<![CDATA[Penelitian ini bertujuan untuk menerapkan teknik data mining dalam mendukung customer intelligence melalui segmentasi penjualan video game menggunakan algoritma K-Means. Dataset yang digunakan mencakup data penjualan video game dari berbagai wilayah, yaitu Amerika Utara, Eropa, Jepang, dan wilayah lainnya, yang dianalisis menggunakan pendekatan CRISP-DM yang meliputi tahapan business understanding, data understanding, data preparation, modeling, dan evaluation. Proses data preparation dilakukan dengan menghapus missing value dan data duplikat untuk meningkatkan kualitas data, kemudian dilakukan pemodelan menggunakan algoritma K-Means dengan penentuan jumlah cluster optimal menggunakan metode Elbow. Hasil penelitian menunjukkan bahwa data dapat dikelompokkan menjadi tiga cluster utama yang merepresentasikan tingkat penjualan rendah, menengah, dan tinggi, dimana sebagian besar data berada pada cluster dengan penjualan rendah, sementara hanya sebagian kecil yang berada pada cluster dengan penjualan tinggi, bahkan ditemukan satu data dengan penjualan yang sangat tinggi yang membentuk cluster tersendiri. Temuan ini menunjukkan bahwa distribusi penjualan video game bersifat tidak merata dan cenderung didominasi oleh sedikit produk yang sangat sukses, sehingga hasil analisis ini dapat memberikan insight yang berguna bagi perusahaan dalam merancang strategi bisnis yang lebih efektif berbasis customer intelligence.]]>
Copyrights © 2026
