DATA MINING KLASTERISASI CUSTOMER SEGMANTATION NETFLIX MENGGUNAKAN METODE K-MEANS DENGAN RAPIDMINER

Abstrak

Persaingan ketat dalam industri streaming mendorong Netflix untuk memahami basis pelanggannya secara lebih mendalam. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan Netflix menggunakan metode K-Means Clustering untuk mengidentifikasi karakteristik dan pola perilaku pelanggan. Dengan memanfaatkan dataset Netflix Userbase periode Juni-Juli 2023 yang terdiri dari 2500 data pelanggan, analisis dilakukan menggunakan tools RapidMiner Studio. Variabel yang digunakan meliputi Subscription Type, Monthly Revenue, Country, Age, Gender, dan Device. Hasil implementasi K-Means Clustering dengan k=5 menghasilkan segmentasi pelanggan yang optimal, dibuktikan dengan nilai Davies Bouldin Index -2.920. Analisis mengidentifikasi lima cluster utama: pelanggan baru dengan tingkat engagement tinggi (Cluster 0), pelanggan lama yang loyal (Cluster 1), pelanggan aktif dengan pola pembayaran teratur (Cluster 2), pelanggan dominan dari United States (Cluster 3), dan segmen khusus pelanggan Germany (Cluster 4). Evaluasi model menunjukkan kohesi cluster yang baik dengan nilai average within centroid distance yang optimal untuk setiap cluster. Penelitian ini merekomendasikan Netflix untuk mengembangkan strategi pemasaran yang lebih personal berdasarkan karakteristik masing-masing cluster, serta melakukan analisis segmentasi secara berkala untuk mengikuti perubahan preferensi pelanggan. Hasil segmentasi ini dapat menjadi dasar pengambilan keputusan strategis dalam pengembangan layanan dan pemasaran yang lebih terarah. cluster, serta melakukan analisis segmentasi secara berkala untuk mengikuti perubahan preferensi pelanggan.