[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-125170-id":3,"doc-seo-125170-113":31,"detail-sidebar-cat-0-id-113":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},125170,5909887254083,"Miles","https://ap-avatar.wpscdn.com/davatar_276721f389ce27ea32af1340a28f341c",54,"Penelitian & Laporan","Penerapan Machine Learning dalam Pengelompokan Pelanggan Menggunakan K-Means Clustering untuk Meningkatkan Strategi Pemasaran PT Maspion","Penelitian ini bertujuan untuk meningkatkan efektivitas strategi pemasaran PT Maspion melalui pengelompokan pelanggan menggunakan algoritma K-Means Clustering. Penelitian memanfaatkan data transaksi pelanggan untuk membentuk empat cluster berdasarkan pola pembelian. Analisis tiap cluster dilakukan untuk menemukan karakteristik utama serta menyusun rekomendasi strategi yang relevan, termasuk diskon berbasis volume, personalisasi layanan, dan program loyalitas. Hasil menunjukkan bahwa pendekatan ini membantu memahami kebutuhan pelanggan secara lebih baik, meningkatkan loyalitas, dan mengoptimalkan pendapatan perusahaan.","Syntax Literate: Jurnal Ilmiah Indonesia p–ISSN: 2541-0849  \ne-ISSN: 2548-1398  \nVol. 10, No. 4, April 2025   \nPENERAPAN MACHINE LEARNING DALAM PENGELOMPOKAN PELANGGAN MENGGUNAKAN K-MEANS CLUSTERING UNTUK MENINGKATKAN STRATEGI PEMASARAN PT MASPION  \nBimas Ihsan Pratama1, Verdi Yasin2*, Irfan Junaedi3, Anton Zulkarnain Sianipar4, Zulhalim5  \nSekolah Tinggi Manajemen Informatika dan Komputer Jayakarta, Indonesia 1,2,3,4,5 [Email: verdiyasin29@gmail.com](Email: verdiyasin29@gmail.com2)[2](Email: verdiyasin29@gmail.com2)*  \nAbstrak  \nPenelitian ini bertujuan untuk meningkatkan efektivitas strategi pemasaran PT Maspion melalui pengelompokan pelanggan menggunakan algoritma K-Means Clustering. Denganmemanfaatkan data transaksi pelanggan, penelitian ini berhasil mengelompokkan pelanggan ke dalam empat cluster berdasarkan pola pembelian mereka. Setiap cluster dianalisis untuk mengidentifikasi karakteristik utama dan memberikan rekomendasi strategi pemasaran yang relevan, seperti diskon berbasis volume, personalisasi layanan, dan program loyalitas. Hasil penelitian menunjukkan bahwa penerapan K-Means Clustering dapat membantu PT Maspion dalam memahami kebutuhan pelanggan dengan lebih baik, meningkatkan loyalitas, dan mengoptimalkan pendapatan perusahaan. Penelitian ini memberikan kontribusi praktisbagi perusahaan serta memperkaya literatur akademik tentang penerapan machine learning dalam pemasaran.  \nKata Kunci: K-Means Clustering, segmentasi pelanggan, machine learning, strategi pemasaran, PT Maspion  \nAbstract  \nThis study aims to enhance PT Maspion's marketing strategy effectiveness by clustering customers using the K-Means Clustering algorithm. By leveraging customer transaction data, this research successfully grouped customers into four clusters based on their purchasing patterns. Each cluster was analyzed to identify key characteristics and provide relevant marketing strategy recommendations, such as volume-based discounts, personalized services, and loyalty programs. The results indicate that implementing KMeans Clustering helps PT Maspion better understand customer needs, increase loyalty, and optimize company revenue. This study offers practical contributions to the company and enriches academic literature on the application of machine learning in marketing.  \nKeywords: K-Means Clustering, customer segmentation, machine learning, marketing strategy, PT Maspion  \nPendahuluan  \nDalam era digital saat ini, penerapan teknologi machine learning telah menjadi alat yang sangat penting bagi perusahaan dalam memahami perilaku pelanggan dan merancang strategi pemasaran yang lebih efektif (Junaedy & Asfiah, 2024) . Salah satu metode machine learning yang sering digunakan dalam pengelompokan data adalah KMeans Clustering. K-Means Clustering sendiri merupakan salah satu teknik unsupervised learning dalam machine learning, yang berarti bahwa data yang digunakan tidak memiliki label yang jelas (Suyal & Sharma, 2024) . Metode ini memungkinkan perusahaan untukmengelompokkan pelanggan berdasarkan karakteristik tertentu yang diambil dari data  \n3573 Syntax Literate, Vol. 10, No. 4, April 2025  \nBimas Ihsan Pratama, Verdi Yasin, Irfan Junaedi, Anton Zulkarnain Sianipar, Zulhalim  \ntransaksi mereka, seperti frekuensi pembelian, jumlah pembelian, serta kategori produk yang dibeli (Hadi et al., 2017) . Dengan pengelompokan ini, perusahaan dapat mengidentifikasi segmen-segmen pelanggan yang memiliki perilaku serupa dan merancang kampanye pemasaran yang lebih spesifik dan tepat sasaran. Hasil daripengelompokan ini dapat memberikan insight yang berharga mengenai pola perilaku pelanggan, sehingga memungkinkan perusahaan untuk lebih fokus dalam pengembanganproduk, layanan, dan komunikasi pemasaran (Awalina & Rahayu, 2023a) . Keuntunganutama dari penerapan K-Means Clustering adalah kemampuannya untuk bekerja dengan data yang besar dan kompleks, seperti yang dimiliki. Dalam skenario bisnis modern, data menjadi salah satu aset paling berharga (Alvianatinov","cbCaisIQQATQlerO","https://ap.wps.com/l/cbCaisIQQATQlerO","pdf",536781,3,1,13,"Indonesian","id",113,"# Pendahuluan\n## Latar belakang penerapan machine learning\n## Permasalahan PT Maspion\n## Dampak strategi pemasaran yang kurang tepat\n# Metode dan pendekatan K-Means Clustering\n## Konsep unsupervised learning\n## Pengelompokan berbasis data transaksi","[{\"question\":\"Penelitian ini bertujuan meningkatkan apa melalui K-Means Clustering?\",\"answer\":\"Penelitian bertujuan meningkatkan efektivitas strategi pemasaran PT Maspion dengan mengelompokkan pelanggan berdasarkan data transaksi.\"},{\"question\":\"Bagaimana proses pengelompokan pelanggan dilakukan dalam penelitian ini?\",\"answer\":\"Data transaksi pelanggan digunakan untuk membagi pelanggan ke dalam empat cluster berdasarkan pola pembelian.\"},{\"question\":\"Rekomendasi strategi pemasaran apa yang dihasilkan dari tiap cluster?\",\"answer\":\"Setiap cluster dianalisis untuk menghasilkan rekomendasi seperti diskon berbasis volume, personalisasi layanan, dan program loyalitas.\"}]","Penerapan Machine Learning dalam Pengelompokan Pelanggan Menggunakan K-Means Clustering untuk Meningkatkan Strategi Pemasaran PT Maspion | PDF",1785897141,20,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":29},"application-of-machine-learning-in-customer-segmentation-using-k-means-clustering-to-improve-pt-maspion-marketing-strategy","",{"@graph":37,"@context":86},[38,54,69],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,49,51],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":48},"https://docshare.wps.com/id/document/","Document",2,{"item":50,"name":12,"@type":44,"position":20},"https://docshare.wps.com/id/document/penelitian-laporan/",{"item":52,"name":13,"@type":44,"position":53},"https://docshare.wps.com/id/document/application-of-machine-learning-in-customer-segmentation-using-k-means-clustering-to-improve-pt-maspion-marketing-strategy/125170/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":24,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":42,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-15","2026-08-05",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Penelitian ini bertujuan meningkatkan apa melalui K-Means Clustering?","Question",{"text":76,"@type":77},"Penelitian bertujuan meningkatkan efektivitas strategi pemasaran PT Maspion dengan mengelompokkan pelanggan berdasarkan data transaksi.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Bagaimana proses pengelompokan pelanggan dilakukan dalam penelitian ini?",{"text":81,"@type":77},"Data transaksi pelanggan digunakan untuk membagi pelanggan ke dalam empat cluster berdasarkan pola pembelian.",{"name":83,"@type":74,"acceptedAnswer":84},"Rekomendasi strategi pemasaran apa yang dihasilkan dari tiap cluster?",{"text":85,"@type":77},"Setiap cluster dianalisis untuk menghasilkan rekomendasi seperti diskon berbasis volume, personalisasi layanan, dan program loyalitas.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":93},[94,99,103,107,111,115,117,121,125,129,133],{"id":95,"doc_module":4,"doc_module_name":47,"category_name":96,"show_sort_weight":97,"slug":98},55,"Agama & Spiritualitas",60,"religion-spirituality",{"id":100,"doc_module":4,"doc_module_name":47,"category_name":101,"show_sort_weight":97,"slug":102},48,"Cerita & Novel","story-novel",{"id":104,"doc_module":4,"doc_module_name":47,"category_name":105,"show_sort_weight":97,"slug":106},56,"Gaya Hidup","lifestyle",{"id":108,"doc_module":4,"doc_module_name":47,"category_name":109,"show_sort_weight":97,"slug":110},51,"Komik","comic",{"id":112,"doc_module":4,"doc_module_name":47,"category_name":113,"show_sort_weight":97,"slug":114},53,"Layanan Kesehatan","healthcare",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":97,"slug":116},"research-report",{"id":118,"doc_module":4,"doc_module_name":47,"category_name":119,"show_sort_weight":97,"slug":120},49,"Sastra","literature",{"id":122,"doc_module":4,"doc_module_name":47,"category_name":123,"show_sort_weight":97,"slug":124},52,"Teknologi","technology",{"id":126,"doc_module":4,"doc_module_name":47,"category_name":127,"show_sort_weight":97,"slug":128},50,"Ujian","exam",{"id":130,"doc_module":4,"doc_module_name":47,"category_name":131,"show_sort_weight":97,"slug":132},57,"Umum","general",{"id":134,"doc_module":4,"doc_module_name":47,"category_name":135,"show_sort_weight":4,"slug":136},181,"Formulir","formulir"]