Identifikasi Peluang Usaha Melalui Segmentasi Konsumen Menggunakan Pca Dengan Pendekatan Gaussian Mixture Model Dan K-Means

Abstract

Dalam era digital, data konsumen menjadi aset strategis dalam menganalisis tren dan mengidentifikasi peluang usaha. Penelitian ini bertujuan untuk mengidentifikasi segmentasi pelanggan berdasarkan perilaku belanja dengan menggunakan metode Principal Component Analysis (PCA) dan algoritma klaster Gaussian Mixture Model (GMM) dan algoritma K-Means. Dataset yang digunakan, yaitu "shopping_trends_updated.csv", memuat informasi terkait perilaku konsumen. Setelah melalui tahap praproses dan transformasi data, PCA diterapkan untuk mereduksi dimensi fitur, dengan memilih dua komponen utama. Hasil PCA menunjukkan bahwa dua komponen utama hanya mampu menjelaskan 23,59% variansi data, yang mengindikasikan kompleksitas fitur yang tinggi. Selanjutnya, GMM dibandingkan dengan K-Means untuk proses klasterisasi. Evaluasi menggunakan Silhouette Score menunjukkan bahwa kedua metode menghasilkan hasil yang sebanding: 0,4246 untuk K-Means dan 0,4202 untuk GMM. Meskipun skornya serupa, GMM lebih fleksibel dalam menangani bentuk klaster yang tidak berbentuk bulat. Temuan ini menunjukkan bahwa pendekatan PCA + GMM dapat digunakan sebagai metode awal untuk mengeksplorasi peluang usaha berbasis data perilaku konsumen. Studi ini juga membuka ruang untuk pengembangan metode lanjutan berbasis deep learning atau integrasi data multikanal guna memperoleh segmentasi yang lebih akurat dan aplikatif.