Aplikasi clustering pelanggan dengan metode deep embedded clustering dan variational deep embedding pada Toko X
Digitalisasi bisnis mendorong pemanfaatan data transaksi untuk memahami perilaku pelanggan, Toko X sebagai distributor tepung terigu dengan volume transaksi yang tinggi membutuhkan sistem yang mampu mengelompokkan pelanggan berdasarkan pola transaksi pelanggan. Penelitian ini bertujuan untuk membangun aplikasi segmentasi pelanggan dengan menggunakan metode Deep Embedding Clustering (DEC) dan Variational Deep Embedding (VaDE) yang diterapkan pada data Recency, Frequency, Monetary (RFM) dan varian produk yang paling sering dibeli oleh pelanggan. Pengolahan data dilakukan melalui tahap preprocessing menggunakan Min-Max Scaling, menentukan jumlah cluster dengan ELbow Method dan Silhouette Score, serta penerapan model DEC dan VaDE untuk membentuk klaster pelanggan. Evaluasi kualitas hasil clustering dilakukan menggunakan Silhouette Score, sedangkan pengujian sistem dilakukan melalui User Acceptance Testing (UAT) dan System Usability Scale (SUS).
