<![CDATA[Segmentasi pelanggan merupakan strategi penting bagi pengelola mall dalam memahami perilaku pengunjung dan merancang program pemasaran yang tepat sasaran. Penelitian ini bertujuan mengimplementasikan dan mengoptimasi algoritma DBSCAN (Density-Based Spatial Clustering of Applications with Noise) pada dataset Mall Customer Segmentation yang terdiri dari 200 data pelanggan dengan lima atribut. Optimasi parameter dilakukan secara sistematis melalui analisis k-distance plot dan eksperimentasi grid search pada 15 kombinasi parameter. Parameter optimal yang diperoleh adalah ε = 0,3 dan minPts = 4, menghasilkan 8 klaster pelanggan dengan persentase noise 11,5% dan Silhouette Coefficient sebesar 0,520 yang mengindikasikan struktur klaster yang cukup baik. Setiap klaster diinterpretasikan secara deskriptif menghasilkan profil bisnis yang bermakna, mulai dari pelanggan muda impulsif hingga segmen ultra-elite yang konservatif. Analisis terhadap 23 data outlier mengungkap pelanggan berpenghasilan tinggi (rata-rata 77,48 k$) dengan perilaku belanja yang sangat heterogen, merepresentasikan segmen potensial bernilai tinggi yang memerlukan pendekatan pemasaran sangat personal. Rekomendasi strategi pemasaran yang spesifik dirumuskan untuk setiap segmen yang teridentifikasi.]]>
Copyrights © 2026
