ANALISIS KOMPARATIF METODE K MEANS DAN HIERARCHICAL CLUSTERING UNTUK SEGMENTASI PELANGGAN PUSAT KEBUGARAN

Abstract

Tingginya angka
berhentinya berlangganan pelanggan churn menjadi tantangan utama dalam
industr i pusat kebugaran karena berdampak langsung pada penurunan pendapatan dan
peningkatan biaya akuisisi pelanggan baru . Penelitian ini membandingkan metode K Means
dan Hierarchical Clustering untuk segmentasi pelanggan berbasis karakteristik demografis dan
perilaku. Mengguna kan dataset sekunder sebanyak 4000 observasi dengan 14 variabel, analisis
komparatif dilakukan melalui evaluasi empat metrik internal, uji stabilitas Adjusted Rand In dex
ARI )), dan efisiensi komputasi. Hasil penelitian menunjukkan K Means secara konsisten
unggu l dibandingkan Hierarchical Clustering dengan cap aian Silhouette Coefficient 0.151,
stabilitas yang tinggi ARI 0.905 )), dan waktu eksekusi yang efisien 0.081 detik )). Berdasarkan
segmentasi K Means , t eridentifikasi dua klaster utama, dengan klaster musiman yaitu High
Risk Casual ( 31.2%), yaitu klaster pelanggan dengan frekuensi kunjungan rendah dan durasi
kontrak singkat yang memiliki tingkat churn sebesar 84% dan k la ster inti yaitu Low Risk
Regular ( 68.8%), yaitu klaster pelanggan loyal dengan aktivitas rutin dan kontrak jangka
panjang yang memiliki t ingkat churn sangat rendah sebesar 0.3%. Hasil ini merekomendasikan
implementasi K Means untuk s i stem segmentasi real time guna mendukung pengembangan
strategi retensi yang efektif dalam industri pusat kebugaran.