<![CDATA[Teknologi data mining memainkan peran penting dalam mendukung proses pengambilan keputusan bisnis, terutama dalam memahami perilaku dan karakteristik pelanggan. Penelitian ini berfokus pada segmentasi pelanggan di sebuah mall dengan menerapkan algoritma K-Means Clustering untuk mengidentifikasi pola dan perilaku konsumen berdasarkan dua variabel utama, yakni pendapatan tahunan dan skor belanja. Penelitian ini menjadi krusial karena membantu mall merancang strategi pemasaran yang lebih efektif dan tepat sasaran. Tujuan utama penelitian ini adalah mengelompokkan pelanggan ke dalam segmen-segmen tertentu menggunakan pendekatan K-Means Clustering. Metodologi yang digunakan melibatkan dataset pelanggan yang mencakup dua fitur, yaitu pendapatan tahunan dan skor belanja, yang kemudian dinormalisasi menggunakan StandardScaler. Metode elbow digunakan untuk menentukan jumlah klaster optimal. Hasil penelitian mengidentifikasi lima klaster pelanggan dengan karakteristik yang bervariasi, mulai dari pendapatan rendah hingga tinggi dengan berbagai tingkat skor belanja. Salah satu temuan utama adalah adanya segmen pelanggan bernilai tinggi yang berkontribusi secara signifikan terhadap pendapatan mall. penelitian ini menunjukkan bahwa algoritma K-Means Clustering terbukti efektif dalam melakukan segmentasi pelanggan. Wawasan yang dihasilkan memungkinkan pihak manajemen mall untuk menyusun strategi pemasaran yang lebih spesifik dan personal, disesuaikan dengan karakteristik setiap segmen pelanggan.]]>
