<![CDATA[Pemahaman yang baik mengenai pelanggan sangat penting untuk menjalankan bisnis bagi suatu perusahaan. Mengenali dan memahami setiap pelanggan dapat membantu menciptakan komunikasi dalam menyampaikan penawaran produk dengan menyesuaikan kebutuhan dan memberikan layanan yang disesuaikan setiap pelanggan. Namun, dalam mengidentifikasi setiap kebutuhan pelanggan tidak mudah, karena faktanya menganalisis pelanggan adalah area yang sangat luas. Hal ini dapat mencakup berbagai karakteristik dan perilaku pelanggan yang berbeda. Oleh karena itu, diperlukan segmentasi pelanggan untuk mengelompokkan pelanggan berdasarkan perilaku dan karakteristik. Untuk melakukan segmentasi pelanggan berdasarkan data, banyak model dan algoritma telah digunakan, dan dalam penelitian ini, metode clustering menggunakan algoritma K-means menjadi salah satu pilihan yang efektif. Metode ini telah menjadi tren dan banyak digunakan dimana hal tersebut dibuktikan dengan banyak nya jurnal terkait dari rentang tahun 2018 - 2022. Penelitian ini menggunakan pemrograman python untuk proses data mining dan pre-processing yang dilakukan pada data melalui exploratory data analysis untuk memahami informasi dari data yang digunakan sebelum melakukan klasterisasi. Dalam penerapan metode K-means, digunakan metode elbow untuk menentukan jumlah klaster yang optimal. Hasil dari metode elbow menunjukkan bahwa penggunaan 4 klaster adalah pilihan yang tepat dalam kasus ini. Selanjutnya, pemodelan K-means dengan 4 klaster dilakukan menggunakan variabel quantity, unit price, dan customer id, dan menghasilkan 4 klaster yang berbeda dengan karakteristik yang spesifik pada masing-masingnya. dapat diamati bahwa kuantitas dan harga satuan berperan penting dalam mempengaruhi perilaku pelanggan.]]>
