ANALISIS SEGMENTASI COFFEE SHOP MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING

• ADIFFA BAEHAQQI
• 2025

---

Persaingan industri yang semakin ketat di era digital mendorong perusahaan memanfaatkan
analisis data untuk pengambilan keputusan. Dalam industri coffee shop, data transaksi menjadi
kunci memahami preferensi pelanggan dan menyusun strategi pemasaran yang efektif. Penelitian
ini bertujuan mengaplikasikan teknik Data science dalam membangun solusi bisnis berbasis data
melalui model clustering. Dataset yang digunakan mencakup tanggal transaksi, jenis produk,
harga satuan, jumlah terjual, lokasi, dan diskon. Proyek ini mencakup pemahaman data,
Preprocessing, analisis, dan pemodelan clustering menggunakan algoritma K-Means, serta
dievaluasi dengan metrik Silhouette Score. Selain itu, digunakan juga Large Language Model
(LLM), model AI yang dilatih pada data teks besar untuk mempelajari pola statistik dan semantik
bahasa. Kemampuan LLM dimanfaatkan untuk memberi interpretasi deskriptif terhadap hasil
clustering, yang divisualisasikan secara interaktif menggunakan Streamlit. Hasil penelitian
menunjukkan bahwa model clustering mampu mengidentifikasi pola transaksi signifikan, seperti
kelompok pelanggan dengan karakteristik pembelian tertentu. Informasi ini diharapkan dapat
digunakan untuk merancang strategi pemasaran, pengelolaan produk, serta perencanaan diskon
yang lebih optimal.

• Data science
• Machine learning
• Clustering
• K-Means
• Large Language Model
• Streamlit

https://repository.bsi.ac.id/repo/71556/ANALISIS-SEGMENTASI-COFFEE-SHOP-MENGGUNAKAN-ALGORITMA-K-MEANS-CLUSTERING
Anda dapat membaca file tugas akhir ini di repository.