Segmentasi pelanggan dan Penargetan pembeli dengan menggunakan metode K-means clustering: Studi kasus industri real estate
Tahun 2025 · Penulis: Muhammad Rashif Razanah
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Industri real estate saat ini mengalami perkembangan pesat, namun juga menghadapi tantangan berupa tingginya tingkat persaingan dan kebutuhan untuk memahami pelanggan secara lebih mendalam. Penelitian ini bertujuan untuk mengidentifikasi segmen pelanggan dan menyusun strategi penargetan pembeli menggunakan metode K-Means Clustering, dengan studi kasus pada PT Sembilan Bintang Lestari, sebuah pengembang properti terkemuka di Kabupaten Jember. Menggunakan pendekatan CRISP-DM (Cross-Industry Standard Process for Data Mining), penelitian ini melibatkan beberapa tahap utama, yaitu pemahaman bisnis, pemahaman data, persiapan data, pemodelan, dan evaluasi. Data pelanggan dianalisis berdasarkan berbagai variabel penting, termasuk usia, pendapatan, pekerjaan, type rumah, metode pembayaran, dan status pernikahan. Proses clustering dilakukan dengan algoritma K-Means yang dikombinasikan dengan metode Elbow untuk menentukan jumlah cluster yang optimal. Hasil penelitian menunjukkan bahwa tiga cluster adalah jumlah yang paling optimal, dengan masing-masing cluster memiliki karakteristik demografi dan preferensi pembelian yang berbeda. Cluster pertama mencakup pelanggan dengan pendapatan rendah hingga menengah, mayoritas merupakan pegawai negeri atau pekerja dengan pekerjaan tetap, serta lebih memilih type rumah kecil dengan metode pembayaran KPR. Cluster kedua terdiri dari pelanggan dengan pendapatan menengah hingga tinggi yang memiliki preferensi terhadap rumah type sedang dan metode pembayaran kombinasi. Cluster ketiga mencakup pelanggan dengan pendapatan tinggi, yang lebih cenderung membeli rumah premium dengan metode pembayaran tunai. Visualisasi data yang dilakukan menggunakan grafik seperti pie chart, boxplot, dan bar chart memberikan wawasan mendalam terkait distribusi variabel dalam setiap cluster. Informasi ini memungkinkan perusahaan untuk merancang strategi pemasaran yang lebih terarah, seperti penawaran properti berdasarkan pendapatan dan preferensi pembelian masing-masing cluster. Penelitian ini menyimpulkan bahwa penerapan K-Means Clustering dalam segmentasi pelanggan dapat membantu perusahaan real estate untuk Mengetahui pembeli potensial di setiap cluster berdasarkan karakteristik utama, untuk meningkatkan efektivitas penargetan pembeli sesuai dengan preferensi setiap segmen. Temuan ini diharapkan memberikan kontribusi yang signifikan bagi pengembang properti lain yang ingin memanfaatkan pendekatan berbasis data dalam menyusun strategi pemasaran yang lebih presisi.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,918
Tahun 2025 · Penulis: Muhammad Rashif Razanah
Segmentasi pelanggan dan Penargetan pembeli dengan menggunakan metode K-means clustering: Studi kasus industri real estate
Industri real estate saat ini mengalami perkembangan pesat, namun juga menghadapi tantangan berupa tingginya tingkat persaingan dan kebutuhan untuk memahami pelanggan secara lebih mendalam. Penelitian ini bertujuan untuk mengidentifikasi segmen pelanggan dan m
- Cosine 0,767
Tahun 2026 · Penulis: Millatul Azizah
Analisis Segmentasi Pelanggan Menggunakan Model Length, Recency, Frequency, Monetary dan K-Means Clustering Pada Toko Agro Suci
Agro Suci merupakan toko yang bergerak di bidang penjualan sarana produksi pertanian secara online. Seiring dengan meningkatnya persaingan antar bisnis, Agro Suci menghadapi tantangan dalam menyusun strategi pemasaran yang efektif karena data transaksi pelangg
- Cosine 0,759
Tahun 2025 · Penulis: Leonard Febrian Bima Ganendra
Optimasi Harga Penjualan Perumahan dengan Metode Linear Programming (Studi Kasus: Grand Madani Cluster, Mangli, Kaliwates, Kab Jember)
Rumah merupakan kebutuhan dasar manusia yang terus meningkat seiring dengan pertumbuhan jumlah penduduk. Hal ini mendorong berkembangnya industri properti, namun juga meningkatkan tingkat persaingan antar pengembang perumahan. Oleh karena itu, diperlukan strat