Prompt Modul Bootcamp Collaboration : Project-Based Learning & Prompt Engineering (Week 2)

Selasa, 5 Mei 2026 | oleh Selamat Muliyadi Harjono | Modul

---

Prompt 5

tambahkan tabel berikut untuk keperluan machine learning clustering dan segmentasi pelanggan:
1. periode_segmentasi (id, nama_periode, tanggal_proses, tanggal_transaksi_mulai, tanggal_transaksi_selesai,status, keterangan, jumlah_cluster, metrik evaluasi clustering [lengkapi])
2. periode_segmentasi_pelanggan, berisi data pelanggan yang berada pada periode_segmentasi (id, id_periode_segmentasi, id_pelanggan, recency, frequency, monetary, id_cluster[nullable])
3. kelas_segmentasi (id, nama_kelas_segmentasi, kelas_recency, kelas_frequency, kelas_monetary) dimana terdapat 27 kelas segmen yang didapat dari 3R x 3F x 3M, tambahkan juga kolom yang minyimpan rentang nilai masing-masing kelas, misalnya kelas_recency_min, kelas_recency_max dan seterusnya yang akan digunakan sebagai batas rentang nilai ketika melakukan proses segmentasi kelas terhadap cluster nantinya.
4. cluster, berisi data hasil proses clustering dan segmentasi (id, id_periode_segmentasi, id_kelas_segmentasi, centroid_recency, centroid_frequency, centroid_monetary,  llm_rekomendasi_bisnis)


jika perancangan diatas salah atau kurang tepat, silahkan diperbaiki dengan alur berikut:
1. user mengisi periode segmentasi: nama periode,tanggal hitung, periode transaksi (tanggal_mulai - tanggal_selesai)
2. user klik proses segmentasi:
	- simpan data input user ke tabel periode_segmentasi 
	- hitung RFM pelanggan dan simpan ke tabel periode_segmentasi_pelanggan
	- hitung cluster menggunakan k-means dan gunakan elbow methode untuk menghitung jumlah cluster.
	- simpan metrik evaluasi ke tabel periode segmentasi
	- simpan hasil cluster ke tabel cluster : -- Metrik evaluasi, -- Statistik cluster, ID Kelas Segmentasi (sesuai dengan kelas segmentasi pada pusat cluster)
	- update periode_segmentasi_pelanggan : masukkan ID Cluster sesuai hasil dari clustering untuk menandakan pelanggan ini masuk cluster yang mana

buat rancangan databasenya saja dulu dan query mysql untuk membuat tabel-tabel nya

Prompt 6

buatkan form crud untuk kelas segmentasi dan berada pada menu data master

Prompt 7

buatkan saya form periode clustering sesuai dengan alur yang telah disebutkan sebelumnya:
1. User input periode segmentasi
   ↓
2. Simpan ke tabel periode_segmentasi (status = 'proses')
   ↓
3. Hitung RFM dari transaksi
   ↓
4. Simpan ke periode_segmentasi_pelanggan (RFM values)
   ↓
5. Hitung Elbow Method → tentukan K optimal
   ↓
6. Jalankan K-Means Clustering
   ↓
7. Simpan hasil cluster termasuk pusat cluster ke tabel cluster & tentukan kelas segmentasinya berdasarkan pusat clusternya
   ↓
8. Update id_cluster di periode_segmentasi_pelanggan
   ↓
9. Update status periode_segmentasi = 'selesai'

untuk proses ML menggunakan python yang dipanggil/request oleh php ke fastAPI, php hanya melakukan request dengan parameter ID Periode Segmentasi saja, sisanya python yang akan tarik data langsung ke mysql.

buatkan petunjuk yang lengkap dalam menggunakan python, mulai dari membuat venv, install library (tanpa versi/auto) hingga service fastAPI berjalan/aktif.

disini saya menggunakan OS windows 11

---