Segmentasi Pelanggan dengan Algoritma DBSCAN dan K-Means: Mengungkap Pola dalam Analisis Kepribadian Pelanggan

Abstract

Dalam pemasaran, analisis kepribadian pelanggan adalah pendekatan yang digunakan untuk memahami karakteristik dan perilaku pelanggan. Penelitian ini mengidentifikasi segmentasi pelanggan dengan menerapkan algoritma Density-Based Spatial Clustering of Applications with Noise (DBSCAN) dan K-Means pada data marketing campaign. Sebagai metode klasterisasi berbasis kepadatan, DBSCAN mampu mendeteksi kelompok pelanggan yang memiliki karakteristik serupa tanpa memerlukan penetapan banyak kelompok sebelumnya. DBSCAN sering diterapkan pada data yang banyak mengandung noise, hal ini dikarenakan DBSCAN tidak akan memasukkan data yang dianggap noise ke dalam klaster manapun. Melalui analisis data demografis dan perilaku pembelian, penelitian ini berhasil mengungkap pola-pola tersembunyi di antara pelanggan dan mengidentifikasi pelanggan yang tidak terstruktur. Penelitian ini menunjukkan algoritma DBSCAN efektif dalam segmentasi pelanggan berdasarkan pola pembelian daging, buah, dan emas, dengan parameter optimal (\varepsilon = 0,4, minPts = 3). DBSCAN membentuk empat klaster utama, mengidentifikasi data noise, dan mengungkap pola konsumsi unik, memberikan wawasan strategis untuk pemasaran.