Implementasi Metode Clustering pada Customer Segmentation Based on Spending Behavior
Kelompok 10
2026-04-05
Kelompok 10
Fina Nihayatul Husna (24031554022)
Alya Nabila Tamam (24031554099)
Link Dataset : https://www.kaggle.com/datasets/ghnshymsaini/customer-segmentation-based-on-spending-behavior
Load Library and Dataset
a. Load Library
library(tidyverse)## Warning: package 'tidyverse' was built under R version 4.5.3## Warning: package 'forcats' was built under R version 4.5.3## Warning: package 'lubridate' was built under R version 4.5.3## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.2.0 ✔ readr 2.2.0
## ✔ forcats 1.0.1 ✔ stringr 1.6.0
## ✔ ggplot2 4.0.2 ✔ tibble 3.3.1
## ✔ lubridate 1.9.5 ✔ tidyr 1.3.2
## ✔ purrr 1.2.1
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(flexclust)## Warning: package 'flexclust' was built under R version 4.5.3library(dbscan)## Warning: package 'dbscan' was built under R version 4.5.3##
## Attaching package: 'dbscan'
##
## The following object is masked from 'package:stats':
##
## as.dendrogramlibrary(meanShiftR)
library(e1071)## Warning: package 'e1071' was built under R version 4.5.3##
## Attaching package: 'e1071'
##
## The following object is masked from 'package:flexclust':
##
## bclust
##
## The following object is masked from 'package:ggplot2':
##
## elementlibrary(cluster)## Warning: package 'cluster' was built under R version 4.5.3library(fpc)## Warning: package 'fpc' was built under R version 4.5.3##
## Attaching package: 'fpc'
##
## The following object is masked from 'package:dbscan':
##
## dbscanb. Load Dataset
data <- read.delim("C:/Users/LENOVO/Downloads/Customer Segmentation_Based_on_Spending_Behavior.csv", sep = "\t")
knitr::kable(head(data))| ID | Year_Birth | Education | Marital_Status | Income | Kidhome | Teenhome | Dt_Customer | Recency | MntWines | MntFruits | MntMeatProducts | MntFishProducts | MntSweetProducts | MntGoldProds | NumDealsPurchases | NumWebPurchases | NumCatalogPurchases | NumStorePurchases | NumWebVisitsMonth | AcceptedCmp3 | AcceptedCmp4 | AcceptedCmp5 | AcceptedCmp1 | AcceptedCmp2 | Complain | Z_CostContact | Z_Revenue | Response |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5524 | 1957 | Graduation | Single | 58138 | 0 | 0 | 04-09-2012 | 58 | 635 | 88 | 546 | 172 | 88 | 88 | 3 | 8 | 10 | 4 | 7 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 11 | 1 |
| 2174 | 1954 | Graduation | Single | 46344 | 1 | 1 | 08-03-2014 | 38 | 11 | 1 | 6 | 2 | 1 | 6 | 2 | 1 | 1 | 2 | 5 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 11 | 0 |
| 4141 | 1965 | Graduation | Together | 71613 | 0 | 0 | 21-08-2013 | 26 | 426 | 49 | 127 | 111 | 21 | 42 | 1 | 8 | 2 | 10 | 4 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 11 | 0 |
| 6182 | 1984 | Graduation | Together | 26646 | 1 | 0 | 10-02-2014 | 26 | 11 | 4 | 20 | 10 | 3 | 5 | 2 | 2 | 0 | 4 | 6 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 11 | 0 |
| 5324 | 1981 | PhD | Married | 58293 | 1 | 0 | 19-01-2014 | 94 | 173 | 43 | 118 | 46 | 27 | 15 | 5 | 5 | 3 | 6 | 5 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 11 | 0 |
| 7446 | 1967 | Master | Together | 62513 | 0 | 1 | 09-09-2013 | 16 | 520 | 42 | 98 | 0 | 42 | 14 | 2 | 6 | 4 | 10 | 6 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 11 | 0 |
c. Cek Data
str(data)## 'data.frame': 2240 obs. of 29 variables:
## $ ID : int 5524 2174 4141 6182 5324 7446 965 6177 4855 5899 ...
## $ Year_Birth : int 1957 1954 1965 1984 1981 1967 1971 1985 1974 1950 ...
## $ Education : chr "Graduation" "Graduation" "Graduation" "Graduation" ...
## $ Marital_Status : chr "Single" "Single" "Together" "Together" ...
## $ Income : int 58138 46344 71613 26646 58293 62513 55635 33454 30351 5648 ...
## $ Kidhome : int 0 1 0 1 1 0 0 1 1 1 ...
## $ Teenhome : int 0 1 0 0 0 1 1 0 0 1 ...
## $ Dt_Customer : chr "04-09-2012" "08-03-2014" "21-08-2013" "10-02-2014" ...
## $ Recency : int 58 38 26 26 94 16 34 32 19 68 ...
## $ MntWines : int 635 11 426 11 173 520 235 76 14 28 ...
## $ MntFruits : int 88 1 49 4 43 42 65 10 0 0 ...
## $ MntMeatProducts : int 546 6 127 20 118 98 164 56 24 6 ...
## $ MntFishProducts : int 172 2 111 10 46 0 50 3 3 1 ...
## $ MntSweetProducts : int 88 1 21 3 27 42 49 1 3 1 ...
## $ MntGoldProds : int 88 6 42 5 15 14 27 23 2 13 ...
## $ NumDealsPurchases : int 3 2 1 2 5 2 4 2 1 1 ...
## $ NumWebPurchases : int 8 1 8 2 5 6 7 4 3 1 ...
## $ NumCatalogPurchases: int 10 1 2 0 3 4 3 0 0 0 ...
## $ NumStorePurchases : int 4 2 10 4 6 10 7 4 2 0 ...
## $ NumWebVisitsMonth : int 7 5 4 6 5 6 6 8 9 20 ...
## $ AcceptedCmp3 : int 0 0 0 0 0 0 0 0 0 1 ...
## $ AcceptedCmp4 : int 0 0 0 0 0 0 0 0 0 0 ...
## $ AcceptedCmp5 : int 0 0 0 0 0 0 0 0 0 0 ...
## $ AcceptedCmp1 : int 0 0 0 0 0 0 0 0 0 0 ...
## $ AcceptedCmp2 : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Complain : int 0 0 0 0 0 0 0 0 0 0 ...
## $ Z_CostContact : int 3 3 3 3 3 3 3 3 3 3 ...
## $ Z_Revenue : int 11 11 11 11 11 11 11 11 11 11 ...
## $ Response : int 1 0 0 0 0 0 0 0 1 0 ...head(data)## ID Year_Birth Education Marital_Status Income Kidhome Teenhome Dt_Customer
## 1 5524 1957 Graduation Single 58138 0 0 04-09-2012
## 2 2174 1954 Graduation Single 46344 1 1 08-03-2014
## 3 4141 1965 Graduation Together 71613 0 0 21-08-2013
## 4 6182 1984 Graduation Together 26646 1 0 10-02-2014
## 5 5324 1981 PhD Married 58293 1 0 19-01-2014
## 6 7446 1967 Master Together 62513 0 1 09-09-2013
## Recency MntWines MntFruits MntMeatProducts MntFishProducts MntSweetProducts
## 1 58 635 88 546 172 88
## 2 38 11 1 6 2 1
## 3 26 426 49 127 111 21
## 4 26 11 4 20 10 3
## 5 94 173 43 118 46 27
## 6 16 520 42 98 0 42
## MntGoldProds NumDealsPurchases NumWebPurchases NumCatalogPurchases
## 1 88 3 8 10
## 2 6 2 1 1
## 3 42 1 8 2
## 4 5 2 2 0
## 5 15 5 5 3
## 6 14 2 6 4
## NumStorePurchases NumWebVisitsMonth AcceptedCmp3 AcceptedCmp4 AcceptedCmp5
## 1 4 7 0 0 0
## 2 2 5 0 0 0
## 3 10 4 0 0 0
## 4 4 6 0 0 0
## 5 6 5 0 0 0
## 6 10 6 0 0 0
## AcceptedCmp1 AcceptedCmp2 Complain Z_CostContact Z_Revenue Response
## 1 0 0 0 3 11 1
## 2 0 0 0 3 11 0
## 3 0 0 0 3 11 0
## 4 0 0 0 3 11 0
## 5 0 0 0 3 11 0
## 6 0 0 0 3 11 0Berdasarkan hasil eksplorasi awal menggunakan fungsi str() dan head(), diperoleh bahwa dataset memiliki 29 variabel dan beberapa observasi awal yang merepresentasikan data pelanggan. Struktur data menunjukkan bahwa dataset terdiri dari berbagai tipe variabel, yaitu:
- Numerik
- Kategorik
- Tanggal
Variabel ID berfungsi sebagai identitas unik pelanggan dan tidak digunakan dalam proses analisis clustering. Sementara itu, variabel seperti Income dan variabel pengeluaran (ditandai dengan awalan Mnt) akan menjadi fokus utama dalam segmentasi karena merepresentasikan perilaku belanja pelanggan.
Preprocessing Data
Proses preprocessing ini sangat penting untuk memastikan bahwa hasil clustering yang diperoleh akurat dan dapat merepresentasikan pola perilaku pelanggan secara optimal.
a. Ambil variabel numerik
df <- data %>%
select(where(is.numeric))Memilih hanya variabel numerik karena metode clustering berbasis perhitungan jarak sehingga tidak dapat menggunakan data kategorik secara langsung.
b. Hapus kolom yang tidak digunakan
df <- df %>%
select(-any_of(c("ID", "Z_CostContact", "Z_Revenue")))Variabel seperti ID, Z_CostContact, dan Z_Revenue dihapus karena tidak memiliki pengaruh terhadap pembentukan cluster atau memiliki nilai konstan.
c. Hapus missing value
df <- na.omit(df)Data yang memiliki nilai kosong dihapus untuk menghindari kesalahan dalam perhitungan jarak pada proses clustering.
d. Tambah variabel Total Spending
df$TotalSpending <- rowSums(df[, grepl("Mnt", names(df))])Dibuat variabel TotalSpending untuk merepresentasikan total pengeluaran pelanggan dari seluruh kategori produk.
e. Hapus variabel dengan variansi nol
df <- df[, apply(df, 2, var) != 0]Variabel dengan variansi nol dihapus karena tidak memberikan informasi dalam membedakan data antar cluster.
f. Pilih variabel penting (reduksi noise)
df <- df %>%
select(Income, Recency, starts_with("Mnt"),
NumWebPurchases, NumStorePurchases)Dipilih variabel yang relevan seperti Income, Recency, dan variabel pengeluaran untuk mengurangi noise dan meningkatkan kualitas clustering.
g. Standarisasi
df_scaled <- scale(df)Dilakukan standarisasi agar semua variabel memiliki skala yang sama sehingga tidak ada variabel yang mendominasi hasil clustering.
h. Data bersih
df_scaled <- df_scaled[complete.cases(df_scaled), ]
head(df_scaled)## Income Recency MntWines MntFruits MntMeatProducts MntFishProducts
## 1 0.2340099 0.3104621 0.9780050 1.5490798 1.6898454 2.4540138
## 2 -0.2345065 -0.3804236 -0.8718271 -0.6371840 -0.7178241 -0.6508910
## 3 0.7693040 -0.7949549 0.3584298 0.5690305 -0.1783278 1.3399009
## 4 -1.0170092 -0.7949549 -0.8718271 -0.5617956 -0.6554030 -0.5047778
## 5 0.2401673 1.5540562 -0.3915822 0.4182537 -0.2184556 0.1527314
## 6 0.4078067 -1.1403978 0.6370904 0.3931242 -0.3076286 -0.6874192
## MntSweetProducts MntGoldProds NumWebPurchases NumStorePurchases
## 1 1.4844919006 0.84983876 1.4282310 -0.55401784
## 2 -0.6337371427 -0.73270190 -1.1256271 -1.16925390
## 3 -0.1467879374 -0.03792796 1.4282310 1.29169031
## 4 -0.5850422222 -0.75200118 -0.7607902 -0.55401784
## 5 -0.0007031757 -0.55900842 0.3337204 0.06121821
## 6 0.3645087283 -0.57830769 0.6985572 1.29169031Dilakukan pengecekan ulang untuk memastikan tidak terdapat nilai NA, NaN, atau Inf sehingga data siap digunakan untuk analisis. Hasil akhir pembersihan data diperoleh bahwa variabel yang digunakan dalam analisis clustering meliputi Income, Recency, MntWines, MntFruits, MntMeatProducts, MntFishProducts, MntSweetProducts, MntGoldProds, NumWebPurchases, dan NumStorePurchases. Variabel-variabel ini dipilih karena telah memenuhi kriteria kelayakan data, seperti tidak mengandung missing value dan relevan untuk merepresentasikan perilaku pelanggan.
Statistika Deskriptif
summary(df)## Income Recency MntWines MntFruits
## Min. : 1730 Min. : 0.00 Min. : 0.0 Min. : 0.00
## 1st Qu.: 35303 1st Qu.:24.00 1st Qu.: 24.0 1st Qu.: 2.00
## Median : 51382 Median :49.00 Median : 174.5 Median : 8.00
## Mean : 52247 Mean :49.01 Mean : 305.1 Mean : 26.36
## 3rd Qu.: 68522 3rd Qu.:74.00 3rd Qu.: 505.0 3rd Qu.: 33.00
## Max. :666666 Max. :99.00 Max. :1493.0 Max. :199.00
## MntMeatProducts MntFishProducts MntSweetProducts MntGoldProds
## Min. : 0.0 Min. : 0.00 Min. : 0.00 Min. : 0.00
## 1st Qu.: 16.0 1st Qu.: 3.00 1st Qu.: 1.00 1st Qu.: 9.00
## Median : 68.0 Median : 12.00 Median : 8.00 Median : 24.50
## Mean : 167.0 Mean : 37.64 Mean : 27.03 Mean : 43.97
## 3rd Qu.: 232.2 3rd Qu.: 50.00 3rd Qu.: 33.00 3rd Qu.: 56.00
## Max. :1725.0 Max. :259.00 Max. :262.00 Max. :321.00
## NumWebPurchases NumStorePurchases
## Min. : 0.000 Min. : 0.000
## 1st Qu.: 2.000 1st Qu.: 3.000
## Median : 4.000 Median : 5.000
## Mean : 4.085 Mean : 5.801
## 3rd Qu.: 6.000 3rd Qu.: 8.000
## Max. :27.000 Max. :13.000Berdasarkan statistik deskriptif, variabel pendapatan dan pengeluaran menunjukkan variasi yang cukup besar antar pelanggan. Sebagian besar variabel memiliki nilai rata-rata yang lebih tinggi dibandingkan median, yang mengindikasikan adanya distribusi miring ke kanan. Hal ini menunjukkan adanya perbedaan tingkat konsumsi pelanggan, sehingga analisis clustering relevan untuk mengelompokkan pelanggan berdasarkan pola pengeluaran.
Penentuan Jumlah Cluster
1. Elbow Method
set.seed(123)
wss <- sapply(1:10, function(k){
kmeans(df_scaled, centers = k, nstart = 20)$tot.withinss
})
plot(1:10, wss, type = "b", pch = 19,
xlab = "Jumlah Cluster (K)",
ylab = "WSS",
main = "Elbow Method")
Berdasarkan grafik Elbow Method, terlihat bahwa penurunan nilai WSS terjadi secara signifikan hingga jumlah cluster K = 3. Setelah itu, penurunan cenderung melandai. Hal ini menunjukkan bahwa penambahan jumlah cluster di atas 3 tidak memberikan peningkatan yang signifikan. Oleh karena itu, jumlah cluster optimal yang dipilih adalah 3.
2. Silhouette Method
avg_sil <- function(k) {
km_res <- kmeans(df_scaled, centers = k, nstart = 25)
ss <- silhouette(km_res$cluster, dist(df_scaled))
mean(ss[,3])
}
k_values <- 2:10
avg_sil_values <- sapply(k_values, avg_sil)## Warning: did not converge in 10 iterations
## Warning: did not converge in 10 iterationsplot(k_values, avg_sil_values, type = "b", pch = 19,
xlab = "Jumlah Cluster (K)",
ylab = "Silhouette",
main = "Silhouette Analysis")
Berdasarkan grafik Silhouette Analysis, nilai silhouette tertinggi diperoleh pada K = 2, yang menunjukkan bahwa pembentukan cluster paling optimal terjadi pada dua kelompok. Namun, pada K = 3 nilai silhouette masih cukup baik sehingga tetap dapat digunakan untuk memberikan segmentasi yang lebih rinci. Sementara itu, untuk K ≥ 4 nilai silhouette menurun secara signifikan, yang menunjukkan kualitas cluster yang kurang baik.
Clustering
1. K-Means
km_res <- kmeans(df_scaled, centers = 3, nstart = 25)
km_res## K-means clustering with 3 clusters of sizes 648, 1084, 484
##
## Cluster means:
## Income Recency MntWines MntFruits MntMeatProducts MntFishProducts
## 1 0.3894963 -0.06094228 0.6750842 -0.1404504 0.06148276 -0.1143817
## 2 -0.6623721 0.01004790 -0.7590211 -0.5320761 -0.62765578 -0.5514996
## 3 0.9620202 0.05908817 0.7961247 1.3797155 1.32342568 1.3883160
## MntSweetProducts MntGoldProds NumWebPurchases NumStorePurchases
## 1 -0.0882864 0.3236952 0.8027159 0.6527183
## 2 -0.5310915 -0.5454598 -0.6880921 -0.7662856
## 3 1.3076710 0.7882725 0.4663883 0.8423392
##
## Clustering vector:
## 1 2 3 4 5 6 7 8 9 10 12 13 14 15 16 17
## 3 2 1 2 1 1 1 2 2 2 2 3 2 2 1 2
## 18 19 20 21 22 23 24 25 26 27 29 30 31 32 33 34
## 2 1 2 2 2 1 1 1 2 2 2 3 2 2 2 2
## 35 36 37 38 39 40 41 42 43 45 46 47 48 50 51 52
## 3 2 1 2 2 1 3 2 2 2 3 2 2 1 1 3
## 53 54 55 56 57 58 60 61 62 63 64 65 66 67 68 69
## 2 3 1 3 3 2 1 1 1 1 1 3 2 2 3 1
## 70 71 73 74 75 76 77 78 79 80 81 82 83 84 85 86
## 3 3 3 1 2 2 3 3 2 1 2 2 2 2 1 2
## 87 88 89 90 94 95 96 97 98 99 100 101 102 103 104 105
## 2 1 3 2 2 2 2 1 2 1 1 2 2 3 3 3
## 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121
## 2 2 3 2 3 3 1 1 1 1 2 3 3 2 2 1
## 122 123 124 125 126 127 128 130 131 132 133 135 136 137 138 139
## 2 2 2 1 1 3 2 1 1 1 1 2 1 2 2 2
## 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155
## 2 3 1 3 1 2 1 2 2 2 2 1 1 1 2 1
## 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171
## 1 2 2 2 3 2 1 2 1 3 2 1 2 3 2 2
## 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187
## 2 2 2 2 3 3 2 2 1 2 2 1 2 2 2 2
## 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203
## 1 3 2 2 3 2 2 2 2 1 3 3 2 1 3 1
## 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219
## 3 2 2 2 2 2 1 2 1 2 1 3 1 2 1 2
## 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235
## 1 2 1 1 2 1 2 1 1 3 2 1 3 2 2 1
## 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251
## 2 2 1 2 2 3 3 2 3 1 2 1 1 3 3 2
## 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267
## 2 3 2 1 2 1 2 2 2 2 1 2 2 2 2 3
## 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283
## 2 3 2 3 2 2 2 2 1 3 3 3 1 2 1 2
## 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299
## 1 2 2 3 3 3 1 2 2 3 2 2 1 2 2 1
## 300 301 302 303 304 305 306 307 308 309 310 311 312 314 315 316
## 1 2 1 2 2 2 3 2 1 1 2 2 2 3 2 2
## 317 318 319 321 322 323 324 325 326 327 328 329 330 331 332 333
## 2 1 2 1 2 2 1 1 1 2 2 2 2 2 2 1
## 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349
## 2 2 3 3 2 3 3 3 2 1 1 2 3 2 3 2
## 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365
## 2 1 3 1 3 1 2 2 3 1 2 3 1 2 2 1
## 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381
## 1 3 2 3 1 2 2 2 1 2 2 2 2 1 2 2
## 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397
## 2 2 2 2 2 1 1 2 1 3 2 3 2 1 1 2
## 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413
## 2 2 2 2 3 2 2 1 2 2 2 2 1 2 3 1
## 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429
## 1 1 3 2 1 3 1 2 2 2 3 1 2 3 1 2
## 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445
## 3 1 1 3 1 2 2 1 1 2 2 2 2 2 2 2
## 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461
## 2 2 3 2 1 1 1 2 1 1 2 3 2 2 3 1
## 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477
## 3 2 3 2 1 1 2 1 1 3 2 1 2 2 1 2
## 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493
## 1 1 1 2 2 2 2 1 3 1 1 2 2 3 2 3
## 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509
## 1 1 1 2 1 1 1 2 2 2 1 2 1 3 3 2
## 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525
## 3 2 3 2 3 1 3 2 2 1 3 2 3 1 1 2
## 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541
## 2 1 1 3 1 1 3 1 2 2 2 2 3 2 2 2
## 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557
## 2 2 1 1 2 3 2 2 2 2 2 1 2 3 2 3
## 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573
## 3 2 1 2 3 1 3 2 2 1 2 2 2 1 2 2
## 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589
## 2 2 1 2 2 2 2 2 1 2 2 2 2 1 1 1
## 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605
## 2 2 3 3 2 2 2 2 2 2 2 2 1 3 1 2
## 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621
## 2 2 2 2 3 2 2 2 2 3 2 2 2 2 2 1
## 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637
## 2 1 2 1 2 3 3 2 2 1 1 3 2 3 2 3
## 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653
## 1 1 1 1 1 1 1 3 2 3 2 1 1 3 2 1
## 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669
## 2 1 2 2 2 3 2 1 2 3 2 2 2 2 2 2
## 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685
## 2 3 1 3 3 1 2 1 1 2 1 1 3 1 2 1
## 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701
## 1 3 3 1 3 2 1 2 2 2 2 2 2 1 1 1
## 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717
## 1 1 1 2 3 2 1 1 2 2 1 2 1 2 3 3
## 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733
## 2 3 2 1 1 2 3 2 2 3 3 1 1 2 1 1
## 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749
## 2 1 1 3 1 2 3 1 2 2 2 3 3 2 3 2
## 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765
## 1 3 1 3 3 3 3 1 1 2 2 2 1 3 2 1
## 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781
## 2 3 3 2 1 1 3 1 2 2 2 2 1 2 3 3
## 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797
## 2 2 2 2 2 2 1 1 1 3 1 2 2 2 2 1
## 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813
## 1 3 2 1 2 2 3 3 1 2 2 1 3 2 2 3
## 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829
## 1 3 1 2 1 1 2 3 2 1 2 1 3 1 2 1
## 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845
## 2 2 1 1 2 2 3 1 3 2 1 2 2 2 2 3
## 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861
## 3 3 1 2 2 2 1 3 2 1 3 2 1 2 1 2
## 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877
## 2 2 2 1 1 1 2 1 2 1 1 2 2 1 3 1
## 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893
## 2 3 2 2 2 2 2 3 3 2 2 1 1 2 2 3
## 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909
## 2 1 1 1 3 2 2 3 2 3 1 2 3 1 2 2
## 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925
## 2 3 1 1 2 3 3 1 1 2 3 2 3 2 2 3
## 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941
## 1 3 3 3 1 1 2 1 2 1 2 3 1 1 1 3
## 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957
## 1 3 3 2 1 1 2 2 1 2 2 2 2 2 2 1
## 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973
## 1 2 2 3 1 2 2 2 3 3 2 2 1 3 2 2
## 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989
## 1 3 3 3 1 2 1 2 2 2 1 3 1 3 3 3
## 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005
## 2 1 2 1 3 2 2 1 2 1 2 1 1 1 2 2
## 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021
## 2 1 3 2 2 3 2 2 2 2 1 3 2 2 2 2
## 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037
## 2 1 2 2 3 2 2 2 1 3 3 3 2 3 2 2
## 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053
## 2 2 1 1 2 2 3 2 2 2 3 1 1 3 2 3
## 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069
## 2 2 1 2 2 1 3 1 1 3 2 1 2 3 3 2
## 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085
## 1 2 3 1 2 1 3 1 2 1 2 3 2 3 2 3
## 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101
## 1 2 1 2 3 3 2 1 2 2 1 1 3 2 1 3
## 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117
## 1 1 2 2 3 2 2 1 1 3 3 2 3 2 1 2
## 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133
## 2 2 1 1 2 2 2 2 2 3 2 2 1 1 2 2
## 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149
## 3 3 2 2 3 2 2 1 2 2 2 3 2 2 1 1
## 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165
## 2 1 3 2 3 2 2 1 3 3 3 2 1 1 1 2
## 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181
## 1 2 2 3 3 2 2 3 1 2 2 2 1 2 3 1
## 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197
## 2 1 2 2 2 2 1 2 2 3 1 2 2 2 1 2
## 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213
## 1 1 3 2 3 2 2 1 1 3 2 2 2 2 3 1
## 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229
## 3 2 2 1 2 1 2 2 2 3 2 2 1 1 2 1
## 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245
## 2 2 2 2 2 2 1 2 3 2 2 2 2 3 1 2
## 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258 1259 1260 1261
## 2 2 2 2 1 1 1 3 3 1 1 1 3 2 3 2
## 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271 1272 1273 1274 1275 1276 1277
## 1 3 2 2 3 1 2 2 1 1 1 2 1 2 1 2
## 1278 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 1290 1291 1292 1293
## 2 1 1 3 3 2 1 1 2 1 2 3 3 2 2 2
## 1294 1295 1296 1297 1298 1299 1300 1301 1302 1303 1304 1305 1306 1307 1308 1309
## 2 2 2 2 1 3 2 2 3 2 2 3 1 1 1 1
## 1310 1311 1312 1313 1314 1315 1316 1317 1318 1319 1320 1321 1322 1323 1324 1325
## 1 1 3 2 3 2 2 1 2 2 2 3 1 3 1 2
## 1326 1327 1328 1329 1330 1331 1332 1333 1334 1335 1336 1337 1338 1339 1340 1341
## 1 2 2 2 3 2 1 3 3 1 2 3 2 2 2 2
## 1342 1343 1344 1345 1346 1347 1348 1349 1350 1351 1352 1353 1354 1355 1356 1357
## 1 1 2 2 2 2 1 1 3 1 3 2 2 3 3 2
## 1358 1359 1360 1361 1362 1363 1364 1365 1366 1367 1368 1369 1370 1371 1372 1373
## 1 3 2 1 2 1 1 1 3 1 2 2 2 2 2 2
## 1374 1375 1376 1377 1378 1379 1381 1382 1385 1386 1388 1389 1390 1391 1392 1393
## 2 1 1 1 2 1 2 2 2 3 2 2 3 2 2 2
## 1394 1395 1396 1397 1398 1399 1400 1401 1402 1403 1404 1405 1406 1407 1408 1409
## 2 2 1 2 2 1 1 2 1 2 2 1 2 2 1 1
## 1410 1411 1412 1413 1414 1415 1416 1417 1418 1419 1420 1421 1422 1423 1424 1425
## 2 1 1 2 3 2 1 2 2 2 2 2 3 1 2 2
## 1426 1427 1428 1429 1430 1431 1432 1433 1434 1435 1436 1437 1438 1439 1440 1441
## 2 2 2 2 3 2 2 3 2 1 2 2 2 2 2 2
## 1442 1443 1444 1445 1446 1447 1448 1449 1450 1451 1452 1453 1454 1455 1456 1457
## 2 2 3 3 2 3 1 3 1 2 3 3 2 1 3 2
## 1458 1459 1460 1461 1462 1463 1464 1465 1466 1467 1468 1469 1470 1471 1472 1473
## 2 3 1 1 1 2 2 2 1 1 3 2 3 2 2 2
## 1474 1475 1476 1477 1478 1479 1480 1481 1482 1483 1484 1485 1486 1487 1488 1489
## 3 1 2 3 2 2 1 3 1 2 2 3 1 3 1 3
## 1490 1491 1492 1493 1494 1495 1496 1497 1498 1499 1500 1501 1502 1503 1504 1505
## 1 1 2 3 1 2 3 2 1 3 1 1 2 1 1 1
## 1506 1507 1508 1509 1510 1511 1512 1513 1514 1515 1516 1517 1518 1519 1520 1521
## 1 1 3 3 1 3 2 3 3 2 2 1 2 2 2 3
## 1522 1523 1524 1525 1526 1527 1528 1529 1530 1531 1532 1533 1534 1535 1536 1537
## 3 2 2 2 1 3 2 3 2 1 2 1 2 2 2 2
## 1538 1539 1540 1541 1542 1543 1544 1545 1546 1547 1548 1549 1550 1551 1552 1553
## 3 1 1 2 1 3 2 1 2 2 2 1 2 2 1 3
## 1554 1555 1556 1557 1558 1559 1560 1561 1562 1563 1564 1565 1566 1567 1568 1569
## 3 1 2 2 2 2 3 2 1 2 3 2 1 1 1 1
## 1570 1571 1572 1573 1574 1575 1576 1577 1578 1579 1580 1581 1582 1583 1584 1585
## 1 1 2 3 2 1 2 2 1 2 1 2 1 1 2 1
## 1586 1587 1588 1589 1590 1591 1592 1593 1594 1595 1596 1597 1598 1599 1600 1601
## 2 2 2 2 3 2 3 2 2 2 1 2 2 3 2 1
## 1602 1603 1604 1605 1606 1607 1608 1609 1610 1611 1612 1613 1614 1615 1616 1617
## 3 1 2 2 2 1 1 1 1 3 2 3 2 2 3 2
## 1618 1619 1620 1621 1622 1623 1624 1625 1626 1627 1628 1629 1630 1631 1632 1633
## 2 2 1 2 2 3 1 2 2 3 3 2 2 3 2 2
## 1634 1635 1636 1637 1638 1639 1640 1641 1642 1643 1644 1645 1646 1647 1648 1649
## 2 2 1 1 3 2 2 2 1 1 2 3 2 1 1 3
## 1650 1651 1652 1653 1654 1655 1656 1657 1658 1659 1660 1661 1662 1663 1664 1665
## 2 2 3 2 3 2 2 2 1 1 3 1 2 1 2 2
## 1666 1667 1668 1669 1670 1671 1672 1673 1674 1675 1676 1677 1678 1679 1680 1681
## 2 1 2 1 3 2 3 3 1 3 2 2 2 1 2 3
## 1682 1683 1684 1685 1686 1687 1688 1689 1690 1691 1692 1693 1694 1695 1696 1697
## 2 2 2 2 2 3 1 3 3 1 3 2 2 2 3 2
## 1698 1699 1700 1701 1702 1703 1704 1705 1706 1707 1708 1709 1710 1711 1712 1713
## 1 2 3 3 2 2 1 2 2 1 2 3 2 3 1 2
## 1714 1715 1716 1717 1718 1719 1720 1721 1722 1723 1724 1725 1726 1727 1728 1729
## 3 2 1 1 2 2 1 2 3 3 3 2 2 2 2 1
## 1730 1731 1732 1733 1734 1735 1736 1737 1738 1739 1740 1741 1742 1743 1744 1745
## 3 2 2 2 3 3 1 1 1 1 2 2 1 2 3 1
## 1746 1747 1748 1749 1750 1751 1752 1753 1754 1755 1756 1757 1758 1759 1760 1761
## 3 2 1 3 3 1 1 2 1 2 2 2 2 2 3 3
## 1762 1763 1764 1765 1766 1767 1768 1769 1770 1771 1772 1773 1774 1775 1776 1777
## 2 1 1 2 3 2 3 2 2 2 2 1 3 2 2 2
## 1778 1779 1780 1781 1782 1783 1784 1785 1786 1787 1788 1789 1790 1791 1792 1793
## 2 2 3 2 2 3 1 2 2 1 2 3 3 2 2 3
## 1794 1795 1796 1797 1798 1799 1800 1801 1802 1803 1804 1805 1806 1807 1808 1809
## 2 2 2 1 2 1 3 3 3 2 1 2 1 1 2 3
## 1810 1811 1812 1813 1814 1815 1816 1817 1818 1819 1820 1821 1822 1823 1824 1825
## 3 2 1 1 3 3 2 1 3 1 2 1 2 2 3 3
## 1826 1827 1828 1829 1830 1831 1832 1833 1834 1835 1836 1837 1838 1839 1840 1841
## 2 1 3 3 2 2 2 1 2 2 2 3 2 1 1 2
## 1842 1843 1844 1845 1846 1847 1848 1849 1850 1851 1852 1853 1854 1855 1856 1857
## 3 2 3 1 1 2 2 1 2 3 2 3 3 1 1 2
## 1858 1859 1860 1861 1862 1863 1864 1865 1866 1867 1868 1869 1870 1871 1872 1873
## 2 3 1 1 2 1 3 3 1 2 2 1 3 2 3 2
## 1874 1875 1876 1877 1878 1879 1880 1881 1882 1883 1884 1885 1886 1887 1888 1889
## 1 2 2 3 3 1 3 3 2 2 1 2 1 2 3 3
## 1890 1891 1892 1893 1894 1895 1896 1897 1898 1899 1900 1901 1902 1903 1904 1905
## 2 3 3 2 1 3 2 2 3 1 1 2 2 1 2 2
## 1906 1907 1908 1909 1910 1911 1912 1913 1914 1915 1916 1917 1918 1919 1920 1921
## 3 1 2 2 2 3 3 3 3 1 1 2 2 2 2 2
## 1922 1923 1924 1925 1926 1927 1928 1929 1930 1931 1932 1933 1934 1935 1936 1937
## 3 3 3 3 2 1 3 3 1 2 1 2 2 3 2 1
## 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 1948 1949 1950 1951 1952 1953
## 1 2 2 1 2 2 3 2 3 3 3 2 2 2 1 3
## 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969
## 3 1 1 2 2 3 2 3 1 2 2 2 3 1 3 3
## 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985
## 1 1 2 2 1 2 1 3 2 2 2 2 2 3 2 1
## 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
## 2 2 2 2 1 3 2 3 3 2 1 1 1 1 1 2
## 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
## 2 2 2 2 2 3 2 2 1 3 2 3 3 3 2 2
## 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 2031 2032 2033
## 2 2 2 2 2 2 1 1 2 2 2 1 2 1 1 2
## 2034 2035 2036 2037 2038 2039 2040 2041 2042 2043 2044 2045 2046 2047 2048 2049
## 3 1 1 3 1 2 3 1 3 2 2 1 2 2 1 3
## 2050 2051 2052 2053 2054 2055 2056 2057 2058 2059 2061 2063 2064 2065 2066 2067
## 3 2 1 1 2 2 2 3 3 1 2 3 2 1 3 2
## 2068 2069 2070 2071 2072 2073 2074 2075 2076 2077 2078 2081 2083 2084 2086 2087
## 1 2 2 1 3 2 3 3 1 2 2 2 1 1 1 1
## 2088 2089 2090 2091 2092 2093 2094 2095 2096 2097 2098 2099 2100 2101 2102 2103
## 3 2 2 1 2 1 3 1 2 3 2 1 1 2 1 2
## 2104 2105 2106 2107 2108 2109 2110 2111 2112 2113 2114 2115 2116 2117 2118 2119
## 1 2 2 2 1 2 3 1 1 2 2 1 1 2 1 3
## 2120 2121 2122 2123 2124 2125 2126 2127 2128 2129 2130 2131 2132 2133 2134 2135
## 2 2 2 2 3 2 3 1 1 1 2 2 1 2 2 3
## 2136 2137 2138 2139 2140 2141 2142 2143 2144 2145 2146 2147 2148 2149 2150 2151
## 1 2 2 2 2 2 2 2 2 1 1 2 2 2 2 2
## 2152 2153 2154 2155 2156 2157 2158 2159 2160 2161 2162 2163 2164 2165 2166 2167
## 3 2 2 2 2 2 2 1 2 1 2 1 3 2 2 3
## 2168 2169 2170 2171 2172 2173 2174 2175 2176 2177 2178 2179 2180 2181 2182 2183
## 1 3 2 1 1 3 1 1 3 3 1 1 2 2 1 2
## 2184 2185 2186 2187 2188 2189 2190 2191 2192 2193 2194 2195 2196 2197 2198 2199
## 2 2 3 1 3 3 2 3 2 2 3 3 2 2 1 1
## 2200 2201 2202 2203 2204 2205 2206 2207 2208 2209 2210 2211 2212 2213 2214 2215
## 2 2 1 1 3 2 2 3 2 2 2 1 3 2 3 2
## 2216 2217 2218 2219 2220 2221 2222 2223 2224 2225 2226 2227 2228 2230 2231 2232
## 2 2 3 2 1 1 1 2 2 1 1 1 1 2 2 1
## 2233 2234 2235 2236 2237 2238 2239 2240
## 2 3 2 3 1 1 1 2
##
## Within cluster sum of squares by cluster:
## [1] 4024.639 2227.313 5734.481
## (between_SS / total_SS = 45.9 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss" "tot.withinss"
## [6] "betweenss" "size" "iter" "ifault"print(table(km_res$cluster))##
## 1 2 3
## 648 1084 484K-Means berhasil membagi pelanggan menjadi :
- Cluster 1 = pelanggan menengah (648 pelanggan)
- Cluster 2 = pelanggan rendah (1084 pelanggan)
- Cluster 3 = pelanggan premium (484 pelanggan)
Segmentasi ini menunjukkan mengenai adanya perbedaan jelas dalam perilaku pengeluaran dan metode K-Means efektif untuk customer segmentation.
Berdasarkan nilai rata-rata variabel, cluster 2 memiliki karakteristik dengan tingkat pendapatan dan pengeluaran yang rendah, sehingga dapat dikategorikan sebagai pelanggan dengan nilai rendah. Cluster 1 menunjukkan karakteristik pelanggan dengan tingkat pengeluaran sedang, sedangkan cluster 3 memiliki nilai tertinggi pada hampir seluruh variabel, yang menunjukkan kelompok pelanggan premium dengan tingkat konsumsi yang tinggi. Nilai between cluster sum of squares sebesar 45,9% menunjukkan bahwa model clustering mampu menjelaskan variasi data dengan cukup baik.
2. K-Median
kmed_res <- kcca(df_scaled, k = 3, family = kccaFamily("kmedians"))## Found more than one class "kcca" in cache; using the first, from namespace 'flexclust'## Also defined by 'kernlab'## Found more than one class "kcca" in cache; using the first, from namespace 'flexclust'## Also defined by 'kernlab'kmed_res## kcca object of family 'kmedians'
##
## call:
## kcca(x = df_scaled, k = 3, family = kccaFamily("kmedians"))
##
## cluster sizes:
##
## 1 2 3
## 547 1022 647print(table(clusters(kmed_res)))##
## 1 2 3
## 547 1022 647K-Median berhasil membagi pelanggan menjadi:
- Cluster 1 = pelanggan menengah (547 pelanggan)
- Cluster 2 = pelanggan rendah (1022 pelanggan)
- Cluster 3 = pelanggan menengah ke atas (647 pelanggan)
Segmentasi ini menunjukkan adanya perbedaan karakteristik pelanggan berdasarkan tingkat pengeluaran, meskipun distribusi antar cluster tidak terlalu ekstrem. Metode K-Median tetap mampu mengelompokkan data ke dalam kategori yang cukup jelas.
Berdasarkan karakteristik variabel, cluster 2 memiliki nilai median terendah pada sebagian besar variabel, yang menunjukkan kelompok pelanggan dengan tingkat pendapatan dan pengeluaran rendah. Cluster 1 menggambarkan pelanggan dengan tingkat konsumsi sedang, sedangkan cluster 3 memiliki nilai lebih tinggi dibanding cluster lainnya, sehingga dapat dikategorikan sebagai pelanggan dengan tingkat pengeluaran menengah ke atas. Dengan demikian, metode K-Median tetap cukup efektif dalam menangani data yang memiliki outlier karena menggunakan median sebagai pusat cluster.
3. DBSCAN
kNNdistplot(df_scaled, k = 5)
abline(h = 1.2, col = "red")
db_res <- dbscan::dbscan(df_scaled, eps = 1.2, minPts = 5)
db_res## DBSCAN clustering for 2216 objects.
## Parameters: eps = 1.2, minPts = 5
## Using euclidean distances and borderpoints = TRUE
## The clustering contains 6 cluster(s) and 853 noise points.
##
## 0 1 2 3 4 5 6
## 853 1325 5 12 10 5 6
##
## Available fields: cluster, eps, minPts, metric, borderPointsprint(table(db_res$cluster))##
## 0 1 2 3 4 5 6
## 853 1325 5 12 10 5 6DBSCAN menghasilkan pengelompokan pelanggan menjadi:
- Cluster 1 = cluster utama (1325 pelanggan)
- Cluster 2–6 = cluster kecil (5–12 pelanggan per cluster)
- Noise = 853 pelanggan
Segmentasi ini menunjukkan bahwa sebagian besar data terkonsentrasi pada satu cluster utama, sementara cluster lainnya memiliki jumlah anggota yang sangat sedikit. Selain itu, terdapat jumlah noise yang cukup besar, yaitu 853 pelanggan, yang menunjukkan bahwa banyak data tidak memenuhi kriteria kepadatan untuk membentuk cluster.
Berdasarkan hasil tersebut, metode DBSCAN cenderung menghasilkan pengelompokan yang tidak seimbang, di mana satu cluster mendominasi sementara sebagian besar data lainnya dianggap sebagai outlier. Hal ini menunjukkan bahwa pola kepadatan dalam data tidak terbentuk dengan baik. Dengan demikian, metode DBSCAN kurang efektif digunakan untuk segmentasi pelanggan pada dataset ini, karena tidak mampu menghasilkan cluster yang representatif dan informatif dibandingkan metode K-Means.
4. Mean Shift
ms_res <- meanShift(df_scaled)table(ms_res$assignment)##
## 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
## 4 981 641 2 59 4 1 3 1 1 4 1 1 13 6 1 1 5 6 1
## 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
## 43 1 1 1 1 1 10 11 1 1 1 79 1 1 1 1 2 1 2 1
## 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
## 2 3 9 1 1 1 1 1 4 1 1 1 12 1 1 4 9 1 11 1
## 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80
## 1 1 1 2 1 1 3 2 10 1 4 5 1 1 1 3 2 1 2 1
## 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
## 1 2 2 1 1 2 3 2 1 17 1 1 1 14 1 2 2 2 2 1
## 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120
## 2 1 2 1 5 5 2 2 2 1 1 1 1 1 3 1 2 2 1 1
## 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140
## 7 1 2 3 1 1 1 2 1 1 2 2 3 1 1 2 1 1 1 1
## 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
## 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 2
## 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180
## 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1
## 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200
## 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1
## 201 202 203 204 205 206 207 208 209 210 211 212 213
## 1 1 1 1 1 2 1 1 1 1 1 1 1Hasil clustering menunjukkan bahwa data terbagi ke dalam sejumlah 213 cluster, di mana sebagian besar observasi terkonsentrasi pada satu cluster utama, yaitu cluster 2. Hal ini mengindikasikan bahwa sebagian besar data memiliki karakteristik yang relatif homogen. Sementara itu, cluster lainnya memiliki jumlah anggota yang jauh lebih sedikit, yang menunjukkan adanya variasi atau perbedaan karakteristik tertentu pada sebagian kecil data. Cluster-cluster kecil ini dapat merepresentasikan kelompok khusus atau outlier dalam dataset. Dilihat dari nilai variabel pada bagian $value, sebagian besar data memiliki pola nilai yang serupa, yang semakin memperkuat indikasi bahwa struktur data didominasi oleh satu kelompok besar. Namun demikian, terdapat beberapa observasi dengan nilai yang berbeda secara signifikan, yang menunjukkan adanya perbedaan karakteristik yang cukup mencolok.
Dengan demikian, hasil clustering ini menunjukkan bahwa data cenderung tidak terlalu terpisah secara jelas, sebagian besar observasi berada dalam kelompok yang sama. terdapat beberapa kelompok kecil atau outlier dengan karakteristik berbeda.
5. Fuzzy C-Means
fcm_res <- cmeans(df_scaled, centers = 3, m = 2)print(table(fcm_res$cluster))##
## 1 2 3
## 1109 568 539Hasil clustering menggunakan metode Fuzzy C-Means dengan 3 cluster menunjukkan bahwa pelanggan dapat dikelompokkan menjadi tiga segmen utama, yaitu:
Cluster 1 Cluster ini memiliki nilai negatif pada hampir seluruh variabel seperti Income, MntWines, MntMeatProducts, hingga jumlah pembelian. Hal ini menunjukkan bahwa pelanggan dalam cluster ini memiliki tingkat pendapatan dan pengeluaran yang relatif rendah serta aktivitas pembelian yang rendah. Oleh karena itu, cluster ini dapat dikategorikan sebagai pelanggan bernilai rendah (low-value customers).
Cluster 2 Cluster ini memiliki nilai yang cenderung mendekati rata-rata (nilai sedang) pada sebagian besar variabel. Pelanggan dalam kelompok ini menunjukkan tingkat pengeluaran dan aktivitas pembelian yang cukup stabil, namun tidak terlalu tinggi. Dengan demikian, cluster ini dapat dikategorikan sebagai pelanggan dengan nilai menengah (mid-value customers).
Cluster 3 Cluster ini memiliki nilai tertinggi pada hampir seluruh variabel, terutama pada MntWines, MntFruits, MntMeatProducts, dan produk lainnya. Hal ini menunjukkan bahwa pelanggan dalam cluster ini memiliki tingkat pendapatan dan pengeluaran yang tinggi serta aktivitas pembelian yang intens. Oleh karena itu, cluster ini dapat dikategorikan sebagai pelanggan premium (high-value customers).
Selain itu, hasil Fuzzy C-Means juga menghasilkan nilai keanggotaan (membership) untuk setiap data pada masing-masing cluster. Nilai ini menunjukkan tingkat kedekatan suatu data terhadap setiap cluster. Sebagai contoh, suatu pelanggan dapat memiliki nilai keanggotaan pada lebih dari satu cluster, namun biasanya akan diklasifikasikan ke dalam cluster dengan nilai keanggotaan terbesar untuk interpretasi lebih lanjut. Dengan demikian, metode Fuzzy C-Means berhasil mengelompokkan data pelanggan ke dalam tiga segmen utama berdasarkan tingkat pendapatan, pengeluaran, dan aktivitas pembelian, yaitu kelompok rendah, menengah, dan tinggi, sehingga dapat digunakan sebagai dasar dalam memahami karakteristik pelanggan secara lebih mendalam.
Visualisasi Hasil Clustering
par(mfrow = c(2,3))
plot(df_scaled, col = km_res$cluster, main = "K-Means")
Pada visualisasi K-Means, terlihat bahwa data terbagi menjadi beberapa cluster dengan batas yang cukup tegas berdasarkan nilai Income dan Recency. Namun, karena sebagian besar data terkonsentrasi pada rentang Income yang rendah, pemisahan cluster tampak kurang merata dan cenderung menumpuk di satu area. Hal ini menunjukkan bahwa K-Means cukup sensitif terhadap distribusi data yang tidak seimbang serta adanya outlier, sehingga beberapa cluster terlihat kurang optimal dalam merepresentasikan variasi data.
par(mfrow = c(2,3))
plot(df_scaled, col = clusters(kmed_res), main = "K-Median")
Hasil K-Median menunjukkan pola yang mirip dengan K-Means, namun dengan pembagian cluster yang sedikit lebih stabil terhadap outlier. Hal ini karena K-Median menggunakan median sebagai pusat cluster, sehingga tidak terlalu terpengaruh oleh nilai ekstrem. Meskipun demikian, secara visual masih terlihat bahwa sebagian besar data terkonsentrasi pada area tertentu, sehingga pemisahan cluster belum terlalu jelas, terutama pada variabel Income yang memiliki penyebaran tidak merata.
par(mfrow = c(2,3))
plot(df_scaled, col = db_res$cluster + 1L, main = "DBSCAN")
Pada metode DBSCAN, terlihat bahwa algoritma mampu mengidentifikasi kelompok data utama sekaligus mendeteksi outlier sebagai titik yang terpisah dari cluster utama. Berbeda dengan metode sebelumnya, DBSCAN tidak memaksakan jumlah cluster tertentu, melainkan membentuk cluster berdasarkan kepadatan data. Hal ini terlihat dari adanya titik-titik yang dianggap noise, terutama pada nilai Income yang jauh dari mayoritas data. Dengan demikian, DBSCAN lebih efektif dalam menangani data dengan distribusi tidak merata dan keberadaan outlier.
par(mfrow = c(2,3))
plot(df_scaled, col = ms_res$assignment, main = "Mean Shift")
Visualisasi Mean Shift menunjukkan bahwa cluster terbentuk mengikuti kepadatan data secara alami tanpa perlu menentukan jumlah cluster di awal. Hasilnya, terlihat adanya beberapa cluster kecil yang mengikuti distribusi data yang padat. Namun, karena data sangat terkonsentrasi di area tertentu, banyak titik yang berada dalam cluster yang berdekatan sehingga batas antar cluster kurang jelas. Mean Shift cukup baik dalam menemukan pola distribusi, tetapi bisa menghasilkan terlalu banyak cluster jika data sangat rapat.
par(mfrow = c(2,3))
plot(df_scaled, col = fcm_res$cluster, main = "Fuzzy C-Means")
Pada Fuzzy C-Means, visualisasi menunjukkan bahwa pembagian cluster tidak bersifat tegas, melainkan setiap data memiliki derajat keanggotaan pada setiap cluster. Hal ini terlihat dari penyebaran warna yang saling tumpang tindih. Metode ini lebih fleksibel dibandingkan K-Means karena mampu merepresentasikan data yang berada di batas antar cluster. Dengan demikian, Fuzzy C-Means memberikan gambaran yang lebih realistis terhadap data yang tidak memiliki pemisahan yang jelas, terutama pada dataset dengan distribusi yang saling overlap seperti pada variabel Income dan Recency.
Visualisasi dengan PCA
pca <- prcomp(df_scaled, center = TRUE, scale. = TRUE)
cat("Variance explained:\n")## Variance explained:cat("PC1:", round(summary(pca)$importance[2,1]*100, 1), "%\n")## PC1: 46.7 %cat("PC2:", round(summary(pca)$importance[2,2]*100, 1), "%\n")## PC2: 10.5 %colors_use <- c("#082a54","#e02b35","#f0c571","#59a89c","#a559aa")
par(mfrow = c(2,3), mar = c(4,4,3,1))
plot(pca$x[,1], pca$x[,2],
col = colors_use[clusters(kmed_res)], pch = 20, cex = 0.6,
main = "K-Median (K=3)", xlab = "PC1", ylab = "PC2")
db_cluster <- db_res$cluster
db_col <- ifelse(db_cluster == 0, "gray80", colors_use[db_cluster])
plot(pca$x[,1], pca$x[,2],
col = db_col, pch = 20, cex = 0.6,
main = "DBSCAN", xlab = "PC1", ylab = "PC2")
ms_cluster <- ms_res$assignment
plot(pca$x[,1], pca$x[,2],
col = colors_use[ms_cluster], pch = 20, cex = 0.6,
main = "Mean Shift", xlab = "PC1", ylab = "PC2")
plot(pca$x[,1], pca$x[,2],
col = colors_use[fcm_res$cluster], pch = 20, cex = 0.6,
main = "Fuzzy C-Means (K=3)", xlab = "PC1", ylab = "PC2")
plot(pca$x[,1], pca$x[,2],
col = colors_use[km_res$cluster], pch = 20, cex = 0.6,
main = "K-Means (K=3)", xlab = "PC1", ylab = "PC2")
legend("topright",
legend = c("Cluster 1", "Cluster 2", "Cluster 3"),
col = colors_use[1:3],
pch = 20,
cex = 0.7)
PC1 menjelaskan 46.7% variansi dan PC2 menjelaskan 10.5%, sehingga total informasi yang tertangkap dalam dua dimensi adalah 57.2%. Nilai ini cukup untuk memberikan gambaran pola distribusi data, meskipun masih ada informasi yang hilang di dimensi lain.
Interpretasi hasil visualisasi:
K-Means (K=3) menghasilkan tiga cluster yang relatif jelas terpisah, terutama terlihat di area pojok kanan atas. Pola ini menunjukkan bahwa metode ini mampu menangkap struktur utama data meskipun ada overlap di bagian tengah.
K-Medians (K=3) memberikan hasil mirip dengan K-Means, tetapi distribusi cluster lebih merata dan centroid lebih stabil terhadap outlier. Perbedaan batas antar cluster terlihat di area padat.
DBSCAN membentuk satu cluster besar dengan beberapa titik abu-abu sebagai noise. Hal ini menandakan DBSCAN kurang berhasil memisahkan data menjadi beberapa kelompok karena densitas data tidak mendukung pembentukan cluster yang banyak.
Mean Shift menghasilkan banyak cluster kecil yang tersebar tidak beraturan. Jumlah cluster yang terlalu banyak membuat visualisasi terlihat seperti noise, sehingga metode ini tidak efektif untuk dataset ini.
Fuzzy C-Means (K=3) secara visual paling mirip dengan K-Means, dengan cluster yang cukup terpisah namun memiliki overlap antar batas. Hal ini sesuai dengan konsep fuzzy yang memungkinkan satu titik memiliki keanggotaan di lebih dari satu cluster.
Secara keseluruhan, dengan PCA yang menangkap 57.2% informasi, K-Means dan Fuzzy C-Means memberikan hasil paling representatif, sementara DBSCAN dan Mean Shift kurang sesuai untuk struktur data ini.
Evaluasi
Tiga metrik evaluasi yang digunakan:
Shilhoutte score: mengukur seberapa mirip data dengan clusternya sendiri vs cluster lain. Berkisar -1 sampai 1, lebih tinggi lebih baik.
Dunn Index: rasio jarak antar cluster minimum vs diameter cluster maksimum. Lebih tinggi berarti cluster lebih kompak dan terpisah.
- K-Means
sil_km <- mean(silhouette(km_res$cluster, dist(df_scaled))[,3])
dunn_km <- cluster.stats(dist(df_scaled), km_res$cluster)$dunn
cat("K-Means\n")## K-Meanscat("Silhouette :", sil_km, "\n")## Silhouette : 0.312253cat("Dunn Index :", dunn_km, "\n\n")## Dunn Index : 0.01640157Berdasarkan hasil evaluasi menggunakan Silhouette Coefficient dan Dunn Index, diperoleh bahwa setiap metode clustering menghasilkan kualitas cluster yang berbeda. Metode K-Means menghasilkan nilai Silhouette sebesar 0.312253 dan Dunn Index sebesar 0.01640157, yang menunjukkan bahwa struktur cluster cukup baik dengan pemisahan antar cluster yang relatif jelas dibandingkan metode lainnya. Nilai Silhouette yang berada di atas 0.3 mengindikasikan bahwa sebagian besar data telah terkelompok dengan cukup baik, meskipun masih terdapat beberapa data yang berada di area perbatasan antar cluster.
- K-Median
kmed_cluster <- kmed_res@clustersil_kmed <- mean(silhouette(kmed_cluster, dist(df_scaled))[,3])
dunn_kmed <- cluster.stats(dist(df_scaled), kmed_cluster)$dunn
cat("K-Median\n")## K-Mediancat("Silhouette :", sil_kmed, "\n")## Silhouette : 0.2824606cat("Dunn Index :", dunn_kmed, "\n\n")## Dunn Index : 0.01196667Metode K-Median menghasilkan nilai Silhouette sebesar 0.2824606 dan Dunn Index sebesar 0.01196667, yang sedikit lebih rendah dibandingkan K-Means. Hal ini menunjukkan bahwa kualitas cluster yang dihasilkan kurang optimal, dengan tingkat pemisahan antar cluster yang lebih rendah dan kemungkinan adanya overlap antar cluster yang lebih besar.
- DBSCAN
db_cluster <- db_res$cluster
df_db <- df_scaled[db_cluster != 0, ]
db_cluster <- db_cluster[db_cluster != 0]
sil_db <- mean(silhouette(db_cluster, dist(df_db))[,3])
dunn_db <- cluster.stats(dist(df_db), db_cluster)$dunn
cat("DBSCAN\n")## DBSCANcat("Silhouette :", sil_db, "\n")## Silhouette : 0.1839777cat("Dunn Index :", dunn_db, "\n\n")## Dunn Index : 0.1669961Selanjutnya, metode DBSCAN menghasilkan nilai Silhouette sebesar 0.1839777 yang tergolong rendah, menunjukkan bahwa pemisahan cluster kurang jelas dan banyak data berada pada batas antar cluster. Namun, DBSCAN memiliki nilai Dunn Index sebesar 0.1669961 yang jauh lebih tinggi dibandingkan metode lainnya, yang mengindikasikan bahwa jarak antar cluster cukup besar relatif terhadap jarak dalam cluster. Hal ini menunjukkan bahwa DBSCAN mampu membentuk cluster yang terpisah dengan baik, meskipun distribusi data dalam cluster masih kurang kompak.
- Mean Shift
ms_cluster <- ms_res$cluster
if(length(unique(ms_cluster)) > 1){
sil_ms <- mean(silhouette(ms_cluster, dist(df_scaled))[,3])
dunn_ms <- cluster.stats(dist(df_scaled), ms_cluster)$dunn
} else {
sil_ms <- NA
dunn_ms <- NA
}
cat("Mean Shift\n")## Mean Shiftcat("Silhouette :", sil_ms, "\n")## Silhouette : NAcat("Dunn Index :", dunn_ms, "\n\n")## Dunn Index : NAPada metode Mean Shift, nilai Silhouette dan Dunn Index tidak dapat dihitung (NA), yang menunjukkan bahwa metode ini tidak berhasil membentuk lebih dari satu cluster atau menghasilkan struktur cluster yang valid. Hal ini dapat disebabkan oleh parameter bandwidth yang kurang sesuai sehingga seluruh data cenderung tergabung dalam satu kelompok.
- Fuzzy C-Means
fcm_cluster <- apply(fcm_res$membership, 1, which.max)
sil_fcm <- mean(silhouette(fcm_cluster, dist(df_scaled))[,3])
dunn_fcm <- cluster.stats(dist(df_scaled), fcm_cluster)$dunn
cat("Fuzzy C-Means\n")## Fuzzy C-Meanscat("Silhouette :", sil_fcm, "\n")## Silhouette : 0.3051927cat("Dunn Index :", dunn_fcm, "\n\n")## Dunn Index : 0.01559667Sementara itu, metode Fuzzy C-Means menghasilkan nilai Silhouette sebesar 0.3051927 dan Dunn Index sebesar 0.01559667, yang mendekati hasil K-Means. Hal ini menunjukkan bahwa metode ini mampu menghasilkan cluster dengan kualitas yang cukup baik, serta lebih fleksibel dalam menangani data yang memiliki batas antar cluster yang tidak tegas karena setiap data memiliki derajat keanggotaan pada lebih dari satu cluster.
Kesimpulan
Secara keseluruhan, berdasarkan nilai Silhouette Coefficient, metode K-Means dan Fuzzy C-Means memberikan hasil clustering yang lebih baik dibandingkan metode lainnya. Namun, jika dilihat dari Dunn Index, metode DBSCAN memiliki keunggulan dalam hal pemisahan antar cluster. Dengan demikian, pemilihan metode clustering terbaik dapat disesuaikan dengan tujuan analisis, yaitu apakah lebih menekankan pada kekompakan cluster atau pemisahan antar cluster.