<![CDATA[Kemajuan dalam teknologi informasi dan semakin ketatnya persaingan di dunia bisnis membuat perusahaan harus memahami perilaku pelanggan agar bisa meningkatkan efektivitas strategi pemasaran mereka. Penelitian ini bertujuan untuk membagi pelanggan menjadi kelompok-kelompok berdasarkan cara mereka berbelanja dengan menggunakan algoritma K-Means Clustering. Dataset yang digunakan adalah Pelanggan Mall yang terdiri dari 200 data pelanggan dengan atribut Usia, Pendapatan Tahunan (k$), dan Skor Pengeluaran (1–100). Proses analisis dilakukan dengan menggunakan aplikasi Orange Data Mining yang meliputi beberapa langkah, yaitu preprocessing, normalisasi data, clustering, dan evaluasi cluster dengan menggunakan Silhouette Score. Pengujian dilakukan dengan jumlah cluster dari k=2 hingga k=6 dan menghasilkan nilai Silhouette Score tertinggi sebesar 0,427 pada k=6, sehingga k=6 dipilih sebagai cluster yang paling optimal. Hasil dari pengelompokan menunjukkan bahwa pelanggan bisa dibagi menjadi enam kelompok yang memiliki ciri-ciri berbeda, seperti pelanggan yang mengeluarkan banyak uang, pelanggan yang berhemat, dan pelanggan yang membeli barang secara impulsif. Penelitian ini menunjukkan bahwa algoritma K-Means sangat efektif untuk membagi kelompok pelanggan dan bisa membantu perusahaan dalam merancang strategi pemasaran yang lebih tepat.]]>
Copyrights © 2026
