Segmentasi Konsumen Produk Kosmetik Berbahan Red Fruit Menggunakan Algoritma K-Means Berbasis Machine Learning dan Visualisasi PCA

Authors

  • Miranti Andhita Scantya Universitas Jakarta Internasional
  • Siwi Putri Andini Universitas Jakarta Internasional
  • Lawrence Adi Supriyono Universitas Jakarta Internasional
  • Brillyan Aditya Saputra Universitas Jakarta Internasional
  • Endraw Denny Hermanto Universitas Jakarta Internasional
  • Ganjar Pramudya Wijaya Universitas Jakarta Internasional
  • Aqila Zhafira Ridoewan Universitas Jakarta Internasional
  • Andhika Ariansyah Nugroho Universitas Jakarta Internasional

Keywords:

Pra-pemrosesan data, K-Means Clustering, Karakteristik Konsumen, Machine Learning, Kosmetik Buah Merah

Abstract

Pertumbuhan minat terhadap industri kecantikan meningkat secara signifikan setelah jumlah beauty influencer bertambah dan semakin banyak mempromosikan produk kecantikan. Untuk mengikuti tren tersebut, brand perlu menghasilkan ide-ide baru agar dapat menarik perhatian konsumen; untuk melakukan hal ini, perusahaan perlu memahami karakteristik konsumen sehingga mereka mengetahui produk apa yang akan laku di pasaran dan mana yang tidak. Penelitian ini bertujuan untuk mengklasifikasikan karakteristik konsumen terhadap produk kecantikan baru yang dihasilkan dari buah khas Papua, yaitu buah merah. Penelitian ini menggunakan pendekatan machine learning unsupervised, yaitu algoritma K-Means clustering untuk mengklasifikasikan berbagai karakteristik konsumen terhadap produk kecantikan berbahan dasar buah merah. Data diperoleh dari kuesioner yang dibagikan kepada konsumen, yang terdiri dari pertanyaan terkait persepsi konsumen, minat beli, tingkat kesadaran terhadap buah merah sebagai bahan produk, serta demografi konsumen. Dataset diproses awal (pre-processing) dan dinormalisasi menjadi data numerik untuk diolah menggunakan K-Means clustering. Jumlah klaster (karakteristik) optimal ditentukan menggunakan Metode Elbow. Hasil penelitian menunjukkan bahwa jumlah klaster terbaik adalah 3, yang berarti konsumen dalam penelitian ini terbagi menjadi tiga karakteristik. Tiga klaster utama konsumen dengan karakteristik berbeda tersebut adalah (1) Konsumen dengan Minat Tinggi, (2) Konsumen dengan Minat Sedang, dan (3) Konsumen dengan Minat Rendah. Temuan ini memberikan wawasan berharga bagi strategi pemasaran, penentuan posisi produk, dan identifikasi target audiens untuk produk kosmetik berbahan buah merah.

References

G. S. Mozes, K. P. A. Nugroho, and D. Puspita, “Pemanfaatan buah merah (Pandanus conoideus) sebagai bahan baku dalam pembuatan saus dan potensinya sebagai bahan tambahan pangan,” Prosiding Seminar Nasional Mahasiswa Unimus, vol. 1, pp. 218-226, 2018.

T. V. Iyelolu and P. O. Paul, “Implementing machine learning models in business analytics: Challenges, solutions, and impact on decision-making,” World Journal of Advanced Research and Reviews, vol. 22, no. 3, pp. 1906-1916, 2024, doi: 10.30574/wjarr.2024.22.3.1959.

S. Setyaningtyas, B. I. Nugroho, and Z. Arif, “Tinjauan pustaka sistematis pada data mining: Studi kasus algoritma K-Means clustering,” Jurnal Teknoif Teknik Informatika Institut Teknologi Padang, vol. 10, no. 2, pp. 52-61, Oct. 2022, doi: 10.21063/jtif.2022.V10.2.52-61.

K. Lepenioti, A. Bousdekis, D. Apostolou, and G. Mentzas, “Prescriptive analytics: Literature review and research challenges,” International Journal of Information Management, vol. 50, pp. 57-70, 2020.

W. Sudrajat, I. Cholid, and J. Petrus, “Penerapan algoritma K-Means clustering untuk pengelompokan UMKM menggunakan RapidMiner,” 2022.

T. Tendean and W. Purba, “Analisis cluster provinsi Indonesia berdasarkan produksi bahan pangan menggunakan algoritma K-Means,” Jurnal Sains dan Teknologi, vol. 1, no. 2, pp. 5-11, Mar. 2020.

E. Erzenemine, “Elbow method: Finding the optimal number of clusters in K-means,” Medium, 2025. [Online]. Available: https://medium.com/@erzeneminegul/elbow-method-finding-the-optimal-number-of-clusters-in-k-means-9bc652a403ef

P. Utomo, M. Tampi, D. Claudia, and J. Haikal, “K-Means clustering segmentation based on consumer interest using SPSS program at XYZ Indonesia customers,” Dinasti International Journal of Digital Business Management, vol. 4, no. 3, pp. 451-460, 2023.

D. A. Awaliyah, B. Prasetiyo, R. Muzayanah, and A. D. Lestari, “Optimising customer segmentation in online retail transactions through the implementation of the K-Means clustering algorithm,” Scientific Journal of Informatics, vol. 11, no. 2, pp. 135-146, 2024.

N. Kumar, “Intelligent customer segmentation: Unveiling consumer patterns with machine learning,” Journal of Umm Al-Qura University for Engineering and Architecture, 2025. [Online]. Available: https://doi.org/10.1007/s43995-025-00180-7

Downloads

Published

2025-12-31

Issue

Vol 10 No. 2 : Tahun 2025

Section

Artikel