<![CDATA[Pasar laptop gaming 2026 menghadirkan asimetri informasi antara harga dan spesifikasi teknis sehingga konsumen dapat mengalami kesulitan dalam menilai tier performa suatu laptop, terutama karena tidak tersedia label tier resmi. (1) Latar Belakang: spesifikasi penting sering tersimpan di dalam judul dan deskripsi produk yang tidak terstruktur, sedangkan harga saja belum tentu mencerminkan kemampuan gaming secara menyeluruh. (2) Metode: penelitian ini menerapkan algoritma K-Means untuk melakukan segmentasi laptop berdasarkan kombinasi harga dan spesifikasi teknis. Dataset Gaming Laptops 2026 dari Kaggle terdiri atas 614 observasi dan dibersihkan menjadi 594 produk laptop. Model GPU diekstraksi dari teks produk kemudian dipetakan menjadi skor benchmark numerik. Karena informasi GPU yang kosong tidak diasumsikan sebagai GPU terintegrasi, analisis clustering utama dilakukan pada 377 observasi yang memiliki informasi benchmark GPU lengkap. Sembilan fitur numerik kemudian ditransformasi dan diskalakan menggunakan MinMaxScaler. Evaluasi jumlah klaster menunjukkan bahwa k = 2 memiliki kualitas geometris yang lebih baik, sedangkan k = 3 dipilih sebagai konfigurasi akhir karena menghasilkan segmentasi Entry, Mid-Range, dan High-End yang lebih mudah diinterpretasikan. (3) Hasil: model K-Means final dengan k = 3 memperoleh Silhouette sebesar 0,224, Davies–Bouldin Index sebesar 1,530, dan Calinski–Harabasz Index sebesar 113,6. Model menunjukkan kestabilan yang relatif tinggi terhadap perubahan inisialisasi (ARI = 0,9549 ± 0,0352) dan sub-sampel data (ARI = 0,8506 ± 0,1622). GPU benchmark memiliki skor F ANOVA tertinggi sebesar 575,8, diikuti harga dan refresh rate. Hasil ablation study juga menunjukkan bahwa GPU saja belum dapat mereproduksi struktur clustering dari model lengkap. (4) Simpulan: performa GPU merupakan salah satu pembeda utama antar-tier, tetapi segmentasi yang terbentuk merupakan hasil kombinasi GPU benchmark, harga, refresh rate, memori, penyimpanan, dan karakteristik teknis lainnya. Dengan demikian, penggunaan tiga tier merupakan trade-off praktis antara kualitas geometris clustering dan interpretabilitas, bukan pembagian yang diklaim optimal secara matematis.]]>
