Cibubur · 2026

K-Means Clustering

Struktur segmen, kualitas cluster, dan profil tiap segmen.

Unduh CSV

Segmen terbesar

Perlu Re-engagement (C0) menampung 89,7% pelanggan (105 orang).

Kontributor revenue

Perlu Re-engagement (C0) menyumbang 81,9% revenue (Rp 64,3 jt).

Keseimbangan segmen

Rasio segmen terbesar vs terkecil 8,8× (105 vs 12 pelanggan). Segmentasi sangat tidak seimbang.

Ringkasan model belum tersedia. File summary.txt tidak ditemukan untuk dataset ini, sehingga metrik kualitas (silhouette, inertia, CH) dan evaluasi Random Forest tidak dapat ditampilkan. Profil cluster tetap dihitung dari rfm_segments.csv.

Jumlah cluster (k)

Dipilih oleh pipeline

Silhouette score

—

Tidak tersedia

Calinski–Harabasz

—

Makin tinggi makin baik

Inertia

—

Total jarak ke centroid

Sampel pelanggan

117

2026

Pemilihan k

Metrik pemilihan k tidak tersedia.

Tanpa summary.txt

Jalankan ulang pipeline Python lalu unggah summary.txt untuk melihat kurva pemilihan k.

Kualitas cluster

Metrik kualitas tidak tersedia.

Tanpa summary.txt

Silhouette dan Calinski–Harabasz hanya tersedia dari ringkasan pipeline.

Ukuran tiap segmen

Jumlah pelanggan per cluster. Klik kartu segmen di bawah untuk menyorot.

Kontribusi revenue per segmen

Persentase total revenue yang berasal dari masing-masing cluster.

Profil R / F / M per segmen

Nilai dinormalisasi 0–100. Recency dibalik: makin jauh ke luar, makin baru.

Sebaran pelanggan pada ruang fitur

Warna = cluster. Sumbu Y logaritmik untuk monetary.

Profil segmen

Klik kartu untuk menyorot segmen pada radar dan scatter. Angka R/F/M adalah rata-rata per cluster.

2 segmen

Plot diagnostik asli dari pipeline

Plot kmeans_k_selection.png — kmeans_k_selection.png · unduh PNG

Plot kmeans_scatter.png — kmeans_scatter.png · unduh PNG

Unduh data & artefak

Semua berkas mentah untuk dianalisis ulang di Excel, Python, atau R.

rfm_segments.csv RFM + label cluster per pelanggan. CSV 7 KB kmeans.joblib Artefak model terlatih (joblib). MODEL 1 KB random_forest.joblib Artefak model terlatih (joblib). MODEL 202 KB scaler.joblib Artefak model terlatih (joblib). MODEL 639 B Gini_importance.png Plot diagnostik dari pipeline Python. PNG 15 KB Permutation_importance.png Plot diagnostik dari pipeline Python. PNG 16 KB kmeans_k_selection.png Plot diagnostik dari pipeline Python. PNG 55 KB kmeans_scatter.png Plot diagnostik dari pipeline Python. PNG 62 KB rf_confusion_matrix.png Plot diagnostik dari pipeline Python. PNG 19 KB