Article Per Year (5 Year)
p-Index From 2021 - 2026
1.325
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah KOMPUTASI Jurnal Mantik Jusikom: Jurnal Sistem Informasi Ilmu Komputer Jurnal Informatika Ekonomi Bisnis Jurnal Teknik Informatika C.I.T. Medicom INFOKUM Jurnal Media Informatika Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Informatika Ekonomi Bisnis Jurnal Ilmiah Multidisiplin Indonesia Jurnal Pengabdian Masyarakat (Jubdimas)
Wira Apriani
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Engineering Languange, Linguistic, Communication & Media Physics Public Health

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Penerapan Metode K-Means Clustering Dalam Analisis Profil Konsumen Untuk Strategi Manajemen Pemasaran Apriani, Wira; Yuda Perwira; Refin Herissandi; Septian Jordan Purba
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 1 (2026): EDISI JANUARI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i1.12492

Abstract

Segmentasi konsumen merupakan pendekatan penting dalam manajemen pemasaran untuk memahami karakteristik pelanggan dan merumuskan strategi yang tepat sasaran. Namun, tidak semua organisasi memiliki data transaksi yang lengkap, sehingga pemanfaatan data profil pelanggan non-transaksional menjadi alternatif yang relevan. Penelitian ini bertujuan untuk melakukan segmentasi konsumen berdasarkan profil pelanggan menggunakan metode K-Means Clustering sebagai dasar penyusunan strategi manajemen pemasaran. Penelitian ini menggunakan pendekatan kuantitatif dengan teknik data mining. Dataset yang digunakan adalah dataset publik Customers Purchase Behavior dari Kaggle yang terdiri dari 72.637 data pelanggan. Variabel yang dianalisis meliputi lifestage dan premium customer. Data kategorik ditransformasikan melalui proses encoding dan dinormalisasi sebelum diterapkan algoritma K-Means Clustering. Hasil penelitian menunjukkan bahwa konsumen dapat dikelompokkan ke dalam tiga segmen utama dengan karakteristik yang berbeda berdasarkan tahapan kehidupan dan preferensi harga. Segmentasi ini mencerminkan perbedaan sensitivitas harga dan potensi nilai pelanggan pada masing-masing kelompok. Penelitian ini menyimpulkan bahwa metode K-Means Clustering efektif digunakan untuk segmentasi konsumen berbasis data profil pelanggan non-transaksional. Hasil segmentasi dapat dimanfaatkan sebagai dasar pengambilan keputusan dalam penyusunan strategi manajemen pemasaran yang lebih terarah dan berbasis data.
Co-Authors Affandi, Egi Arikhifo, Arikhifo Br Barus, Eviyanti Daulay, Suandi Erwin Panggabean Harefa, Jikarni Hasugian, Penda Sudarto Julius Santony Khairunisa, Khairunisa Nuraisana, Nuraisana Penda Sudarto Hasugian Permadi, Dinda Astari Perwira, Yuda Refin Herissandi Ritonga, Chindy L Septian Jordan Purba Sijabat, Petti Indrayati Simanjorang, R. Mahdalena Sitohang, Amran Toruan, Flora Br Lumban Yuda Perwira Yuda Perwira Yuda Perwira Yuhandri Yunus