IMPLEMENTASI RAPIDMINER UNTUK KLASTERING DATA WHOLESALE CUSTOMER MENGGUNAKAN METODE K-MEANS

Abstract

Penelitian ini bertujuan untuk melakukan segmentasi pelanggan pada data wholesale customer menggunakan metode klastering K-Means yang diimplementasikan melalui perangkat lunak RapidMiner. Dataset wholesale customer sering kali memiliki jumlah data yang besar dan bervariasi sehingga menyulitkan perusahaan dalam mengidentifikasi pola pembelian dan perilaku konsumen. Untuk mengatasi permasalahan tersebut, dilakukan proses pra-pemrosesan data, pemilihan atribut numerik yang relevan, serta pengujian beberapa nilai k untuk memperoleh jumlah cluster yang paling optimal. Evaluasi hasil klastering dilakukan menggunakan metrik internal seperti Davies-Bouldin Index. Hasil penelitian menunjukkan bahwa metode K-Means berhasil mengelompokkan pelanggan wholesale ke dalam beberapa cluster dengan karakteristik berbeda, seperti jumlah pembelian, total pengeluaran, dan kecenderungan permintaan produk. Informasi dari tiap cluster dapat dimanfaatkan sebagai dasar dalam penyusunan strategi pemasaran, pengelolaan persediaan, serta identifikasi pelanggan bernilai tinggi. Secara keseluruhan, penggunaan RapidMiner mempermudah proses analisis dan menghasilkan segmentasi yang lebih terstruktur. Penelitian ini menunjukkan bahwa metode K-Means dapat diterapkan sebagai alat pendukung pengambilan keputusan pada bisnis wholesale.