i2.6327.
J. Homepage, M. F. Fadhillah, A. Lovely, A. Suyoso, and I. Puspitasari, “Segmentasi Pelanggan dengan Algoritma Clustering Berdasarkan Atribut Recency, Frequency dan Monetary (RFM),” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 1, pp. 48–56, Nov. 2025, doi: 10.57152/malcom.v5v1.1491.
Mas’ud Ghania Al-Fathoni and Teti Sofia Yanti, “Pemasaran Efektif melalui Optimasi RFM Analisis Berdasarkan K-Means Clustering,” Bandung Conference Series: Statistics, vol. 5, no. 2, pp. 517–526, Aug. 2025, doi: 10.29313/bcss.v5i2.20213.
Y. michael Sihombing and E. S. Rahayu, “Implementasi Fuzzy C-Means Clustering dalam Segmentasi Pelanggan dengan RFM Model,” RIGGS: Journal of Artificial Intelligence and Digital Business, vol. 4, no. 4, pp. 2777–2786, Dec. 2025, doi: 10.31004/riggs.v4i4.4034.
M. Arif Saifudin, H. Endah Wahanani, and A. Junaidi, “Implementasi Algoritma Asosiasi Fp-Growth Dan Klasifikasi K-Means Terhadap Pola Pembelian Konsumen Di Marketplace Shopee,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 1, pp. 764–771, Mar. 2024.
D. Tatang Warianta et al., “Optimasi K-Means Menggunakan Algoritma Firefly Untuk Segmentasi Pelanggan pada E-commerce,” Jurnal FASILKOM, vol. 14, no. 3, pp. 755–
, Dec. 2024, [Online]. Available: https://www.kaggle.com/datasets/mashlyn/online-
D. S. Nugraha, I. Thoib, N. Sururi, F. Bayu F, and B. P. Candra, “Segmentasi Pelanggan Berbasis Analisis RFM Menggunakan Algoritma K-Means Clustering,” Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI), vol. 4, no. 2, pp. 1361–1369, Sep. 2025, doi: 10.62712/juktisi.v4i2.641.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Rezky Amymaztura, Irfan Pratama
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright Notice
An author who publishes in the Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
Read more about the Creative Commons Attribution-ShareAlike 4.0 Licence here: https://creativecommons.org/licenses/by-sa/4.0/.
