Perbandingan K-Means dan K-Medoids dalam Segmentasi Pelanggan E-Commerce
System Literature Review
DOI:
https://doi.org/10.31004/irje.v5i4.3236Keywords:
Tinjauan Literatur Sistematis, K-Means, K-Medoids, Pengelompokan, SegmentasiAbstract
Segmentasi pelanggan merupakan salah satu strategi penting dalam e-commerce untuk memahami perilaku konsumen dan meningkatkan efektivitas pemasaran. Dua algoritma yang sering digunakan dalam segmentasi adalah K-Means dan K-Medoids. Penelitian ini bertujuan untuk melakukan tinjauan sistematis terhadap literatur yang membandingkan performa K-Means dan K-Medoids dalam konteks segmentasi pelanggan e-commerce. Metode systematic literature review (SLR) digunakan dengan mengacu pada protokol pencarian, seleksi, dan analisis dari berbagai sumber ilmiah terindeks selama 5 tahun terakhir. Hasil tinjauan menunjukkan bahwa K-Means unggul dalam efisiensi komputasi dan cocok untuk dataset besar, namun lebih sensitif terhadap Outlier. Sebaliknya, K-Medoids menunjukkan ketahanan lebih tinggi terhadap Outlier dan hasil klaster yang lebih stabil, meskipun dengan beban komputasi yang lebih besar. Pemilihan algoritma yang tepat bergantung pada karakteristik data dan tujuan segmentasi. Studi ini memberikan wawasan penting bagi peneliti dan praktisi dalam menentukan pendekatan segmentasi pelanggan yang paling sesuai dalam lingkungan e-commerce.
References
Ardi, R. B., Nastiti, F. E., & Sumarlinda, S. (2023). Algoritma K-Means clustering untuk segmentasi pelanggan (studi kasus fashion viral Solo). Infotech Journal, 1, 124–132.
Ardana, C. H., Alif, A. A. A., & Faisal, M. (2024). Segmentasi pelanggan penjualan online menggunakan metode K-Means clustering. JISKA (Jurnal Informatika Sunan Kalijaga), 1(1), 1–9.
Dwi Sulistyawati, A. A., & Sadikin, M. (2021). Penerapan algoritma K-Medoids untuk menentukan segmentasi pelanggan. SISTEMASI: Jurnal Sistem Informasi, 10(3), 516–526.
Evanita, F. M., Cholissodin, I., & Adinugroho, S. (2021). Pengelompokan toko e-commerce Shopee berdasarkan reputasi toko menggunakan metode clustering K-Medoids. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 5(4), 1230–1233.
Huda, N. A., Fatimah, F., & Rachmawati, F. (2022). Analisis segmentasi pelanggan bank berdasarkan pengambilan kredit dengan menggunakan metode K-Means clustering. Jurnal Ilmiah Teknologi Informasi Terapan, 6(2), 393–400.
Kamila, C., A. S., M., Namang, G. R., & Fadila Syah, R. R. (2021). Systematic literature review: Penggunaan algoritma K-Means untuk clustering di Indonesia dalam bidang pendidikan. Jurnal Informatika dan Teknologi, 7(1), 101–110.
Luchia Awalina, E. F., & Rahayu, W. I. (2023). Optimalisasi strategi pemasaran dengan segmentasi pelanggan menggunakan penerapan K-Means clustering pada transaksi online retail. Jurnal Teknologi dan Informasi (JAIT), 12(1), 122–137.
Madani, A., Rahmah, A., Nurunnisa, F., & Elia, A. (2022). Segmentasi pelanggan pada BC HNI 2 Pekanbaru dengan menerapkan algoritma K-Medoids dan model RFM (Recency, Frequency, Monetary). SENTIMAS: Seminar Nasional Penelitian dan Pengabdian Masyarakat, 6, 179–186.
Mirantika, N., Syamfithriani, T. S., & Trisudarno, R. (2023). Implementasi algoritma K-Medoids clustering untuk menentukan segmentasi pelanggan. Jurnal Nuansa Informatika, 9(2), 196–204.
Murpratiwi, S. I., Hendrawan, I. A., & Aranta, A. (2021). Analisis pemilihan cluster optimal dalam segmentasi pelanggan toko retail. Jurnal Pendidikan Teknologi dan Kejuruan, 14(2), 152–163.
Olivia, L. F., Juliantho, D. A., & Hendrik, B. (2023). Komparasi algoritma K-Means dan K-Medoids dalam clustering penyebaran kasus COVID-19. Journal of Information System and Education Development, 3(2), 30–31.
Pangestu, P. I., Hermanto, T. I., & Irmayanti, D. (2023). Analisis segmentasi pelanggan berbasis Recency, Frequency, Monetary (RFM) menggunakan algoritma K-Means. JAIT (Jurnal Mahasiswa Teknik Informatika), 8(3), 1486–1492.
Perdana, S. A., Florentin, S. F., & Santoso, A. (2022). Analisis segmentasi pelanggan menggunakan K-Means clustering: Studi kasus aplikasi Alfagift. Sebatik, 26(3), 446–448.
Rohman, N., & Wibowo, A. (2024). Perbandingan metode K-Medoids dan metode K-Means dalam analisis segmentasi pelanggan mall. SINTECH: Science and Information Technology Journal, 5(1), 49–58.
Widiyanto, A., & Witanti, A. (2021). Segmentasi pelanggan berdasarkan analisis RFM menggunakan algoritma K-Means sebagai dasar strategi pemasaran (studi kasus PT Coversuper Indonesia Global). KONSTELASI: Konvergensi Teknologi dan Sistem Informasi, 9(2), 204–215.
Windjaya, P. A., & Siregar, B. (2024). Analisis segmentasi pelanggan toko online marketplace berdasarkan Recency, Frequency, Monetary, Time, Satisfaction (RFMTMS) menggunakan algoritma K-Medoids clustering. Mutiara: Multidisciplinary Scientific Journal, 10(1), 888–906.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Mosses Ara’al De Sela, Debora Hizkhia Pardede, Elkin Rilvani
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
