1 Pendahuluan
Clustering atau klasterisasi adalah metode pengelompokan data. Menurut Tan, 2006 clustering adalah sebuah proses untuk mengelompokan data ke dalam beberapa cluster atau kelompok sehingga data dalam satu cluster memiliki tingkat kemiripan yang maksimum dan data antar cluster memiliki kemiripan yang minimum.
Clustering merupakan proses partisi satu set objek data ke dalam himpunan bagian yang disebut dengan cluster. Objek yang di dalam cluster memiliki kemiripan karakteristik antar satu sama lainnya dan berbeda dengan cluster yang lain. Partisi tidak dilakukan secara manual melainkan dengan suatu algoritma clustering. Oleh karena itu, clustering sangat berguna dan bisa menemukan group atau kelompokyang tidak dikenal dalam data. Clustering banyak digunakan dalam berbagai aplikasi seperti misalnya pada business inteligence, pengenalan pola citra, web search, bidang ilmu biologi, dan untuk keamanan (security). Di dalam business inteligence, clustering bisa mengatur banyak customer ke dalam banyaknya kelompok. Contohnya mengelompokan customer ke dalam beberapa cluster dengan kesamaan karakteristik yang kuat. Clustering juga dikenal sebagai data segmentasi karena clustering mempartisi banyak data set ke dalam banyak group berdasarkan kesamaannya. Selain itu clustering juga bisa sebagai outlier detection.
Hasil clustering yang baik akan menghasilkan tingkat kesamaan yang tinggi dalam satu kelas dan tingkat kesamaan yang rendah antar kelas. Kesamaan yang dimaksud merupakan pengukuran secaranumeric terhadap dua buah objek. Nilai kesamaan antar kedua objek akan semakin tinggi jika kedua objek yang dibandingkan memiliki kemiripan yang tinggi. Begitu juga dengan sebaliknya. Kualitas hasil clustering sangat bergantung pada metode yang dipakai. Dalam clustering dikenal empat tipe data. Keempat tipe data pada tersebut ialah:
- Variabel berskala interval
- Variabel biner
- Variabel nominal, ordinal, dan rasio
- Variabel dengan tipe lainnya.
Metode clustering juga harus dapat mengukur kemampuannya sendiri dalam usaha untuk menemukan suatu pola tersembunyi pada data yang sedang diteliti. Terdapat berbagai metode yang dapat digunakan untuk mengukur nilai kesamaan antar objek-objek yang dibandingkan. Salah satunya ialah dengan weighted Euclidean Distance. Euclidean distance menghitung jarak dua buah point dengan mengetahui nilai dari masing-masing atribut pada kedua poin tersebut.
2 Objektif Analisis
Dalam kehidupan sehari-hari, pernahkah kita mengamati di sebuah restoran, biasanya terlihat orang-orang dengan pakaian kemeja beserta jas dan tas laptop dan kita berasumsi mereka adalah pebisnis, lalu ada muda-mudi yang membawa buku dan mengenakan pakaian kasual dan asumsi kita mereka adalah mahasiswa. Karakteristik tersebut tidak lain adalah pola dalam sekelompok orang, dari fenomena tersebutlah pemilik restoran dapat membagi para pelanggan menjadi kelompok-kelompok tertentu atau yang biasa disebut segmentasi pasar.
Dalam analisa kali ini, kita akan membantu tim marketing yang kesulitan dalam menawarkan produknya kepada pelanggan yang tepat, sudah banyak hal yang dilakukan untuk menaikkan revenue perusahaan seperti melakukan promo dan iklan secara masif, namun belakangan ini justru tingkat revenue dan loyalitas pelanggan menjadi berkurang. Adapun pertanyaan yang akan dijawab pada analisa kali ini sebagai berikut :
- Dapatkah mengetahui jenis/sektor industri pelanggan?
- Apakah penjualan tertinggi dipengaruhi oleh wilayah?
- Apakah ada korelasi positif antar produk dalam setiap pembelanjaan yang dilakukan oleh customers?
- Promo apa yang tepat untuk diberika pada setiap kelompok pelanggan?
- Kemungkinan yang akan terjadi bila kita melakukan perubahan layanan yang diberlakukan untuk setiap pelanggan, contohnya layanan pengiriman atau perubahan harga produk, apakah akan menaikkan penjualan atau sebaliknya?
Untuk menjawab semua pertanyaan diatas, mari kita coba melakukan analisis segmentasi pelanggan berdasarkan data yang dihimpun.
3 Eksplorasi Data
3.1 Garis Besar Data
Dataset untuk analisis ini adalah data Wholesale Customer (Sumber : UCI Machine Learning Repository) yang berisi sebanyak 40 observasi dan 7 variabel. Berikut adalah deskripsi data tersebut :
- FRESH: Pengeluaran tahunan pada produk yang segar (fresh) seperti sayuran dan buah-buahan.
- MILK: Pengeluaran tahunan pada produk susu.
- GROCERY: Pengeluaran tahunan pada produk kelontong atau bahan makanan.
- FROZEN: Pengeluaran tahunan pada produk beku seperti ikan & daging.
- DETERGENTS_PAPER: Pengeluaran tahunan pada produk deterjen kertas.
- DELICATESSEN: Pengeluaran tahunan pada produk kaleng.
- CHANNEL: Channel terdiri dari Horeca (Hotel/Restaurant/Cafe) dan Retail channel
- REGION: Region terdiri dari wilayah Lisnon, Oporto dan Other
3.2 Load Library
Sebelum menganalisa baiknya kita siapkan dahulu library yang diperlukan dalam analisis kali ini.
library(tidyverse)## -- Attaching packages ----------------------------------------------------------------------------- tidyverse 1.2.1 --## v ggplot2 3.2.0 v purrr 0.3.2
## v tibble 2.1.3 v dplyr 0.8.0.1
## v tidyr 0.8.3 v stringr 1.4.0
## v readr 1.3.1 v forcats 0.4.0## -- Conflicts -------------------------------------------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()library(dplyr)
library(ggplot2)
library(plotly)##
## Attaching package: 'plotly'## The following object is masked from 'package:ggplot2':
##
## last_plot## The following object is masked from 'package:stats':
##
## filter## The following object is masked from 'package:graphics':
##
## layoutlibrary(ggcorrplot)
library(corrplot)## corrplot 0.84 loadedlibrary(cluster)3.4 Ekplorasi Dataset
Dataset terdiri dari 541.909 observasi dengan 8 variabel.
datacustomers## Channel Region Fresh Milk Grocery Frozen Detergents_Paper Delicassen
## 1 2 3 12669 9656 7561 214 2674 1338
## 2 2 3 7057 9810 9568 1762 3293 1776
## 3 2 3 6353 8808 7684 2405 3516 7844
## 4 1 3 13265 1196 4221 6404 507 1788
## 5 2 3 22615 5410 7198 3915 1777 5185
## 6 2 3 9413 8259 5126 666 1795 1451
## 7 2 3 12126 3199 6975 480 3140 545
## 8 2 3 7579 4956 9426 1669 3321 2566
## 9 1 3 5963 3648 6192 425 1716 750
## 10 2 3 6006 11093 18881 1159 7425 2098
## 11 2 3 3366 5403 12974 4400 5977 1744
## 12 2 3 13146 1124 4523 1420 549 497
## 13 2 3 31714 12319 11757 287 3881 2931
## 14 2 3 21217 6208 14982 3095 6707 602
## 15 2 3 24653 9465 12091 294 5058 2168
## 16 1 3 10253 1114 3821 397 964 412
## 17 2 3 1020 8816 12121 134 4508 1080
## 18 1 3 5876 6157 2933 839 370 4478
## 19 2 3 18601 6327 10099 2205 2767 3181
## 20 1 3 7780 2495 9464 669 2518 501
## 21 2 3 17546 4519 4602 1066 2259 2124
## 22 1 3 5567 871 2010 3383 375 569
## 23 1 3 31276 1917 4469 9408 2381 4334
## 24 2 3 26373 36423 22019 5154 4337 16523
## 25 2 3 22647 9776 13792 2915 4482 5778
## 26 2 3 16165 4230 7595 201 4003 57
## 27 1 3 9898 961 2861 3151 242 833
## 28 1 3 14276 803 3045 485 100 518
## 29 2 3 4113 20484 25957 1158 8604 5206
## 30 1 3 43088 2100 2609 1200 1107 823
## 31 1 3 18815 3610 11107 1148 2134 2963
## 32 1 3 2612 4339 3133 2088 820 985
## 33 1 3 21632 1318 2886 266 918 405
## 34 1 3 29729 4786 7326 6130 361 1083
## 35 1 3 1502 1979 2262 425 483 395
## 36 2 3 688 5491 11091 833 4239 436
## 37 1 3 29955 4362 5428 1729 862 4626
## 38 2 3 15168 10556 12477 1920 6506 714
## 39 2 3 4591 15729 16709 33 6956 433
## 40 1 3 56159 555 902 10002 212 2916
## 41 1 3 24025 4332 4757 9510 1145 5864
## 42 1 3 19176 3065 5956 2033 2575 2802
## 43 2 3 10850 7555 14961 188 6899 46
## 44 2 3 630 11095 23998 787 9529 72
## 45 2 3 9670 7027 10471 541 4618 65
## 46 2 3 5181 22044 21531 1740 7353 4985
## 47 2 3 3103 14069 21955 1668 6792 1452
## 48 2 3 44466 54259 55571 7782 24171 6465
## 49 2 3 11519 6152 10868 584 5121 1476
## 50 2 3 4967 21412 28921 1798 13583 1163
## 51 1 3 6269 1095 1980 3860 609 2162
## 52 1 3 3347 4051 6996 239 1538 301
## 53 2 3 40721 3916 5876 532 2587 1278
## 54 2 3 491 10473 11532 744 5611 224
## 55 1 3 27329 1449 1947 2436 204 1333
## 56 1 3 5264 3683 5005 1057 2024 1130
## 57 2 3 4098 29892 26866 2616 17740 1340
## 58 2 3 5417 9933 10487 38 7572 1282
## 59 1 3 13779 1970 1648 596 227 436
## 60 1 3 6137 5360 8040 129 3084 1603
## 61 2 3 8590 3045 7854 96 4095 225
## 62 2 3 35942 38369 59598 3254 26701 2017
## 63 2 3 7823 6245 6544 4154 4074 964
## 64 2 3 9396 11601 15775 2896 7677 1295
## 65 1 3 4760 1227 3250 3724 1247 1145
## 66 2 3 85 20959 45828 36 24231 1423
## 67 1 3 9 1534 7417 175 3468 27
## 68 2 3 19913 6759 13462 1256 5141 834
## 69 1 3 2446 7260 3993 5870 788 3095
## 70 1 3 8352 2820 1293 779 656 144
## 71 1 3 16705 2037 3202 10643 116 1365
## 72 1 3 18291 1266 21042 5373 4173 14472
## 73 1 3 4420 5139 2661 8872 1321 181
## 74 2 3 19899 5332 8713 8132 764 648
## 75 2 3 8190 6343 9794 1285 1901 1780
## 76 1 3 20398 1137 3 4407 3 975
## 77 1 3 717 3587 6532 7530 529 894
## 78 2 3 12205 12697 28540 869 12034 1009
## 79 1 3 10766 1175 2067 2096 301 167
## 80 1 3 1640 3259 3655 868 1202 1653
## 81 1 3 7005 829 3009 430 610 529
## 82 2 3 219 9540 14403 283 7818 156
## 83 2 3 10362 9232 11009 737 3537 2342
## 84 1 3 20874 1563 1783 2320 550 772
## 85 2 3 11867 3327 4814 1178 3837 120
## 86 2 3 16117 46197 92780 1026 40827 2944
## 87 2 3 22925 73498 32114 987 20070 903
## 88 1 3 43265 5025 8117 6312 1579 14351
## 89 1 3 7864 542 4042 9735 165 46
## 90 1 3 24904 3836 5330 3443 454 3178
## 91 1 3 11405 596 1638 3347 69 360
## 92 1 3 12754 2762 2530 8693 627 1117
## 93 2 3 9198 27472 32034 3232 18906 5130
## 94 1 3 11314 3090 2062 35009 71 2698
## 95 2 3 5626 12220 11323 206 5038 244
## 96 1 3 3 2920 6252 440 223 709
## 97 2 3 23 2616 8118 145 3874 217
## 98 1 3 403 254 610 774 54 63
## 99 1 3 503 112 778 895 56 132
## 100 1 3 9658 2182 1909 5639 215 323
## 101 2 3 11594 7779 12144 3252 8035 3029
## 102 2 3 1420 10810 16267 1593 6766 1838
## 103 2 3 2932 6459 7677 2561 4573 1386
## 104 1 3 56082 3504 8906 18028 1480 2498
## 105 1 3 14100 2132 3445 1336 1491 548
## 106 1 3 15587 1014 3970 910 139 1378
## 107 2 3 1454 6337 10704 133 6830 1831
## 108 2 3 8797 10646 14886 2471 8969 1438
## 109 2 3 1531 8397 6981 247 2505 1236
## 110 2 3 1406 16729 28986 673 836 3
## 111 1 3 11818 1648 1694 2276 169 1647
## 112 2 3 12579 11114 17569 805 6457 1519
## 113 1 3 19046 2770 2469 8853 483 2708
## 114 1 3 14438 2295 1733 3220 585 1561
## 115 1 3 18044 1080 2000 2555 118 1266
## 116 1 3 11134 793 2988 2715 276 610
## 117 1 3 11173 2521 3355 1517 310 222
## 118 1 3 6990 3880 5380 1647 319 1160
## 119 1 3 20049 1891 2362 5343 411 933
## 120 1 3 8258 2344 2147 3896 266 635
## 121 1 3 17160 1200 3412 2417 174 1136
## 122 1 3 4020 3234 1498 2395 264 255
## 123 1 3 12212 201 245 1991 25 860
## 124 2 3 11170 10769 8814 2194 1976 143
## 125 1 3 36050 1642 2961 4787 500 1621
## 126 1 3 76237 3473 7102 16538 778 918
## 127 1 3 19219 1840 1658 8195 349 483
## 128 2 3 21465 7243 10685 880 2386 2749
## 129 1 3 140 8847 3823 142 1062 3
## 130 1 3 42312 926 1510 1718 410 1819
## 131 1 3 7149 2428 699 6316 395 911
## 132 1 3 2101 589 314 346 70 310
## 133 1 3 14903 2032 2479 576 955 328
## 134 1 3 9434 1042 1235 436 256 396
## 135 1 3 7388 1882 2174 720 47 537
## 136 1 3 6300 1289 2591 1170 199 326
## 137 1 3 4625 8579 7030 4575 2447 1542
## 138 1 3 3087 8080 8282 661 721 36
## 139 1 3 13537 4257 5034 155 249 3271
## 140 1 3 5387 4979 3343 825 637 929
## 141 1 3 17623 4280 7305 2279 960 2616
## 142 1 3 30379 13252 5189 321 51 1450
## 143 1 3 37036 7152 8253 2995 20 3
## 144 1 3 10405 1596 1096 8425 399 318
## 145 1 3 18827 3677 1988 118 516 201
## 146 2 3 22039 8384 34792 42 12591 4430
## 147 1 3 7769 1936 2177 926 73 520
## 148 1 3 9203 3373 2707 1286 1082 526
## 149 1 3 5924 584 542 4052 283 434
## 150 1 3 31812 1433 1651 800 113 1440
## 151 1 3 16225 1825 1765 853 170 1067
## 152 1 3 1289 3328 2022 531 255 1774
## 153 1 3 18840 1371 3135 3001 352 184
## 154 1 3 3463 9250 2368 779 302 1627
## 155 1 3 622 55 137 75 7 8
## 156 2 3 1989 10690 19460 233 11577 2153
## 157 2 3 3830 5291 14855 317 6694 3182
## 158 1 3 17773 1366 2474 3378 811 418
## 159 2 3 2861 6570 9618 930 4004 1682
## 160 2 3 355 7704 14682 398 8077 303
## 161 2 3 1725 3651 12822 824 4424 2157
## 162 1 3 12434 540 283 1092 3 2233
## 163 1 3 15177 2024 3810 2665 232 610
## 164 2 3 5531 15726 26870 2367 13726 446
## 165 2 3 5224 7603 8584 2540 3674 238
## 166 2 3 15615 12653 19858 4425 7108 2379
## 167 2 3 4822 6721 9170 993 4973 3637
## 168 1 3 2926 3195 3268 405 1680 693
## 169 1 3 5809 735 803 1393 79 429
## 170 1 3 5414 717 2155 2399 69 750
## 171 2 3 260 8675 13430 1116 7015 323
## 172 2 3 200 25862 19816 651 8773 6250
## 173 1 3 955 5479 6536 333 2840 707
## 174 2 3 514 7677 19805 937 9836 716
## 175 1 3 286 1208 5241 2515 153 1442
## 176 2 3 2343 7845 11874 52 4196 1697
## 177 1 3 45640 6958 6536 7368 1532 230
## 178 1 3 12759 7330 4533 1752 20 2631
## 179 1 3 11002 7075 4945 1152 120 395
## 180 1 3 3157 4888 2500 4477 273 2165
## 181 1 3 12356 6036 8887 402 1382 2794
## 182 1 3 112151 29627 18148 16745 4948 8550
## 183 1 3 694 8533 10518 443 6907 156
## 184 1 3 36847 43950 20170 36534 239 47943
## 185 1 3 327 918 4710 74 334 11
## 186 1 3 8170 6448 1139 2181 58 247
## 187 1 3 3009 521 854 3470 949 727
## 188 1 3 2438 8002 9819 6269 3459 3
## 189 2 3 8040 7639 11687 2758 6839 404
## 190 2 3 834 11577 11522 275 4027 1856
## 191 1 3 16936 6250 1981 7332 118 64
## 192 1 3 13624 295 1381 890 43 84
## 193 1 3 5509 1461 2251 547 187 409
## 194 2 3 180 3485 20292 959 5618 666
## 195 1 3 7107 1012 2974 806 355 1142
## 196 1 3 17023 5139 5230 7888 330 1755
## 197 1 1 30624 7209 4897 18711 763 2876
## 198 2 1 2427 7097 10391 1127 4314 1468
## 199 1 1 11686 2154 6824 3527 592 697
## 200 1 1 9670 2280 2112 520 402 347
## 201 2 1 3067 13240 23127 3941 9959 731
## 202 2 1 4484 14399 24708 3549 14235 1681
## 203 1 1 25203 11487 9490 5065 284 6854
## 204 1 1 583 685 2216 469 954 18
## 205 1 1 1956 891 5226 1383 5 1328
## 206 2 1 1107 11711 23596 955 9265 710
## 207 1 1 6373 780 950 878 288 285
## 208 2 1 2541 4737 6089 2946 5316 120
## 209 1 1 1537 3748 5838 1859 3381 806
## 210 2 1 5550 12729 16767 864 12420 797
## 211 1 1 18567 1895 1393 1801 244 2100
## 212 2 1 12119 28326 39694 4736 19410 2870
## 213 1 1 7291 1012 2062 1291 240 1775
## 214 1 1 3317 6602 6861 1329 3961 1215
## 215 2 1 2362 6551 11364 913 5957 791
## 216 1 1 2806 10765 15538 1374 5828 2388
## 217 2 1 2532 16599 36486 179 13308 674
## 218 1 1 18044 1475 2046 2532 130 1158
## 219 2 1 18 7504 15205 1285 4797 6372
## 220 1 1 4155 367 1390 2306 86 130
## 221 1 1 14755 899 1382 1765 56 749
## 222 1 1 5396 7503 10646 91 4167 239
## 223 1 1 5041 1115 2856 7496 256 375
## 224 2 1 2790 2527 5265 5612 788 1360
## 225 1 1 7274 659 1499 784 70 659
## 226 1 1 12680 3243 4157 660 761 786
## 227 2 1 20782 5921 9212 1759 2568 1553
## 228 1 1 4042 2204 1563 2286 263 689
## 229 1 1 1869 577 572 950 4762 203
## 230 1 1 8656 2746 2501 6845 694 980
## 231 2 1 11072 5989 5615 8321 955 2137
## 232 1 1 2344 10678 3828 1439 1566 490
## 233 1 1 25962 1780 3838 638 284 834
## 234 1 1 964 4984 3316 937 409 7
## 235 1 1 15603 2703 3833 4260 325 2563
## 236 1 1 1838 6380 2824 1218 1216 295
## 237 1 1 8635 820 3047 2312 415 225
## 238 1 1 18692 3838 593 4634 28 1215
## 239 1 1 7363 475 585 1112 72 216
## 240 1 1 47493 2567 3779 5243 828 2253
## 241 1 1 22096 3575 7041 11422 343 2564
## 242 1 1 24929 1801 2475 2216 412 1047
## 243 1 1 18226 659 2914 3752 586 578
## 244 1 1 11210 3576 5119 561 1682 2398
## 245 1 1 6202 7775 10817 1183 3143 1970
## 246 2 1 3062 6154 13916 230 8933 2784
## 247 1 1 8885 2428 1777 1777 430 610
## 248 1 1 13569 346 489 2077 44 659
## 249 1 1 15671 5279 2406 559 562 572
## 250 1 1 8040 3795 2070 6340 918 291
## 251 1 1 3191 1993 1799 1730 234 710
## 252 2 1 6134 23133 33586 6746 18594 5121
## 253 1 1 6623 1860 4740 7683 205 1693
## 254 1 1 29526 7961 16966 432 363 1391
## 255 1 1 10379 17972 4748 4686 1547 3265
## 256 1 1 31614 489 1495 3242 111 615
## 257 1 1 11092 5008 5249 453 392 373
## 258 1 1 8475 1931 1883 5004 3593 987
## 259 1 1 56083 4563 2124 6422 730 3321
## 260 1 1 53205 4959 7336 3012 967 818
## 261 1 1 9193 4885 2157 327 780 548
## 262 1 1 7858 1110 1094 6818 49 287
## 263 1 1 23257 1372 1677 982 429 655
## 264 1 1 2153 1115 6684 4324 2894 411
## 265 2 1 1073 9679 15445 61 5980 1265
## 266 1 1 5909 23527 13699 10155 830 3636
## 267 2 1 572 9763 22182 2221 4882 2563
## 268 1 1 20893 1222 2576 3975 737 3628
## 269 2 1 11908 8053 19847 1069 6374 698
## 270 1 1 15218 258 1138 2516 333 204
## 271 1 1 4720 1032 975 5500 197 56
## 272 1 1 2083 5007 1563 1120 147 1550
## 273 1 1 514 8323 6869 529 93 1040
## 274 1 3 36817 3045 1493 4802 210 1824
## 275 1 3 894 1703 1841 744 759 1153
## 276 1 3 680 1610 223 862 96 379
## 277 1 3 27901 3749 6964 4479 603 2503
## 278 1 3 9061 829 683 16919 621 139
## 279 1 3 11693 2317 2543 5845 274 1409
## 280 2 3 17360 6200 9694 1293 3620 1721
## 281 1 3 3366 2884 2431 977 167 1104
## 282 2 3 12238 7108 6235 1093 2328 2079
## 283 1 3 49063 3965 4252 5970 1041 1404
## 284 1 3 25767 3613 2013 10303 314 1384
## 285 1 3 68951 4411 12609 8692 751 2406
## 286 1 3 40254 640 3600 1042 436 18
## 287 1 3 7149 2247 1242 1619 1226 128
## 288 1 3 15354 2102 2828 8366 386 1027
## 289 1 3 16260 594 1296 848 445 258
## 290 1 3 42786 286 471 1388 32 22
## 291 1 3 2708 2160 2642 502 965 1522
## 292 1 3 6022 3354 3261 2507 212 686
## 293 1 3 2838 3086 4329 3838 825 1060
## 294 2 2 3996 11103 12469 902 5952 741
## 295 1 2 21273 2013 6550 909 811 1854
## 296 2 2 7588 1897 5234 417 2208 254
## 297 1 2 19087 1304 3643 3045 710 898
## 298 2 2 8090 3199 6986 1455 3712 531
## 299 2 2 6758 4560 9965 934 4538 1037
## 300 1 2 444 879 2060 264 290 259
## 301 2 2 16448 6243 6360 824 2662 2005
## 302 2 2 5283 13316 20399 1809 8752 172
## 303 2 2 2886 5302 9785 364 6236 555
## 304 2 2 2599 3688 13829 492 10069 59
## 305 2 2 161 7460 24773 617 11783 2410
## 306 2 2 243 12939 8852 799 3909 211
## 307 2 2 6468 12867 21570 1840 7558 1543
## 308 1 2 17327 2374 2842 1149 351 925
## 309 1 2 6987 1020 3007 416 257 656
## 310 2 2 918 20655 13567 1465 6846 806
## 311 1 2 7034 1492 2405 12569 299 1117
## 312 1 2 29635 2335 8280 3046 371 117
## 313 2 2 2137 3737 19172 1274 17120 142
## 314 1 2 9784 925 2405 4447 183 297
## 315 1 2 10617 1795 7647 1483 857 1233
## 316 2 2 1479 14982 11924 662 3891 3508
## 317 1 2 7127 1375 2201 2679 83 1059
## 318 1 2 1182 3088 6114 978 821 1637
## 319 1 2 11800 2713 3558 2121 706 51
## 320 2 2 9759 25071 17645 1128 12408 1625
## 321 1 2 1774 3696 2280 514 275 834
## 322 1 2 9155 1897 5167 2714 228 1113
## 323 1 2 15881 713 3315 3703 1470 229
## 324 1 2 13360 944 11593 915 1679 573
## 325 1 2 25977 3587 2464 2369 140 1092
## 326 1 2 32717 16784 13626 60869 1272 5609
## 327 1 2 4414 1610 1431 3498 387 834
## 328 1 2 542 899 1664 414 88 522
## 329 1 2 16933 2209 3389 7849 210 1534
## 330 1 2 5113 1486 4583 5127 492 739
## 331 1 2 9790 1786 5109 3570 182 1043
## 332 2 2 11223 14881 26839 1234 9606 1102
## 333 1 2 22321 3216 1447 2208 178 2602
## 334 2 2 8565 4980 67298 131 38102 1215
## 335 2 2 16823 928 2743 11559 332 3486
## 336 2 2 27082 6817 10790 1365 4111 2139
## 337 1 2 13970 1511 1330 650 146 778
## 338 1 2 9351 1347 2611 8170 442 868
## 339 1 2 3 333 7021 15601 15 550
## 340 1 2 2617 1188 5332 9584 573 1942
## 341 2 3 381 4025 9670 388 7271 1371
## 342 2 3 2320 5763 11238 767 5162 2158
## 343 1 3 255 5758 5923 349 4595 1328
## 344 2 3 1689 6964 26316 1456 15469 37
## 345 1 3 3043 1172 1763 2234 217 379
## 346 1 3 1198 2602 8335 402 3843 303
## 347 2 3 2771 6939 15541 2693 6600 1115
## 348 2 3 27380 7184 12311 2809 4621 1022
## 349 1 3 3428 2380 2028 1341 1184 665
## 350 2 3 5981 14641 20521 2005 12218 445
## 351 1 3 3521 1099 1997 1796 173 995
## 352 2 3 1210 10044 22294 1741 12638 3137
## 353 1 3 608 1106 1533 830 90 195
## 354 2 3 117 6264 21203 228 8682 1111
## 355 1 3 14039 7393 2548 6386 1333 2341
## 356 1 3 190 727 2012 245 184 127
## 357 1 3 22686 134 218 3157 9 548
## 358 2 3 37 1275 22272 137 6747 110
## 359 1 3 759 18664 1660 6114 536 4100
## 360 1 3 796 5878 2109 340 232 776
## 361 1 3 19746 2872 2006 2601 468 503
## 362 1 3 4734 607 864 1206 159 405
## 363 1 3 2121 1601 2453 560 179 712
## 364 1 3 4627 997 4438 191 1335 314
## 365 1 3 2615 873 1524 1103 514 468
## 366 2 3 4692 6128 8025 1619 4515 3105
## 367 1 3 9561 2217 1664 1173 222 447
## 368 1 3 3477 894 534 1457 252 342
## 369 1 3 22335 1196 2406 2046 101 558
## 370 1 3 6211 337 683 1089 41 296
## 371 2 3 39679 3944 4955 1364 523 2235
## 372 1 3 20105 1887 1939 8164 716 790
## 373 1 3 3884 3801 1641 876 397 4829
## 374 2 3 15076 6257 7398 1504 1916 3113
## 375 1 3 6338 2256 1668 1492 311 686
## 376 1 3 5841 1450 1162 597 476 70
## 377 2 3 3136 8630 13586 5641 4666 1426
## 378 1 3 38793 3154 2648 1034 96 1242
## 379 1 3 3225 3294 1902 282 68 1114
## 380 2 3 4048 5164 10391 130 813 179
## 381 1 3 28257 944 2146 3881 600 270
## 382 1 3 17770 4591 1617 9927 246 532
## 383 1 3 34454 7435 8469 2540 1711 2893
## 384 1 3 1821 1364 3450 4006 397 361
## 385 1 3 10683 21858 15400 3635 282 5120
## 386 1 3 11635 922 1614 2583 192 1068
## 387 1 3 1206 3620 2857 1945 353 967
## 388 1 3 20918 1916 1573 1960 231 961
## 389 1 3 9785 848 1172 1677 200 406
## 390 1 3 9385 1530 1422 3019 227 684
## 391 1 3 3352 1181 1328 5502 311 1000
## 392 1 3 2647 2761 2313 907 95 1827
## 393 1 3 518 4180 3600 659 122 654
## 394 1 3 23632 6730 3842 8620 385 819
## 395 1 3 12377 865 3204 1398 149 452
## 396 1 3 9602 1316 1263 2921 841 290
## 397 2 3 4515 11991 9345 2644 3378 2213
## 398 1 3 11535 1666 1428 6838 64 743
## 399 1 3 11442 1032 582 5390 74 247
## 400 1 3 9612 577 935 1601 469 375
## 401 1 3 4446 906 1238 3576 153 1014
## 402 1 3 27167 2801 2128 13223 92 1902
## 403 1 3 26539 4753 5091 220 10 340
## 404 1 3 25606 11006 4604 127 632 288
## 405 1 3 18073 4613 3444 4324 914 715
## 406 1 3 6884 1046 1167 2069 593 378
## 407 1 3 25066 5010 5026 9806 1092 960
## 408 2 3 7362 12844 18683 2854 7883 553
## 409 2 3 8257 3880 6407 1646 2730 344
## 410 1 3 8708 3634 6100 2349 2123 5137
## 411 1 3 6633 2096 4563 1389 1860 1892
## 412 1 3 2126 3289 3281 1535 235 4365
## 413 1 3 97 3605 12400 98 2970 62
## 414 1 3 4983 4859 6633 17866 912 2435
## 415 1 3 5969 1990 3417 5679 1135 290
## 416 2 3 7842 6046 8552 1691 3540 1874
## 417 2 3 4389 10940 10908 848 6728 993
## 418 1 3 5065 5499 11055 364 3485 1063
## 419 2 3 660 8494 18622 133 6740 776
## 420 1 3 8861 3783 2223 633 1580 1521
## 421 1 3 4456 5266 13227 25 6818 1393
## 422 2 3 17063 4847 9053 1031 3415 1784
## 423 1 3 26400 1377 4172 830 948 1218
## 424 2 3 17565 3686 4657 1059 1803 668
## 425 2 3 16980 2884 12232 874 3213 249
## 426 1 3 11243 2408 2593 15348 108 1886
## 427 1 3 13134 9347 14316 3141 5079 1894
## 428 1 3 31012 16687 5429 15082 439 1163
## 429 1 3 3047 5970 4910 2198 850 317
## 430 1 3 8607 1750 3580 47 84 2501
## 431 1 3 3097 4230 16483 575 241 2080
## 432 1 3 8533 5506 5160 13486 1377 1498
## 433 1 3 21117 1162 4754 269 1328 395
## 434 1 3 1982 3218 1493 1541 356 1449
## 435 1 3 16731 3922 7994 688 2371 838
## 436 1 3 29703 12051 16027 13135 182 2204
## 437 1 3 39228 1431 764 4510 93 2346
## 438 2 3 14531 15488 30243 437 14841 1867
## 439 1 3 10290 1981 2232 1038 168 2125
## 440 1 3 2787 1698 2510 65 477 524 Normalisasi Data
Cek apakah ada missing value dan apakah data perlu dinormalkan.
summary(datacustomers)## Channel Region Fresh Milk
## Min. :1.000 Min. :1.000 Min. : 3 Min. : 55
## 1st Qu.:1.000 1st Qu.:2.000 1st Qu.: 3128 1st Qu.: 1533
## Median :1.000 Median :3.000 Median : 8504 Median : 3627
## Mean :1.323 Mean :2.543 Mean : 12000 Mean : 5796
## 3rd Qu.:2.000 3rd Qu.:3.000 3rd Qu.: 16934 3rd Qu.: 7190
## Max. :2.000 Max. :3.000 Max. :112151 Max. :73498
## Grocery Frozen Detergents_Paper Delicassen
## Min. : 3 Min. : 25.0 Min. : 3.0 Min. : 3.0
## 1st Qu.: 2153 1st Qu.: 742.2 1st Qu.: 256.8 1st Qu.: 408.2
## Median : 4756 Median : 1526.0 Median : 816.5 Median : 965.5
## Mean : 7951 Mean : 3071.9 Mean : 2881.5 Mean : 1524.9
## 3rd Qu.:10656 3rd Qu.: 3554.2 3rd Qu.: 3922.0 3rd Qu.: 1820.2
## Max. :92780 Max. :60869.0 Max. :40827.0 Max. :47943.0Dapat dilihat bahwa dataset tidak ada missing value. Namun dataset perlu dilakukan normalisasi karena perbandingan nilai antara produk-produk terlalu jauh. Dengan yang data paling minimal 3 dan yang maksimal 112151. Tujuan normalisasi adalah untuk menghilangkan dan mengurangi redudansi data. Sebelumnya kita cek dulu feature vector dari Channel dan Region.
table(datacustomers$Channel)##
## 1 2
## 298 142table(datacustomers$Region)##
## 1 2 3
## 77 47 316Terlihat bahwa feature vector Channel dan Region masih classnumerik dan hanya bertanda 1, 2 dan 3. Mari kita buat menjadi class factor dan membuat nama levelnya.
datacustomers$Channel<-as.factor(datacustomers$Channel)
levels(datacustomers$Channel)<- list(Horeca = "1", Retail = "2")
datacustomers$Region<-as.factor(datacustomers$Region)
levels(datacustomers$Region)<- list(Lisbon = "1", Oporto = "2",
Other_Region ="3")
head(datacustomers,5)## Channel Region Fresh Milk Grocery Frozen Detergents_Paper
## 1 Retail Other_Region 12669 9656 7561 214 2674
## 2 Retail Other_Region 7057 9810 9568 1762 3293
## 3 Retail Other_Region 6353 8808 7684 2405 3516
## 4 Horeca Other_Region 13265 1196 4221 6404 507
## 5 Retail Other_Region 22615 5410 7198 3915 1777
## Delicassen
## 1 1338
## 2 1776
## 3 7844
## 4 1788
## 5 5185Dapat dilihat bahwa feature vector channel dan region sudah berubah. Sekarang kita akan menggunakan metode elbow untuk melihat k optimalnya.
#pertama kita normalisasikan dulu
datacustomersnormal<- datacustomers[3:8]
dc_z <- as.data.frame(lapply(datacustomersnormal,scale))
#melihat apakah sudah normalisasi
summary(dc_z)## Fresh Milk Grocery Frozen
## Min. :-0.9486 Min. :-0.7779 Min. :-0.8364 Min. :-0.62763
## 1st Qu.:-0.7015 1st Qu.:-0.5776 1st Qu.:-0.6101 1st Qu.:-0.47988
## Median :-0.2764 Median :-0.2939 Median :-0.3363 Median :-0.31844
## Mean : 0.0000 Mean : 0.0000 Mean : 0.0000 Mean : 0.00000
## 3rd Qu.: 0.3901 3rd Qu.: 0.1889 3rd Qu.: 0.2846 3rd Qu.: 0.09935
## Max. : 7.9187 Max. : 9.1732 Max. : 8.9264 Max. :11.90545
## Detergents_Paper Delicassen
## Min. :-0.6037 Min. :-0.5396
## 1st Qu.:-0.5505 1st Qu.:-0.3960
## Median :-0.4331 Median :-0.1984
## Mean : 0.0000 Mean : 0.0000
## 3rd Qu.: 0.2182 3rd Qu.: 0.1047
## Max. : 7.9586 Max. :16.4597Data telah normal setelah dinormalisasi dan siap untuk dilakukan analisa lebih mendalam dalam penentuan k-optimal menggunakan Metode Elbow.
5 Elbow Method
Sekarang kita lakukan pemilihan k optimal dengan metode elbow.
wss <- 0
for (i in 1:15) {
km.out <- kmeans(dc_z, centers = i, nstart = 20)
wss[i] <- km.out$tot.withinss
}
plot(1:15, wss, type = "o",
xlab = "Number of Clusters",
ylab = "Within groups sum of squares",
pch = 15)
Dari plot diatas dilihat bahwa 3 dan 5 adalah nilai optimasi terbaik.
Sebelumnya kita lihat terlebih dahulu pembagian data antar kedua cluster apakah memiliki jumlah data yang sama atau tidak.
dm_clust3 <- kmeans(dc_z, 3)
dm_clust5 <- kmeans(dc_z, 5)table(dm_clust3$cluster)##
## 1 2 3
## 43 382 15table(dm_clust5$cluster)##
## 1 2 3 4 5
## 254 49 12 93 32Pembagian jumlah data keduanya sama yaitu 440.
Sekarang kita gabungkan dengan dataset customer berdasarkan 3 cluster dan 5 cluster
kemudian kita akan gabungkan setiap dua kolom cluster pada datacustomer.
datacustomers$cluster3 <- factor(dm_clust3$cluster)
datacustomers$cluster5 <- factor(dm_clust5$cluster)6 Modelling & Visualisasi
6.1 Cluster 5
Sekarang mari kita mulai dengan k = 5 terlebih dulu.
set.seed(1)
dm_clust5 <- kmeans(dc_z, centers = 5 , nstart=20)
print (dm_clust5)## K-means clustering with 5 clusters of sizes 63, 10, 97, 269, 1
##
## Cluster means:
## Fresh Milk Grocery Frozen Detergents_Paper
## 1 1.6570840 -0.1082488 -0.2174555 1.102218231 -0.4041420
## 2 0.3134735 3.9174467 4.2707490 -0.003570131 4.6129149
## 3 -0.4962279 0.6810009 0.9032545 -0.332321693 0.8994410
## 4 -0.2281097 -0.3850613 -0.4383243 -0.163797758 -0.3991069
## 5 1.9645810 5.1696185 1.2857533 6.892753825 -0.5542311
## Delicassen
## 1 0.3326463
## 2 0.5027930
## 3 0.1018261
## 4 -0.1945037
## 5 16.4597113
##
## Clustering vector:
## [1] 4 3 3 4 1 4 4 4 4 3 3 4 1 3 3 4 3 4 4 4 4 4 1 3 3 4 4 4 3 1 4 4 4 1 4
## [36] 3 1 3 3 1 1 4 3 3 3 3 3 2 3 3 4 4 1 3 4 4 2 3 4 4 4 2 4 3 4 2 4 3 4 4
## [71] 1 1 4 1 4 4 4 3 4 4 4 3 3 4 4 2 2 1 4 1 4 4 2 1 3 4 4 4 4 4 3 3 4 1 4
## [106] 4 3 3 4 3 4 3 1 4 4 4 4 4 4 4 4 4 4 4 1 1 1 4 4 1 4 4 4 4 4 4 4 4 4 4
## [141] 4 1 1 4 4 3 4 4 4 1 4 4 4 4 4 3 3 4 3 3 3 4 4 3 4 3 3 4 4 4 3 3 4 3 4
## [176] 3 1 4 4 4 4 1 3 5 4 4 4 4 3 3 4 4 4 3 4 1 1 3 4 4 3 3 1 4 4 3 4 4 4 3
## [211] 4 2 4 4 3 3 3 4 3 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 1 1 4 4 4 3
## [246] 3 4 4 4 4 4 2 4 1 3 1 4 4 1 1 4 4 4 4 3 3 3 4 3 4 4 4 4 1 4 4 1 1 4 4
## [281] 4 4 1 1 1 1 4 4 4 1 4 4 4 3 4 4 4 4 4 4 4 3 3 3 3 3 3 4 4 3 4 1 3 4 4
## [316] 3 4 4 4 3 4 4 4 4 4 1 4 4 4 4 4 3 4 2 1 1 4 4 4 4 3 3 4 3 4 4 3 1 4 3
## [351] 4 3 4 3 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 1 1 4 4 4 4 3 1 4 4 1 1 1 4 3
## [386] 4 4 4 4 4 4 4 4 1 4 4 3 4 4 4 4 1 4 4 4 4 1 3 4 4 4 4 4 1 4 4 3 4 3 4
## [421] 3 4 4 4 4 1 3 1 4 4 4 1 4 4 4 1 1 3 4 4
##
## Within cluster sum of squares by cluster:
## [1] 440.1481 149.4481 231.7329 235.0199 0.0000
## (between_SS / total_SS = 59.9 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss"
## [5] "tot.withinss" "betweenss" "size" "iter"
## [9] "ifault"Dengan k = 5 mendapatkan sum of squares nya : 59.9%
Cluster 1 : pengeluaran rendah, namun ada pengeluaran yang dilakukan untuk produk Fresh dan Frozen
Cluster 2 : pengeluaran tertinggi pada Milk, Grocery dan Detergents_Paper
Cluster 3 : pengeluaran rendah (tapi ada pengeluaran yang cukup bagus di Milk, Grocery dan Detergents_Paper)
Cluster 4 : pengeluaran rendah pada setiap produk
Cluster 5 : pengeluaran hampir di semua produk bagus, tertinggi untuk Milk dan Delicassen
Untuk mempermudah melihat sebaran cluster baiknya kita lakukan visualisasi.
dcpr <- prcomp(dc_z)
x <- "PC1"
y <- "PC2"
message <- c("No: %s\nFresh: %s\nMilk: %s\nGrocery:
%s\nFrozen: %s\nDetergents_Paper: %s\nDelicassen: %s")
data <- data.frame(obsnames=seq(nrow(dcpr$x)), dcpr$x)
datapc <- data.frame(varnames = rownames(dcpr$rotation), dcpr$rotation)
mult <- min(
(max(data[,y]) - min(data[,y])/(max(datapc[,y])-min(datapc[,y]))),
(max(data[,x]) - min(data[,x])/(max(datapc[,x])-min(datapc[,x])))
)
datapc <- transform(datapc,
v1 = .9 * mult * (get(x)),
v2 = .9 * mult * (get(y))
)
data <- cbind(data,datacustomers)#library(ggplot2)
plotcluster5 <- ggplot(data, aes_string(x=x, y=y)) +
geom_hline(aes(yintercept=0), size=.2) +
geom_vline(aes(xintercept=0), size=.2) +
coord_equal() +
geom_point(aes(color = cluster5, text = sprintf(message, obsnames,
Fresh, Milk, Grocery, Frozen,
Detergents_Paper, Delicassen))) +
geom_segment(data = datapc, aes(x=0, y=0, xend=v1, yend=v2),
arrow = arrow(length=unit(0.2, "cm"))) +
geom_text(data = datapc, aes(label=varnames), size = 3, vjust=1) +
theme_minimal()## Warning: Ignoring unknown aesthetics: textggplotly(plotcluster5, tooltip = "text")Sama seperti penjelasannya sebelumnya, dari visualisasi diatas bisa kita dapatkan informasi pada pembagian 5 cluster, yang mana pada grup/kelompok 4 pada cluster ini merupakan kelompok customer yang melakukan pengeluaran rendah pada semua produk yang dijual. Bila kita lihat dengan seksama khususnya pada kelompok 3 bagian kiri bawah (No.184) sangat berbeda dengan kebiasaan berbelanja data-data lainnya yang masuk dalam kelompok 3. No. 184 ini berbeda dengan yang lainnya dikarenakan perbedaan jumlah pengeluaran yang sangat rendah pada produk Detergens_Paper.
#library(cluster)
clusplot(datacustomers, datacustomers$cluster5, color=TRUE, shade = TRUE, label=3)
Dari visualisasi clusplot, 2 komponen tersebut mampu menjelaskan 62,42% dari variabilitas titik data.
6.2 Cluster 3
Sekarang bagaimana dengan nilai k 3?? Mari kita coba analisa.
set.seed(1)
dm_clust3 <- kmeans(dc_z, centers = 3 , nstart=20)
print(dm_clust3)## K-means clustering with 3 clusters of sizes 3, 44, 393
##
## Cluster means:
## Fresh Milk Grocery Frozen Detergents_Paper
## 1 3.840444845 3.2957757 0.9852919 7.20489292 -0.1527927
## 2 -0.306069120 1.8098555 2.2038591 -0.24975466 2.2309315
## 3 0.004950908 -0.2277887 -0.2542638 -0.02703683 -0.2486071
## Delicassen
## 1 6.79967230
## 2 0.25139852
## 3 -0.08005229
##
## Clustering vector:
## [1] 3 3 3 3 3 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3 3 3 3 2 3 3 3 3 2 3 3 3 3 3 3
## [36] 3 3 3 2 3 3 3 3 2 3 2 2 2 3 2 3 3 3 3 3 3 2 3 3 3 3 2 3 3 3 2 3 3 3 3
## [71] 3 3 3 3 3 3 3 2 3 3 3 3 3 3 3 2 2 3 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3 3 3
## [106] 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
## [141] 3 3 3 3 3 2 3 3 3 3 3 3 3 3 3 2 3 3 3 3 3 3 3 2 3 2 3 3 3 3 3 2 3 2 3
## [176] 3 3 3 3 3 3 1 3 1 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 2 2 3 3 3 2 3 3 3 2
## [211] 3 2 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
## [246] 3 3 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
## [281] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 2 3 3 2 3 2 3 3 2 3 3 2 3 3
## [316] 3 3 3 3 2 3 3 3 3 3 1 3 3 3 3 3 2 3 2 3 3 3 3 3 3 3 3 3 2 3 3 3 3 3 2
## [351] 3 2 3 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
## [386] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3 3 3
## [421] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 2 3 3
##
## Within cluster sum of squares by cluster:
## [1] 214.5396 441.0021 944.8291
## (between_SS / total_SS = 39.2 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss"
## [5] "tot.withinss" "betweenss" "size" "iter"
## [9] "ifault"Dengan k = 3 mendapatkan sum of squares nya : 39.2%
Cluster 1 memiliki pengeluaran tertinggi untuk produk Fresh, Milk, Frozen, dan Delicatessen. Cluster ini terdiri dari konsumen yang menghabiskan lebih banyak untuk bahan makanan dan pengeluaran tahunan yang tinggi.
Cluster 2 memiliki pengeluaran tertinggi untuk produk Milk, Grocery, Detergents_Paper. Cluster ini terdiri dari konsumen yang menghabiskan sebagian besar untuk produk rumah tangga.
Cluster 3 memiliki pembelanjaan/pengeluaran tahunan yang rendah pada semua produk.
Visualisasi penyebaran clusternya seperti dibawah ini.
plotcluster3 <- ggplot(data, aes_string(x=x, y=y)) +
geom_hline(aes(yintercept=0), size=.2) +
geom_vline(aes(xintercept=0), size=.2) +
coord_equal() +
geom_point(aes(color = cluster3,
text = sprintf(message, obsnames, Fresh, Milk,
Grocery, Frozen, Detergents_Paper,
Delicassen))) +
geom_segment(data = datapc, aes(x=0, y=0, xend=v1, yend=v2),
arrow = arrow(length=unit(0.4, "cm"))) +
geom_text(data = datapc, aes(label=varnames), size = 3, vjust=1) +
theme_minimal()## Warning: Ignoring unknown aesthetics: textggplotly(plotcluster3, tooltip = "text")Berdasarkan visualisasi PC1 dan PC2 pada pembagian 3 cluster, lebih dapat kita jelaskan dengan baik dalam hal segmentasi pelanggan dibandingkan sebelumnya 5 cluster. Terdapat perbedaan signifikan, misalnya pada kelompok 2 merupakan jenis pelanggan yang memiliki pengeluaran cenderung rendah terhadap produk Fresh & Frozen. Sedangkan pada kelompok 1 merupakan jenis pelanggan yang melakukan belanja besar hampir pada semua produk kecuali Detergents_Paper yang cenderung rendah, lalu pada kelompok 3 merupakan tipe pelanggan dengan pengeluaran rendah pada semua produk yang dijual. Dalam melihat tingkat distribusi data dalam PC1 dan PC2 tidak semata-mata pada garis biplot, walaupun sebuah kategori bernilai minus bukan berarti secara data dia minus juga. Artinya minus itu menunjukan bahwa semakain dia kearah bawah maka semakin banyak jumlah variabel yang diwakilinya, contohnya pada titik point bagian bawah kiri cluster 3 (No data 184) walaupun dia mengarah ke -10 namun dia mewakili nilai yang tinggi untuk pengeluaran Delicassen.
table(datacustomers$Channel,datacustomers$cluster3)##
## 1 2 3
## Horeca 0 284 14
## Retail 43 98 1Untuk membandingkan visualisai nya bisa kita lakukan clusterplot seperti berikut ini :
#library(cluster)
clusplot(datacustomers, datacustomers$cluster3, color=TRUE, shade = TRUE, label=3)
Pada cluster 5, tetap sama seperti pada cluster sebelumnya, kedua komponen mampu menjelaskan 62,42% variabilitas titik/point. Setelah itu kita lihat perbagian cluster per channel, untuk dapat mengambil insight lebih dalam lagi.
table(datacustomers$Channel,datacustomers$cluster5)##
## 1 2 3 4 5
## Horeca 219 40 1 9 29
## Retail 35 9 11 84 3table(datacustomers$Channel,datacustomers$cluster3)##
## 1 2 3
## Horeca 0 284 14
## Retail 43 98 1Dapat dilihat bahwa pada pembagian 3 cluster, channel horeca dan retail merupakan customer yang mendominasi dalam cluster 3 yang artinya Horeca melakukan pengeluaran yang rendah pada setiap produk. Namun terdapat 3 data customer yang berasal dari channel horeca melakukan pengeluaran tertinggi untuk produk Fresh, Frozen, dan Delicatessen.
Sedangkan bila dilihat dari segmentasi 5 customer, horeca (hotel,rent,cafe) merupakan channel terbanyak pada cluster 4 dan kedua terbanyak pada cluster 2. Ini berarti channel horeca melakukan pengeluaran yang cukup rendah dan beberapanya hanya melakukan pengeluaran normal pada produk fresh, frozen dan grocery. Kemudian, pada channel Retail terbanyak pada cluster 5, ini berarti adanya pengeluaran tahunan banyak dibelanjakan untuk produk Milk dan Delicatessen.
table(datacustomers$Region,datacustomers$cluster5)##
## 1 2 3 4 5
## Lisbon 47 8 2 17 3
## Oporto 25 3 1 12 6
## Other_Region 182 38 9 64 23table(datacustomers$Region,datacustomers$cluster3)##
## 1 2 3
## Lisbon 7 68 2
## Oporto 8 38 1
## Other_Region 28 276 12Berdasarkan wilayah, pada segmentasi lima customers hampir semua wilayah masuk dalam cluster 4 ini berarti pengeluaran setiap wilayah untuk semua produk sangat rendah. Begitupun dengan segmentasi tiga customers, rata-rata semua wilayah masuk dalam cluster 3 yang artinya semua wilayah memiliki pengeluaran yang rendah pada setiap produk, dan bila kita rincikan ulang pada segmentasi tiga costumers, yang melakukan pengeluaran tertinggi untuk produk Fresh, Milk, Frozen dan Delicatessen yang masuk dalam channel Horeca berlokasi di Lisbon sedangkan 2 lainnya pada wilayah Oporto dan 9 customer dari wilayah lainnya.
7 Saran dan Kesimpulan
Berdasarkan analisis yang telah dilakukan, saya merekomendasikan menggunakan 3 cluster. Karena pembagian customers menjadi 3 cluster lebih mudah bagi tim marketing dan sales untuk melakukan perbaikan dalam hal promosi dan peningkatan penjualan yang lebih tertarget berdasarkan channel dan lokasi/wilayah customer. Menjawab pertanyaan-pertanyaan yang ada sebelumnya, yaitu ;
Dapatkah mengetahui jenis/sektor industri pelanggan berdasarkan pengeluaran tahunan yang dilakukan? Mari lihat hasil gabungan dari cluster 3 berdasarkan tipe channel dan wilayah dibawah ini, apakah ada insight yang bisa kita ambil :
print(dm_clust3$centers)## Fresh Milk Grocery Frozen Detergents_Paper
## 1 3.840444845 3.2957757 0.9852919 7.20489292 -0.1527927
## 2 -0.306069120 1.8098555 2.2038591 -0.24975466 2.2309315
## 3 0.004950908 -0.2277887 -0.2542638 -0.02703683 -0.2486071
## Delicassen
## 1 6.79967230
## 2 0.25139852
## 3 -0.08005229table(datacustomers$Region,datacustomers$cluster3)##
## 1 2 3
## Lisbon 7 68 2
## Oporto 8 38 1
## Other_Region 28 276 12table(datacustomers$Channel,datacustomers$cluster3)##
## 1 2 3
## Horeca 0 284 14
## Retail 43 98 1Dilihat dari tingkat pengeluaran cluster 3 yang juga terbagi menjadi 3 kelompok pelanggan sebenarnya sudah bisa kita ambil kesimpulan apa jenis/sektor industri pelanggan kita. Contohnya pada kelompok 1, pengeluaran tertingginya produk Fresh, Milk, Frozen, dan Delicassen yang artinya ini merupakan jenis pelanggan dengan sektor industri makanan seperti Hotel ataupun restaurant yang mana mereka membutuhkan bahan makanan segar dan beku. Sedangkan pada kelompok kedua bisa kita asumsikan ini merupakan pelanggan dengan sektor industri Cafe/Coffee Shop dan sebagian Toko Grosir dilihat dari pengeluaran yang sangat sedikit untuk produk Fresh dan Frozen. Terakhir kelompok 3, merupakan sektor rumah tangga/retail yang mana pengeluaran tahunan yang dibelanjakan untuk setiap produk sangat sedikit dibandingkan dua kelompok lainnya. Untuk pencatatn data selanjutnya, lebih efektif menggunakan 3 kelompok dalam channel (Restaruant/Hotel, Cafe/Coffee Shop, Retail)
Apakah penjualan tertinggi dipengaruhi oleh wilayah?
Ternyata secara keseluruhan berdasarkan data yang ada, penjualan tidak dipengaruhi oleh wilayah tertentu. Penyebaran wilayah jika kita bagi berdasarkan kelompoknya lebih didominasi dalam kelompok 3 dengan pengeluaran yang rendah sedangkan dengan pengeluaran tertinggi yang masuk pada kelompok 1 hanya terdiri dari 3 data wilayah saja.
Apakah ada korelasi positif antar produk dalam setiap pembelanjaan yang dilakukan oleh customers?
library(corrplot)
corrmatrix <- cor(dc_z)
corrplot(corr = corrmatrix, method = "number" )
Dari visual korelasi diatas terlihat bahwa ada korelasi kuat antara produk :
- Grocery & Detergents_Paper
- Grocery & Milk
- Detergents_Paper & Milk
sedangkan produk Delicessen & Milk juga memiliki korelasi positif namun cenderung lemah.
Promo apa yang tepat untuk diberikan pada setiap kelompok pelanggan?
Promo-promo sederhana yang bisa dilakukan adalah memberikan harga promo beserta bonus untuk pembelian dengan syarat harga tertentu (minimum belanja). Misalnya untuk pembelian Detergents_Paper & Grocery diatas $200 mendapatkan bonus atau potongan harga untuk produk Milk dan Fresh. Atau pembelian Milk dan Grocery dengan minimum belanja 200 gratis produk Frozen (*banyaknya gratis tergantung kebijakan perusahaan). Untuk mendapatkan hasil yang lebih maksimal, gunakan promo yang berbeda pada setiap jenis customer/pelanggan karena mereka memiliki kebiasaan tersendiri dalam hal pengeluaran yang dilakukan pada setiap tahunnya.
Kemungkinan yang akan terjadi bila kita melakukan perubahan layanan yang diberlakukan untuk setiap pelanggan, contohnya layanan pengiriman atau perubahan harga produk, apakah akan menaikkan penjualan atau sebaliknya?
Jika dilihat dari sektor bisnis/industri berdasarkan kebiasaan belanja pelanggan, apabila dilakukan perubahan layanan pengiriman (misalnya pengiriman paling lama sampai 2-3 hari menjadi 7 hari) akan berdampak pada penurunan pembelian terhadap produk Fresh, Frozen,dan Milk yang mana jenis industri/pelanggan pada kelompok ini adalah Restaurant/Hotel yang sangat mengedepankan produk-produk segar dan cenderung tidak bisa tahan lama yang artinya layanan pengiriman yang diberikan harus cepat. Namun, perubahan layanan pengiriman akan tidak terlalu berpengaruh pada kelompok pelanggan dengan pengeluaran tinggi pada produk seperti Detergents_Paper, Grocery dan Delicasen karena jenis produk ini bisa tahan lama dan tidak terpengaruh pada lamanya pengiriman.