View/Open

Author

Date Published
14 Jan 2026

Advisor
Ahmad Luky Ramdani, S.Komp., M.Kom,
Ade Lailani, S.Si., M.Si.,

Subject
Sains Data

Publisher

Di tengah persaingan bisnis yang semakin ketat akibat kemajuan teknologi informasi, pemahaman mendalam tentang perilaku pelanggan menjadi kunci strategi pemasaran yang efektif. Pelaku bisnis salah satunya yaitu Business To Consumer (B2C) menghadapi tantangan mengidentifikasi segmen pelanggan secara akurat akibat beragamnya karakteristik dan pola perilaku. Penelitian ini mengintegrasikan analisis Recency, Frequency, Monetary (RFM) dengan Deep Embedded Clustering (DEC) untuk segmentasi pelanggan B2C menggunakan data transaksi pelanggan member. Metode DEC diterapkan melalui dua tahap: pretraining dengan autoencoder (konvergen pada epoch ke-17 dengan loss 0.000775 dan optimasi Kullback-Leibler (KL) divergence (konvergen pada iterasi kedua sebesar 0.0003, perubahan label < 0,1%). Hasil menunjukkan DEC berhasil membentuk dua klaster optimal dengan Silhouette Score 0.60 (kategori baik). Klaster 0 (46.71%) didominasi segmen `Other', `Champions', dan `Loyal Customers'. Klaster 1 (53.29%) didominasi segmen `Other', `Hibernating', dan `At Risk'. Penelitian ini membuktikan bahwa kombinasi analisis RFM dan DEC dapat menghasilkan segmentasi pelanggan yang akurat untuk mendukung perumusan strategi pemasaran berbasis data.

URI
https://repo.itera.ac.id/depan/submission/SB2601190056

Keyword
B2C Deep Embedded Clustering RFM Segmentasi Pelanggan