Eksplorasi dan Analisis Data Mining untuk Prediksi Pola Konsumen Menggunakan Teknik Klasifikasi dan Clustering

Abstrak

Di era digital saat ini, pemahaman yang mendalam terhadap perilaku konsumen menjadi faktor kunci dalam merancang strategi bisnis yang efektif. Penelitian ini bertujuan untuk menerapkan teknik data mining dalam memprediksi pola perilaku konsumen melalui pendekatan klasifikasi dan clustering. Dataset yang digunakan mencakup informasi demografis, riwayat transaksi, preferensi produk, serta interaksi digital konsumen. Metodologi yang digunakan menggabungkan pendekatan kuantitatif dan kualitatif, dengan menerapkan algoritma Random Forest dan Support Vector Machine (SVM) untuk klasifikasi, serta K-Means dan Hierarchical Clustering untuk segmentasi. Proses analisis diawali dengan data preprocessing seperti pembersihan data, normalisasi, dan seleksi fitur. Hasil klasifikasi menunjukkan bahwa algoritma Random Forest mampu mencapai akurasi hingga 85%, sementara SVM mencapai 82% dalam memprediksi kecenderungan pembelian konsumen. Selain itu, hasil clustering berhasil mengidentifikasi lima segmen konsumen dengan karakteristik perilaku yang berbeda, yang dapat menjadi dasar pengembangan strategi pemasaran yang lebih tepat sasaran. Temuan ini menunjukkan bahwa integrasi metode klasifikasi dan clustering dapat memberikan wawasan strategis yang bernilai bagi pengambilan keputusan bisnis berbasis data.