<![CDATA[Dalam era digital ini, industri telekomunikasi dihadapkan pada tantangan untuk memahami kebutuhan pelanggan yang semakin kompleks. Penelitian ini mengimplementasikan algoritma K-Means untuk segmentasi pelanggan, dengan tujuan utama mengidentifikasi pola perilaku serta merumuskan strategi pemasaran yang lebih efektif. Melalui pendekatan Knowledge Discovery in Databases(KDD), penelitian ini mencakup tahapan seleksi data, pra-pemrosesan, transformasi, penambangan data (data mining), dan evaluasi pola. Data yang dianalisis meliputi informasi mengenai jenis layanan, kecepatan internet, tipe perangkat, dan lokasi pelanggan. Algoritma K-Means diaplikasikan untuk mengelompokkan pelanggan berdasarkan kesamaan perilaku, dengan jumlah klaster optimal ditentukan menggunakan metrik Davies-Bouldin Index (DBI). Hasil analisis menghasilkan tiga klaster, yakni pelanggan dengan kebutuhan layanan dasar, pengguna layanan internet berkecepatan rendah yang sensitif terhadap harga, serta pengguna layanan internet intensif yang jarang me-manfaatkan fitur tambahan. Strategi pemasaran yang diusulkan mencakup penawaran paket hemat, promosi bundling, dan edukasi tentang manfaat fitur tambahan. Evaluasi menggunakan DBI menunjukkan nilai sebesar 0,055, yang mengindikasikan bahwa klaster yang dihasilkan memiliki kualitas yang baik. Penelitian ini menunjukkan efektivitas algoritma K-Means dalam segmentasi pelanggan, sekaligus memberikan dasar bagi perusahaan telekomunikasi untuk meningkatkan loyal-itas dan retensi pelanggan melalui strategi pemasaran yang lebih terarah. Penelitian ini juga mena-warkan peluang untuk eksplorasi lebih lanjut dalam penerapan data mining di sektor telekomunikasi jaringan.]]>
