jimik@stmiki.ac.id 081377790601 Online Submission Open
Vol. 6 No. 3 (2025) • Articles
Open Access

Implementasi Algoritma Clustering K-Means untuk Segmentasi Pelanggan di E-Commerce

Priscianus Mikael Kia Mado
Universitas Kristen Satya Wacana
Hendry Hendry
Universitas Kristen Satya Wacana
Published: September 10, 2025 Pages: 1680-1686
Original Full-Text Article
Download published version for reading and archiving
Download PDF
Abstract

In the increasingly advanced digital era, competition in the e-commerce world requires companies to understand customer behavior in depth in order to maintain loyalty and increase sales. This study aims to segment e-commerce customers by applying the K-means clustering algorithm using RFM (Recency, Frequency, Monetary) analysis. Customer transaction data is processed through pre-processing stages such as data cleaning and normalization, then the K-means algorithm is applied to group customers into homogeneous segments based on their purchasing behavior characteristics. Optimal grouping is obtained using the Silhouette Score evaluation metric, resulting in three main customer segments. The results of this segmentation can help companies design more effective and focused marketing strategies according to the needs of each customer segment.

Keywords:
K-Means Clustering Algorithm Customer Segmentation E-Commerce
Article Metrics & Downloads Graph
Monthly Download Trends:
Author Biographies
Priscianus Mikael Kia Mado Universitas Kristen Satya Wacana

Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana, Kota Salatiga, Provinsi Jawa Tengah, Indonesia.

Hendry Hendry Universitas Kristen Satya Wacana

Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana, Kota Salatiga, Provinsi Jawa Tengah, Indonesia.

How to Cite
Mado, P. M. K., & Hendry, H. (2025). Implementasi Algoritma Clustering K-Means untuk Segmentasi Pelanggan di E-Commerce. Jurnal Indonesia : Manajemen Informatika Dan Komunikasi, 6(3), 1680-1686. https://doi.org/10.63447/jimik.v6i3.1563
License

Creative Commons Attribution 4.0 International License (CC BY 4.0)

This is an open-access article distributed under the terms of the Creative Commons Attribution 4.0 International License .

  • Share: You are free to copy, distribute, and transmit the work in any medium or format.
  • Adapt: You are free to remix, transform, and build upon the work for any purpose, even commercially.
  • Attribution: You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
Copyright & Retention: Authors retain copyright without restrictions and grant this journal the right of first publication under an open-access model. The journal retains non-exclusive publishing rights for archiving, indexing, and scholarly dissemination.

References
Total: 15 References
  1. Ardi, R. B., Nastiti, F. E., & Sumarlinda, S. (2023). Algoritma K-Means Clustering Untuk Segmentasi Pelanggan (Studi Kasus: Fashion Viral Solo). INFOTECH journal, 9(1), 124-131.
  2. Awalina, E. F. L., & Rahayu, W. I. (2023). Optimalisasi Strategi Pemasaran dengan Segmentasi Pelanggan Menggunakan Penerapan K-Means Clustering pada Transaksi Online Retail. Jurnal Teknologi Dan Informasi, 13(2), 122-137. https://doi.org/10.34010/jati.v13i2.10090.
  3. Cuhwanto, Y. A., & DA, R. (2021). Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K-Means. Petir, 15(1), 48-56.
  4. Fatika, R. A. (2025). negara dengan pengguna TikTok terbesar, Indonesia urutan berapa. GoodStats Data. Diambil, 30.
  5. Febri, A., Ningsih, N., & Lemantara, J. (2021). Aplikasi Analisis Segmentasi Pelanggan untuk Menentukan Strategi Pemasaran Menggunakan Kombinasi Metode K-Means dan Model RFM. SISTEMASI, 10(1), 139-151. https://doi.org/10.32520/stmsi.v10i1.1123.
  6. Fitriyani, R., Firmansyah, A. L., & Nurfadillah, L. A. (2024, October). Penerapan Algoritma Clustering untuk Segmentasi Pelanggan E-commerce berdasarkan Data Pembelian dan Aktivitas. In SEMINAR TEKNOLOGI MAJALENGKA (STIMA) (Vol. 8, pp. 372-379). https://doi.org/10.31949/stima.v8i0.1129.
  7. Gustrianda, R., & Mulyana, D. I. (2022). Penerapan Data Mining Dalam Pemilihan Produk Unggulan dengan Metode Algoritma K-Means Dan K-Medoids. J. Media Inform. Budidarma, 6(1), 27.
  8. Hafidz Ardana, C., Khoyum, A. A. A. A. A., & Faisal, M. (2024). Segmentasi pelanggan penjualan online menggunakan Metode K-Means Clustering. JISKA (Jurnal Informatika Sunan Kalijaga), 9(1), 1-9.
  9. Pramudiansyah, A. P. (2021). Segmentasi Pelanggan Menggunakan Algoritma K-Means Berdasarkan Model Recency Frequency Monetary. Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar, 7(2), 06-19. https://doi.org/10.35329/jiik.v7i2.201.
  10. Putra, R. R., & Wadisman, C. (2018). Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K Means. Intecoms, 1(1), 72-77.
  11. Romadhona, W., Nugroho, B. I., & Murtopo, A. A. (2022). Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K-Means. Jurnal Minfo Polgan, 11(2), 100-104. https://doi.org/10.33395/jmp.v11i2.11797.
  12. Siagian, R., Sirait, P. S. P., & Halima, A. (2021). E-Commerce Customer Segmentation Using K-Means Algorithm and Length, Recency, Frequency, Monetary Model. Journal of informatics and telecommunication engineering, 5(1), 21-30. https://doi.org/10.31289/jite.v5i1.5182.
  13. Silamantha, W. A., & Hadiono, K. (2024). Analisis rfm dan k-means clustering untuk segmentasi pelanggan pada pt. sanutama bumi arto. Kesatria: Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen), 5(3), 1297-1305. https://doi.org/10.30645/kesatria.v5i3.448.
  14. Suharti, P. H., Suryandari, A. S., & Amalia, R. N. (2022). Analisis kinerja modul pengendali tekanan udara PCT-14 Berbasis PLC dengan berbagai metoda tuning. Sebatik, 26(2), 420-427. https://doi.org/10.46984/sebatik.v26i2.2134.
  15. Tazkiyah, I., Arifiyanti, A. A., & Najaf, A. R. E. (2023, November). Implementasi Segmentasi Pelanggan E-Commerce Menggunakan Algoritma K-Means Pada Website. In Prosiding Seminar Nasional Teknologi dan Sistem Informasi (Vol. 3, No. 1, pp. 217-226). https://doi.org/10.33005/sitasi.v3i1.651.
Similar Articles

Articles sharing related keywords and machine learning classifications:

Analisis Pola Konsumsi Mahasiswa STIKOM CKI pada Wattpad Ditinjau dari Frekuensi, Durasi, Keterlibatan (Engagement), dan Preferensi Genre Cerita
Vol. 7 No. 3 (2026) • DOI: 10.63447/jimik.v7i3.2013
Analisis Perubahan Segmentasi Konsumen secara Longitudinal Menggunakan Time-Based Clustering pada Data Produk NVIDIA: Studi Kasus Data Shopee
Vol. 7 No. 3 (2026) • DOI: 10.63447/jimik.v7i3.1990
Penerapan Data Mining untuk Menentukan Ketersediaan Stok Barang Berdasarkan Permintaan Konsumen di PT Indonesia Thai Summit Plastech Menggunakan K-Means Clustering
Vol. 5 No. 3 (2024) • DOI: 10.35870/jimik.v5i3.982
Implementasi Algoritma Naïve Bayes Terhadap Data Penjualan untuk Mengetahui Pola Pembelian Konsumen pada Kantin
Vol. 5 No. 1 (2024) • DOI: 10.35870/jimik.v5i1.407
Klasterisasi Peserta KB Aktif di Desa Kalirejo Lawang Menggunakan Metode K-Means
Vol. 6 No. 1 (2025) • DOI: 10.35870/jimik.v6i1.1273
Most read articles by the same author(s)

Other papers published by author(s) in this journal:

Analisis Tingkat Kepuasan Siswa terhadap Program Makan Bergizi Gratis di SMA Negeri 1 Manokwari dengan Pendekatan Mining
Titin Restiani Mendrofa, Hendry • Vol. 7 No. 2 (2026)
Penggunaan Data Mining dalam Mengklasifikasi Nominal Uang Rupiah dengan Metode Convolutional Neural Network (CNN)
Suvirocana Suvirocana, Hendry Hendry • Vol. 7 No. 1 (2026)