View/Open

Author
YOGY, SA`E TAMA

Date Published
18 Aug 2026

Advisor
Tirta Setiawan, S.Pd., M.Si.,
Ira Safitri, S.Si., M.Si., M.Sc.,

Subject
Sains Data

Publisher

Segmentasi retailer penting dilakukan untuk memahami perbedaan perilaku transaksi dan mendukung penyusunan strategi pengelolaan yang lebih tepat. Penelitian ini menerapkan pendekatan Recency, Frequency, dan Monetary (RFM) serta algoritma Mini-Batch K-Means untuk mengelompokkan retailer pada Iowa Liquor Sales Dataset. Data yang digunakan mencakup transaksi 3 Januari 2012 hingga 30 April 2026 yang diperoleh melalui Google BigQuery. Tahapan penelitian meliputi seleksi dan pembersihan data, pembentukan variabel RFM, penghapusan dua outlier, standardisasi menggunakan Z-score, penentuan jumlah cluster menggunakan metode Elbow, penerapan algoritma Mini-Batch K-Means, serta interpretasi profil setiap cluster. Setelah proses pembersihan data dan penghapusan outlier diperoleh 34.001.152 transaksi dari 3.429 retailer digunakan dalam proses pemodelan. Hasil metode Elbow menetapkan empat cluster, yaitu Inactive / Low Value, Need Attention, Champion Retailer, dan Loyal High Value. Hasil segmentasi menunjukkan bahwa setiap cluster memiliki karakteristik berbeda berdasarkan kebaruan transaksi, intensitas transaksi, dan kontribusi nilai penjualan, sehingga dapat digunakan sebagai dasar dalam memahami perilaku transaksi serta menentukan prioritas pengelolaan retailer.

URI
https://repo.itera.ac.id/depan/submission/SB2608240024

Keyword
Mini-Batch K-Means RFM Segmentasi retailer Iowa Liquor Sales