Klasifikasi & Segmentasi Pelanggan

Data Science Pertemuan 8 CPMK-3 · CPMK-4 Bisnis Digital

Decision Tree · Random Forest · K-Means Clustering · Segmentasi RFM

Agenda Pertemuan

Bagian 1 — Teori & Algoritma

Konsep klasifikasi dalam bisnis digital
Decision Tree: cara kerja & interpretasi
Random Forest: ensemble & akurasi lebih baik
K-Means Clustering: pengelompokan tanpa label
Segmentasi RFM: Recency, Frequency, Monetary

Bagian 2 — Praktik & Studi Kasus

Memilih algoritma yang tepat untuk konteks bisnis
Studi kasus segmentasi pelanggan Gojek & BCA
Visualisasi hasil clustering
Interpretasi segmen untuk strategi pemasaran
Diskusi & tugas analisis data nyata

Tujuan Pembelajaran

Menjelaskan perbedaan klasifikasi (supervised) dan clustering (unsupervised) serta kapan masing-masing digunakan dalam konteks bisnis

Menerapkan Decision Tree dan Random Forest untuk memprediksi perilaku pelanggan berdasarkan data transaksi

Menggunakan K-Means Clustering untuk mengelompokkan pelanggan ke dalam segmen-segmen bermakna bisnis

Merancang segmentasi RFM dari data transaksi dan merumuskan rekomendasi strategi pemasaran berbasis data

Topik 1

Decision Tree & Random Forest

Belajar dari data berlabel untuk memprediksi kategori pelanggan

Decision Tree: Cara Kerja

Decision Tree membangun model berbentuk pohon dengan membagi data secara berulang berdasarkan fitur yang paling informatif.

Konsep Kunci:

Node internal: pertanyaan tentang fitur (mis. "Belanja > Rp 500 rb?")
Cabang: jawaban ya/tidak
Leaf node: prediksi kelas akhir
Depth: kedalaman pohon — semakin dalam, semakin kompleks

Gini Impurity (ukuran kemurnian node):
Gini = 1 − Σ pᵢ²

Coba Sendiri: Bangun Decision Tree & Hitung Gini

Ubah titik split fitur pada data, amati bagaimana Gini impurity tiap node berubah dan pohon terbentuk.

Random Forest: Ensemble yang Lebih Kuat

Random Forest membangun banyak Decision Tree secara paralel pada subset data berbeda, lalu menggabungkan prediksinya (voting/rata-rata).

Aspek	Decision Tree	Random Forest
Jumlah model	1 pohon	~100–500 pohon
Overfitting	Mudah overfit	Lebih tahan
Interpretasi	Sangat mudah	Lebih sulit (black-box)
Akurasi umum	Sedang	Lebih tinggi
Waktu training	Cepat	Lebih lama
Feature importance	Ada	Lebih reliabel

Prinsip Ensemble: "Satu pohon bisa salah, tetapi ratusan pohon yang bersuara bersama cenderung benar — sama seperti keputusan kelompok lebih baik dari satu individu."

Aplikasi bisnis nyata:

Prediksi churn pelanggan (Telkom, GoPay)
Deteksi penipuan transaksi (BCA, Mandiri)
Rekomendasi produk (Tokopedia, Lazada)
Scoring kredit (Bank Digital, Fintech)

Evaluasi Model Klasifikasi

Setelah melatih model, kita perlu mengukur seberapa baik performanya menggunakan confusion matrix dan metrik turunannya.

Metrik	Formula	Makna Bisnis
Accuracy	(TP+TN)/(Total)	% prediksi benar secara keseluruhan
Precision	TP/(TP+FP)	Dari yang diprediksi positif, berapa yang benar?
Recall	TP/(TP+FN)	Dari semua kasus positif, berapa yang terdeteksi?
F1-Score	2×P×R/(P+R)	Keseimbangan precision dan recall

Kapan prioritaskan Recall?
Deteksi fraud dan churn — lebih baik salah tandai pelanggan normal sebagai berisiko (false positive) daripada melewatkan pelanggan yang benar-benar akan pergi (false negative).

Kapan prioritaskan Precision?
Email promosi — mengirim email kepada orang yang tidak tertarik (false positive) merugikan reputasi merek dan meningkatkan biaya kampanye.

Topik 2

K-Means Clustering

Menemukan pola tersembunyi tanpa label — segmentasi otomatis berbasis perilaku

K-Means: Algoritma Langkah demi Langkah

Inisialisasi: pilih K titik pusat (centroid) secara acak

Assignment: setiap data point ditetapkan ke centroid terdekat (jarak Euclidean)

Update: hitung ulang posisi centroid sebagai rata-rata semua anggota kluster

Ulangi langkah 2–3 hingga centroid tidak bergerak signifikan (konvergen)

Jarak Euclidean:
d = √[(x₁−x₂)² + (y₁−y₂)²]

Coba Sendiri: Jalankan Iterasi K-Means

Jalankan iterasi assignment dan update centroid langkah demi langkah, amati bagaimana titik data berpindah kluster hingga konvergen.

Memilih Nilai K yang Tepat

Menentukan jumlah kluster yang optimal adalah tantangan utama K-Means. Dua metode yang paling umum:

Elbow Method
Plot nilai Within-Cluster Sum of Squares (WCSS) untuk berbagai nilai K. Titik "siku" pada grafik mengindikasikan K optimal — titik di mana penambahan kluster tidak lagi mengurangi WCSS secara signifikan.

Silhouette Score
Mengukur seberapa mirip sebuah titik data dengan klusternya sendiri dibandingkan kluster lain. Nilai mendekati +1 berarti pengelompokan sangat baik; mendekati -1 berarti pengelompokan buruk. Pilih K dengan silhouette score tertinggi.

K-Means untuk Segmentasi Pelanggan

Fitur yang umum digunakan dalam segmentasi pelanggan e-commerce Indonesia:

Dimensi	Fitur Data	Contoh di Tokopedia
Perilaku Beli	Frekuensi transaksi, nilai rata-rata pesanan, kategori favorit	Pelanggan elektronik high-value vs. pelanggan fashion budget
Keterlibatan	Klik, review, waktu di aplikasi, respons promosi	Power user vs. passive browser
Geografis	Kota, kecamatan, zona pengiriman	Pelanggan Jabodetabek vs. luar Jawa
Temporal	Hari/jam aktif, pola musiman, frekuensi login	Pembeli akhir pekan vs. pembeli tengah malam
Demografis	Usia, jenis kelamin (bila tersedia), tipe perangkat	Mobile-only vs. desktop user

Catatan penting: Normalisasi fitur (standardization/min-max scaling) wajib dilakukan sebelum K-Means karena algoritma ini sensitif terhadap skala — nilai belanja Rp 10.000.000 akan mendominasi bila tidak dinormalisasi bersama fitur seperti frekuensi login (1–30 per bulan).

Topik 3

Segmentasi RFM

Recency · Frequency · Monetary — kerangka klasik yang tetap relevan di era digital

Tiga Dimensi RFM

Recency

Berapa hari sejak transaksi terakhir?

R = Hari ini − Tanggal Beli Terakhir

Skor lebih kecil = lebih baik (baru-baru ini beli)

Contoh: pelanggan beli kemarin (R=1) lebih berharga dari pelanggan beli 6 bulan lalu (R=180)

Frequency

Berapa kali transaksi dalam periode tertentu?

F = Jumlah Transaksi (misal 3 bulan)

Skor lebih besar = lebih baik (sering beli)

Contoh: pelanggan beli 12x lebih loyal dari pelanggan beli 2x dalam 3 bulan

Monetary

Berapa total nilai pembelian dalam periode?

M = Σ Nilai Transaksi

Skor lebih besar = lebih baik (belanja lebih banyak)

Contoh: pelanggan dengan M=Rp 15 juta lebih bernilai dari M=Rp 500 ribu

Dari Nilai RFM ke Segmen Pelanggan

Langkah umum: bagi setiap dimensi ke dalam 5 kuintil (skor 1–5), lalu gabungkan.

Segmen	Profil RFM	Strategi
Champions	R5, F5, M5	VIP rewards, early access
Loyal	R4–5, F3–5, M3–5	Loyalty program, upsell
Potential Loyalist	R3–4, F2–3, M2–3	Onboarding series, engagement
At Risk	R2–3, F3–5, M3–5	Win-back campaign, diskon
Hibernating	R1–2, F1–2, M1–2	Reaktivasi atau hapus list
Lost	R1, F1, M1	Survey kepuasan atau churn

Aturan Pareto dalam RFM:
Biasanya ~20% pelanggan (Champions + Loyal) menghasilkan ~80% revenue. Fokuskan retensi di segmen ini sebelum akuisisi pelanggan baru.

RFM + K-Means:
Gunakan nilai R, F, M sebagai fitur input K-Means untuk mendapatkan segmen yang lebih natural dan tidak terbatas pada grid 5×5×5 — lebih fleksibel untuk data distribusi tidak seragam.

Coba Sendiri: Hitung Skor RFM & Segmen Pelanggan

Ubah nilai recency, frequency, dan monetary seorang pelanggan, amati bagaimana skor kuintil dan segmennya berubah.

Studi Kasus: Segmentasi Pelanggan Gojek

Konteks (estimasi berdasarkan informasi publik):
Gojek melayani ~170 juta pengguna terdaftar di Asia Tenggara dengan ~55 layanan berbeda dalam ekosistemnya. Segmentasi pelanggan menjadi krusial untuk efisiensi anggaran promosi.

Dimensi segmentasi yang relevan:

Frekuensi GoRide/GoCar vs. GoFood vs. GoPay
Nilai transaksi rata-rata per layanan
Respons terhadap GoPay cashback
Waktu aktif (pagi commuter vs. malam food-order)
Recency penggunaan setelah promosi berakhir

Segmen Hipotetis	Profil	Tindakan
Power User	Tinggi R, F, M di semua layanan	GoPay Platinum, early feature
Food Loyalist	Tinggi F GoFood, rendah transportasi	GoFood subscription, promo makan
Commuter	Tinggi GoRide weekday pagi-sore	GoRide langganan bulanan
Promo Hunter	Aktif hanya saat diskon	Kurangi diskon, tawarkan nilai lain
Dormant	Tidak aktif >30 hari	Win-back notification + kredit

Studi Kasus: Segmentasi Nasabah Perbankan Digital

Konteks BCA myBCA / BRImo (perkiraan publik):
BCA memiliki ~38 juta rekening aktif; BRImo BRI melaporkan ~38 juta pengguna aktif per 2024. Segmentasi nasabah mendukung strategi cross-selling produk perbankan.

Fitur RFM di konteks perbankan:

R: Hari sejak transaksi digital terakhir (transfer/bayar)
F: Jumlah transaksi digital per bulan
M: Rata-rata saldo + total transaksi bulanan
Tambahan: produk aktif (kartu kredit, deposito, reksadana)

Segmen Nasabah	Karakteristik	Produk yang Relevan
Nasabah Premium	Saldo tinggi, aktif digital	Wealth management, private banking
Mass Affluent	Saldo sedang-tinggi, aktif	Reksadana, deposito, kartu kredit
Transaksional Aktif	Saldo sedang, transaksi sering	Cashback debit, QRIS loyalty
Tabungan Pasif	Saldo masuk, jarang transaksi	Digital engagement, notif promo
Dormant	Tidak aktif >90 hari	Reaktivasi atau dormancy notice

Alur Kerja: RFM + K-Means End-to-End

Rangkuman Pertemuan 8

5 Key Takeaway

Klasifikasi vs. Clustering: Decision Tree/Random Forest memerlukan data berlabel (supervised); K-Means bekerja tanpa label (unsupervised) — pilih sesuai data yang tersedia dan tujuan bisnis.
Decision Tree interpretable dan visual; Random Forest lebih akurat dan tahan overfit melalui ensemble ratusan pohon yang melakukan voting.
K-Means mengelompokkan pelanggan berdasarkan kemiripan fitur; penentuan K optimal menggunakan Elbow Method atau Silhouette Score; normalisasi fitur adalah prasyarat wajib.
RFM (Recency, Frequency, Monetary) adalah kerangka segmentasi terbukti yang menghasilkan segmen actionable (Champions, Loyal, At Risk, dll.) langsung terhubung ke strategi pemasaran berbeda.
RFM + K-Means adalah kombinasi terbaik: RFM menghasilkan tiga fitur bermakna bisnis, K-Means menemukan segmen alami tanpa asumsi grid 5×5 yang kaku.

Algoritma yang dipelajari: Decision Tree · Random Forest · K-Means

Framework bisnis: RFM · Elbow Method · Confusion Matrix

Tugas & Diskusi

Tugas Individu (dikumpulkan minggu depan)

Gunakan dataset transaksi e-commerce publik (mis. dari Kaggle atau data simulasi yang disediakan dosen) untuk:

Hitung nilai R, F, M untuk setiap pelanggan
Normalisasi nilai RFM
Terapkan K-Means dengan K=3 dan K=5; bandingkan hasilnya menggunakan Elbow Method
Beri nama dan interpretasi bisnis untuk setiap kluster
Rekomendasikan strategi pemasaran berbeda untuk masing-masing segmen (min. 1 paragraf per segmen)

Pertanyaan Diskusi Kelas

Kapan Anda akan memilih Decision Tree daripada Random Forest untuk kasus churn prediction? Apa pertimbangannya?
Misalkan K-Means menghasilkan 4 kluster tetapi tim bisnis hanya bisa menjalankan 2 kampanye berbeda — apa yang Anda lakukan?
Apakah segmen RFM yang sama akan menghasilkan strategi yang berbeda di Shopee vs. di BCA? Mengapa?
Apa risiko etis dari segmentasi pelanggan berbasis data — siapa yang mungkin dirugikan?

Tanya Jawab & Preview Pertemuan 9

Sesi Tanya Jawab

Silakan ajukan pertanyaan tentang materi Pertemuan 8:

Decision Tree vs. Random Forest
Cara menentukan K optimal
Implementasi RFM dari data nyata
Tools Python: scikit-learn, pandas
Pertanyaan seputar tugas

Preview: Pertemuan 9

Time Series & Forecasting Bisnis

Pertemuan depan Anda akan belajar:

Komponen time series: tren, musiman, siklis, residual
Metode forecasting: Moving Average, Exponential Smoothing
ARIMA untuk prediksi deret waktu
Aplikasi: prediksi penjualan, demand planning, stok inventori
Studi kasus: forecasting permintaan GoFood & Alfamart

Persiapan: Baca materi time series dasar dan pastikan Python + pandas + statsmodels sudah terinstal di laptop Anda.

📖 Baca juga: Dcf Valuation — penjelasan mendalam dan contoh numerik.