Kualitas cluster · Sedang
Silhouette 0,394 pada k=8. Cluster terbentuk, tetapi batas antar segmen masih tumpang tindih.
Tegal · 2021 – 2025
K-Means Clustering
Struktur segmen, kualitas cluster, dan profil tiap segmen.
Segmen terbesar
Perlu Re-engagement (C5) menampung 23,1% pelanggan (944 orang).
Kontributor revenue
Perlu Re-engagement (C7) menyumbang 27,0% revenue (Rp 893,9 jt).
Keseimbangan segmen
Rasio segmen terbesar vs terkecil 5,5× (944 vs 172 pelanggan). Segmentasi sangat tidak seimbang.
Jumlah cluster (k)
8
Dipilih oleh pipeline
Silhouette score
0,394
Sedang
Calinski–Harabasz
2.761,7
Makin tinggi makin baik
Inertia
2.141,1
Total jarak ke centroid
Sampel pelanggan
4.092
2021 – 2025
Pemilihan k · elbow
Inertia menurun saat k bertambah. Titik pilihan pipeline disorot.
Kualitas cluster per k
Silhouette (kiri) dan Calinski–Harabasz (kanan).
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.
Plot diagnostik asli dari pipeline
Unduh data & artefak
Semua berkas mentah untuk dianalisis ulang di Excel, Python, atau R.
rfm_segments.csv
RFM + label cluster per pelanggan.
summary.txt
Ringkasan K-Means & Random Forest.
kmeans.joblib
Artefak model terlatih (joblib).
random_forest.joblib
Artefak model terlatih (joblib).
scaler.joblib
Artefak model terlatih (joblib).
Gini_importance.png
Plot diagnostik dari pipeline Python.
Permutation_importance.png
Plot diagnostik dari pipeline Python.
kmeans_k_selection.png
Plot diagnostik dari pipeline Python.
kmeans_scatter.png
Plot diagnostik dari pipeline Python.
rf_confusion_matrix.png
Plot diagnostik dari pipeline Python.
