<![CDATA[Kemajuan dalam teknologi data mining membuka peluang signifikan bagi organisasi untuk mengambil keputusan yang berbasis pada data, terutama dalam mengungkap pola perilaku pelanggan. Studi ini bertujuan menerapkan algoritma K-Means Clustering guna melakukan segmentasi pelanggan di Mall XYZ, dengan fokus pada dua variabel kunci: pendapatan tahunan dan skor belanja. Pendekatan ini memungkinkan pihak manajemen mall merancang strategi pemasaran yang lebih terarah dan efisien. Dataset yang digunakan telah melalui proses normalisasi menggunakan Standard Scaler, sehingga memastikan kedua fitur berada dalam skala yang sebanding. Jumlah klaster optimal ditentukan melalui metode elbow berdasarkan nilai inertia, yang menghasilkan lima kelompok pelanggan. Hasil analisis mengungkap keberadaan segmen pelanggan bernilai tinggi yaitu mereka yang memiliki pendapatan dan frekuensi belanja tinggi yang memberikan kontribusi besar terhadap pendapatan mall. Di sisi lain, juga ditemukan segmen dengan potensi pengembangan, seperti pelanggan berpendapatan tinggi namun jarang berbelanja, yang dapat dimaksimalkan melalui pendekatan pemasaran yang tepat. Analisis centroid setiap klaster memungkinkan perancangan strategi khusus, seperti program loyalitas untuk pelanggan premium, promosi produk eksklusif, atau insentif harga bagi segmen yang sensitif terhadap biaya. Secara keseluruhan, penelitian ini menunjukkan bahwa K-Means Clustering efektif dalam mengelompokkan pelanggan berdasarkan pola konsumsi, sehingga memberikan dasar strategis untuk meningkatkan pendapatan dan memperkuat loyalitas pelanggan.]]>
Copyrights © 2025
