Berikut adalah silabus lengkap 20 sesi (masing-masing @1,5 jam) untuk topik “Clustering Pelanggan Menggunakan K-Means pada Dataset Transaksi Ritel” , menggunakan Python. Silabus ini cocok untuk skripsi, pelatihan, atau bootcamp dengan pendekatan praktikal dan progresif dari dasar hingga deployment.
Silabus 20x Sesi (1,5 Jam per Sesi)
Topik: Clustering Pelanggan Menggunakan K-Means pada Dataset Transaksi Ritel (dengan Python)
Bagian 1: Pengenalan dan Dasar-Dasar (Sesi 1–5)
Sesi 1: Pengantar Data Science dan Clustering
-
Apa itu Data Science, Machine Learning, dan Clustering
-
Studi kasus customer segmentation
-
Perbedaan supervised vs unsupervised learning
-
Pengenalan algoritma K-Means
Sesi 2: Instalasi dan Setup Lingkungan Python
-
Instalasi Anaconda, Jupyter Notebook, VSCode (opsional)
-
Instalasi libraries: pandas , numpy , matplotlib , seaborn , scikit-learn
-
Struktur folder proyek data science
Sesi 3: Eksplorasi Dataset Transaksi Ritel
-
Pengenalan dataset ritel (contoh: Online Retail dari UCI / Excel lokal)
-
Import data dengan pandas
-
Memahami struktur data: kolom, tipe data, dan deskripsi awal
Sesi 4: Pembersihan dan Pra-Pemrosesan Data
-
Handling missing values
-
Menghapus duplikasi
-
Filtering data relevan (customer ID, invoice, date, quantity, amount)
Sesi 5: Feature Engineering untuk Clustering
-
Membuat variabel RFM (Recency, Frequency, Monetary)
-
Normalisasi data dengan StandardScaler
-
Penyimpanan data siap clustering
Bagian 2: K-Means dan Evaluasi Model (Sesi 6–10)
Sesi 6: Pengenalan Algoritma K-Means



