Penerapan Algoritma K-Means Clustering untuk Segmentasi Pelanggan Berdasarkan Pola Sewa Kamera (Studi Kasus: Enocam Rental)
Keywords:
K-Means Clustering, Segmentasi Pelanggan, Sistem Sewa Berbasis Web, Enocam Rental, Metode PrototypeAbstract
Penelitian ini menerapkan algoritma K-Means Clustering untuk segmentasi pelanggan berdasarkan pola sewa kamera di Enocam Rental. Masalah utama yang dihadapi adalah pencatatan transaksi sewa pelanggan yang masih dilakukan secara manual melalui WhatsApp, sehingga data belum terstruktur dan sulit dianalisis. Penelitian ini bertujuan menganalisis pola penyewaan serta mengelompokkan pelanggan berdasarkan kesamaan karakteristik sewa guna menghasilkan segmentasi objektif sebagai dasar penentuan strategi pelayanan. Pendekatan yang digunakan mengombinasikan metode kualitatif dan kuantitatif, dengan menerapkan metode Prototype untuk pengembangan sistem. Proses clustering didasarkan pada tiga variabel utama, yaitu frekuensi sewa, total transaksi, dan durasi sewa. Penentuan jumlah klaster optimal menggunakan Elbow Method yang menghasilkan k=3. Hasil penelitian menunjukkan bahwa sistem penyewaan berbasis web berhasil dibangun menggunakan Laravel, Tailwind CSS, PHP, dan MySQL. Algoritma K-Means berhasil mengelompokkan pelanggan ke dalam tiga klaster: pelanggan bernilai tinggi (high-value), sedang (mid-value), dan rendah (low-value). Segmentasi ini dapat digunakan sebagai landasan pengambilan strategi bisnis berbasis data guna meningkatkan efektivitas pelayanan pelanggan pada Enocam Rental.
References
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.
Dongga, M. A., Sembiring, A. S., & Alawiyah, T. (2023). Data Mining dan Implementasi Algoritma. Tohar Media.
Irawan, E., Wijaya, G., & Warisaji, T. T. (2025). Penerapan algoritma K-Means Clustering untuk segmentasi nasabah bank. BIOS: Jurnal Teknologi Informasi dan Rekayasa Komputer, 6(1), 47–53.
Irwansyah, E., & Faisal, M. (2021). Advanced Clustering: Teori dan Aplikasi. Kencana.
Perdana, S. A., Florentin, S. F., & Santoso, A. (2022). Analisis segmentasi pelanggan menggunakan K-Means Clustering studi kasus aplikasi Alfagift. Sebatik, 26(2), 446–457.
Prasetyo, E., Akbi, D. R., & Masitoh, S. (2023). Data Mining: Konsep dan Aplikasi Menggunakan Python. Andi Offset.
Rosa, A. S., & Shalahuddin, M. (2024). Rekayasa Perangkat Lunak Terstruktur dan Berorientasi Objek. Informatika Bandung.
Santika, I. B. S., Fredlina, K. Q., & Permana, P. T. H. (2023). Penerapan data mining untuk clustering peminat layanan iconnet berdasarkan wilayah area bali menggunakan metode K-Means. Jurnal Teknologi Informasi dan Komputer, 9(1).
Setiawan, R. (2021). Metode SDLC dalam pengembangan software. Dicoding. https://www.dicoding.com/
Supiyandi, S., Zen, M., Laksmana, I. Y., & Syahputra, M. T. (2022). Perancangan sistem informasi pelayanan jasa pencucian mobil berbasis web. Jurnal Teknik dan Informatika, 9(1), 35–42.
Syahra, Y., Fadlil, A., & Yuliansyah, H. (2025). Customer segmentation using RFM and K-Means Clustering to support CRM in retail industry. Sinkron: Jurnal dan Penelitian Teknik Informatika, 9(3), 1120–1131.
Syarifudin, A., & Ani, N. (2019). Metodologi Penelitian Pengembangan Perangkat Lunak. In Media.
