Penerapan Kecerdasan Buatan Dengan Metode K-Means Dalam Penentuan Target Client Di Perusahan CV.Project Master

Muhammad Sholahudin (Teknik Informatika, Universitas Duta Bangsa)
Herliyani Hasanah (Teknik Informatika, Universitas Duta Bangsa)
Afu Ichsan Pradana (Teknik Informatika, Universitas Duta Bangsa)

Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026

Kemajuan dalam teknologi informasi serta penerapan Kecerdasan Buatan (AI) mendorong organisasi untuk memaksimalkan data pelanggan sebagai landasan demi keputusan bisnis yang lebih efektif. Salah satu kendala yang dihadapi oleh CV. Project Master adalah proses identifikasi pelanggan yang masih tergolong manual, sehingga memakan waktu yang cukup lama dan kemungkinan adanya kesalahan selama proses analisis. Studi ini berupaya untuk mengevaluasi dan mengklasifikasikan informasi klien demi mendukung perusahaan dalam mengidentifikasi pelanggan secara lebih terstruktur, dan didukung oleh data, serta untuk mengembangkan prototipe sistem analisis pelanggan yang didukung oleh AI. Penelitian ini mengadopsi K-Means Clustering. Pendekatan ini memanfaatkan atribut data seperti jenis usaha, skala usaha, lama usaha, lokasi usaha, dan rating Google. Prosedur penelitian mencakup pengumpulan dan pra-pemrosesan data, transformasi, normalisasi, penentuan parameter klaster, implementasi algoritma K-Means untuk pengelompokan, evaluasi hasil klasterisasi, dan Prosedur penelitian mengikuti tahapan KDD, di mana hasil segmentasi diimplementasikan ke dalam sistem pada tahap Knowledge Presentation untuk mendukung pengambilan keputusan bisnis. Penelitian ini mengadopsi K-Means Clustering dengan memanfaatkan atribut rating Google, jumlah ulasan, dan status website. Prosedur penelitian mengikuti tahapan Knowledge Discovery in Databases yang meliputi selection, preprocessing, transformation, data mining, serta evaluation/interpretation. Hasil penelitian menunjukkan bahwa algoritma K-Means berhasil mengelompokkan 120 data calon client menjadi 3 cluster optimal berdasarkan evaluasi metode Elbow. Kualitas pengelompokan divalidasi dengan nilai Silhouette Score sebesar 0.2821, di mana proses mencapai kondisi konvergen pada iterasi ke-6. Implementasi sistem pada tahap knowledge presentation membuktikan bahwa segmentasi berbasis AI mampu meningkatkan efektivitas penentuan target client secara objektif dan terukur bagi CV. Project Master.