Analisis Hierarchical Clustering untuk Segmentasi Pelanggan pada Dataset Mall Customers
Abstract
Penelitian ini bertujuan untuk menganalisis segmentasi pelanggan menggunakan metode Hierarchical Clustering pada dataset Mall Customers. Tujuan utama penelitian adalah mengelompokkan pelanggan berdasarkan kemiripan Annual Income dan Spending Score. Metode penelitian meliputi preprocessing data menggunakan normalisasi Z-score, perhitungan jarak Euclidean, serta proses clustering menggunakan metode Ward linkage. Penentuan jumlah cluster optimal dilakukan dengan menggunakan beberapa metrik evaluasi seperti Silhouette Score, Calinski-Harabasz Index, dan Davies-Bouldin Index. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah lima dengan performa clustering yang baik ditunjukkan oleh nilai Silhouette yang tinggi dan Davies-Bouldin yang rendah. Setiap cluster merepresentasikan segmen pelanggan yang berbeda seperti pelanggan dengan pendapatan tinggi dan belanja tinggi maupun rendah. Hasil ini dapat digunakan sebagai dasar strategi pemasaran yang lebih efektif.
References
B. Zhang, A. Panagiotelis, and H. Li, “Constructing hierarchical time series through clustering: Is there an optimal way for forecasting?,” Int. J. Forecast., vol. 41, no. 3, 2025, doi: https://doi.org/10.1016/j.ijforecast.2024.10.002.
A. Ramadhan, F. Achmad, I. Zulkarnain, and M. Aritsugi, “Evaluation of K-Means, DBSCAN, and Hierarchical Clustering for Strategic Segmentation of Tourism SMEs in Rembang, Indonesia,” Jurnal Teknik Informatika (Jutif), vol. 6, no. 3, pp. 1605–1630, Jul. 2025, doi: 10.52436/1.jutif.2025.6.3.4602.
A. Rahmah, N. Faoziatun Khusna, S. A. Sanmas, S. Aulia, S. Amaria, and F. Fauzi, “Comparison Analysis of Hierarchical,” 2025.
H. A. Amhimmid, F. A. Alzahra Aljehany, M. A. Mohamed, and K. A. Farag, “Comparative Study of Four Methods in Hierarchical Cluster Analysis,” 2025.
M. S. Calvo and H. S. Lee, “Systematic taxonomic framework of metaheuristic algorithms using hierarchical clustering and structural criteria: how novel is the novelty?,” Artif. Intell. Rev., vol. 59, no. 2, Dec. 2025, doi: 10.1007/s10462-025-11456-8.
R. F. Sinaga, M. A. Prabukusumo, and J. Manurung, “Journal of Intelligent Decision Support System (IDSS) Comparison of k-means clustering with hierarchical agglomerative clustering for the analysis of food security of rice sector in Indonesia,” 2025.
Copyright (c) 2026 Jurnal Sistem Informasi Dan Informatika
This work is licensed under a Creative Commons Attribution 4.0 International License.
