IMPLEMENTASI POWERTRANSFORMER DAN PRINCIPAL COMPONENT ANALYSIS (PCA) UNTUK OPTIMALISASI CLUSTERING PADA SEGMENTASI PELANGGAN USIA DEWASA MENGGUNAKAN ALGORITMA K-MEANS

Abstract

Perkembangan teknologi informasi menyebabkan peningkatan volume data sehingga diperlukan metode analisis data yang mampu membantu proses pengambilan keputusan secara efektif. Salah satu teknik yang banyak digunakan adalah clustering untuk segmentasi pelanggan. Namun, algoritma K-Means memiliki kelemahan karena sensitif terhadap distribusi data, perbedaan skala fitur, serta noise yang dapat mempengaruhi kualitas cluster. Penelitian ini bertujuan menganalisis pengaruh preprocessing dan reduksi dimensi terhadap kualitas clustering pada segmentasi pelanggan usia dewasa menggunakan algoritma K-Means. Dataset yang digunakan adalah Mall Customer Segmentation Data dengan atribut Age, Annual Income, dan Spending Score. Penelitian dilakukan menggunakan pendekatan CRISP-DM dengan beberapa skenario preprocessing, yaitu MinMaxScaler, RobustScaler, PowerTransformer, PCA, serta kombinasi preprocessing dan PCA. Evaluasi dilakukan menggunakan Silhouette Score dan Davies Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa metode PowerTransformer dan kombinasi PowerTransformer + PCA menghasilkan kualitas clustering terbaik dengan nilai Silhouette Score sebesar 0,5558 dan DBI sebesar 0,5618. Hasil tersebut menunjukkan bahwa preprocessing dan reduksi dimensi mampu meningkatkan kualitas segmentasi pelanggan secara lebih optimal.