PENERAPAN ALGORITMA K-MEDOIDS UNTUK SEGMENTASI PELANGGAN BERDASARKAN PERILAKU TRANSAKSIONAL PADA GERAI MAKANAN CEPAT SAJI

Abstract

Kondisi persaingan yang semakin ketat pada industri makanan cepat saji menuntut setiap gerai untuk memahami perilaku pelanggan secara lebih akurat agar strategi pemasaran dapat dirumuskan dengan tepat sasaran. Meskipun data transaksi tersedia dalam jumlah besar, pemanfaatannya seringkali belum optimal sehingga pola pembelian pelanggan tidak teridentifikasi dengan baik dan menghambat pengambilan keputusan pemasaran. Penelitian ini bertujuan untuk menghasilkan segmentasi pelanggan berdasarkan perilaku transaksional dengan menerapkan algoritma K-Medoids sebagai metode pengelompokan. Algoritma K-Medoids digunakan karena mampu membentuk cluster yang stabil melalui pemilihan objek aktual sebagai pusat cluster. Penelitian ini menggunakan data sekunder berupa 6.386 baris data transaksi yang diambil dari sistem Point of Sale (POS) salah satu gerai makanan cepat saji pada bulan Maret 2025. Proses analisis mencakup pra-pemrosesan data, normalisasi, perhitungan jarak menggunakan Euclidean, serta pembentukan cluster menggunakan algoritma K-Medoids, sementara validitas cluster dievaluasi menggunakan Silhouette Score. Data transaksi yang dianalisis menghasilkan lima kelompok pelanggan dengan karakteristik yang berbeda, yang menggambarkan keragaman pola pembelian pada masing-masing segmen. Setiap cluster merepresentasikan perilaku pembelian yang unik, mulai dari transaksi sangat kecil hingga transaksi bernilai sangat tinggi. Hasil ini menunjukkan bahwa proses clustering berhasil mengungkap perbedaan perilaku pelanggan secara jelas. Kesimpulan penelitian menegaskan bahwa algoritma K-Medoids mampu menghasilkan segmentasi pelanggan yang informatif, relevan, dan dapat digunakan sebagai dasar penyusunan strategi pemasaran yang lebih efektif, seperti promosi terarah pada gerai makanan cepat saji