KLASTERISASI KOSMETIK SEPHORA MENGGUNAKAN K-MEANS UNTUK REKOMENDASI PEMBELIAN BERDASARKAN PREFERENSI ANGGARAN KONSUMEN

Abstract

Permintaan kosmetik yang terus meningkat menciptakan tantangan bagi konsumen dalam memilih produk yang sesuai dengan preferensi dan anggaran mereka. Untuk mengatasi masalah tersebut, dilakukan analisis cluster dengan mengelompokkan produk kosmetik ke dalam tiga kategori harga, yaitu affordable, mid-range, dan luxury.

Penelitian ini menggunakan data sekunder dari perusahaan Sephora dan menerapkan algoritma K-Means untuk mengklasifikasikan produk. Hasil pemodelan menghasilkan tiga cluster harga yang kohesif dengan masing-masing terdiri dari produk yang sesuai dengan kategori harga yang ditentukan. Visualisasi menggunakan Data View dan plot scatter/bubble membantu memahami pola dan hubungan antar produk berdasarkan harga mereka dalam cluster-cluster yang terbentuk. Hasil analisis klasterisasi ini memberikan rekomendasi pembelian produk kosmetik yang sesuai dengan preferensi anggaran konsumen, meningkatkan pengalaman belanja konsumen, dan kepuasan pelanggan. Dengan memberikan kontribusi yang berharga dalam pemahaman tentang preferensi konsumen terhadap produk kosmetik Sephora berdasarkan anggaran mereka, penelitian ini dapat memberikan panduan rekomendasi pembelian yang relevan dan sesuai dengan kebutuhan konsumen.