Penelitian ini bertujuan menerapkan algoritma K-Means Clustering untuk segmentasi pelanggan, menerapkan algoritma Apriori berbasis hasil segmentasi untuk menemukan pola pembelian produk, serta menghasilkan rekomendasi strategi pemasaran bagi Toko Safira Furniture. Penelitian ini menggunakan metodologi Cross Industry Standard Process for Data Mining (CRISP-DM), yang mengintegrasikan algoritma K-Means Clustering dan Apriori dalam satu alur cluster-based association rule mining. Data transaksi periode Januari–Desember 2025 sejumlah 2.951 data dibersihkan secara bertahap sehingga menghasilkan 2.019 transaksi valid dari 1.860 pelanggan unik, kemudian diagregasi menjadi variabel Recency, Frequency, Monetary, dan Variety (RFMV) dan distandardisasi menggunakan Z-score. Data tersebut dikelompokkan menggunakan algoritma K- Means dengan jumlah cluster optimal ditentukan melalui Elbow Method dan Silhouette Score, dilanjutkan penerapan algoritma Apriori khusus pada segmen yang menunjukkan perilaku cross-buying untuk menemukan aturan asosiasi antar produk. Segmentasi menghasilkan tiga cluster (Silhouette Score 0,4138): Cluster 0 Reguler/Aktif (824 pelanggan), Cluster 1 Tidak Aktif/Berisiko Churn (962 pelanggan), dan Cluster 2 Loyal/Bernilai Tinggi (74 pelanggan) yang merupakan satu-satunya segmen dengan perilaku cross-buying. Analisis Apriori pada Cluster 2 menghasilkan 13 aturan asosiasi, tujuh di antaranya bernilai lift lebih besar dari 1, dengan dua aturan terkuat yaitu rak rias gantung siap pakai dengan jengkok full kayu (lift 6,34) serta hiasan tembok estetik dengan rak rias gantung dinding (lift 5,55). K-Means mengidentifikasi siapa pelanggan bernilai tinggi, sedangkan Apriori memberikan pola pembeliannya, sehingga keduanya menjadi dasar strategi pemasaran, program retensi, dan bundling produk yang tepat sasaran. Penelitian ini juga mengidentifikasi keterbatasan berupa rendahnya kekompakan internal Cluster 2 dan terbatasnya sampel Apriori.

S12598

INF 0120 2026

Bekasi

Tersedia