Penerapan Kecerdasan Buatan Dengan Metode K-Means Dalam Penentuan Target Client Di Perusahan CV.Project Master
Keywords:
Artificial Intelligence, K-Means Clustering, Target Client, Knowledge Discovery in DatabasesAbstract
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.
References
[1] N. A. A. Nasution, "Peran Asosiasi Penyelenggara Jasa Internet Indonesia (APJII) Sumatera Utara Dalam Mensosialisasikan Keamanan Berinternet Kepada Masyarakat Menurut Perspektif Komunikasi Islam," Al-Balagh: Jurnal Komunikasi Islam, vol. 8, no. 1, pp. 24-35, 2024.
[2] J. Han, J. Pei, and H. Tong, Data mining: concepts and techniques. Morgan kaufmann, 2022.
[3] A. Singla, A. Sukharevsky, L. Yee, M. Chui, and B. Hall, "The state of AI," How Organizations are Rewiring to Capture Value. Publisher: McKinsey, 2025.
[4] J. Salminen, M. Mustak, M. Sufyan, and B. J. Jansen, "How can algorithms help in segmenting users and customers? A systematic review and research agenda for algorithmic customer segmentation," Journal of Marketing Analytics, vol. 11, no. 4, pp. 677-692, 2023.
[5] S. O. Rezende, R. B. T. Oliveira, L. C. M. Felix, and C. A. J. Rocha, "Visualization for knowledge discovery in database," WIT Transactions on Information and Communication Technologies, vol. 22, 2025.
[6] H. Ivison, M. Zhang, F. Brahman, P. W. Koh, and P. Dasigi, "Large-scale data selection for instruction tuning," arXiv preprint arXiv:2503.01807, 2025.
[7] C. Yan, "A review on spectral data preprocessing techniques for machine learning and quantitative analysis," iScience, vol. 28, no. 7, 2025.
[8] K. Paraskevas and T. Christos, "Data preprocessing and feature engineering for data mining: Techniques, tools, and best practices," Ai, vol. 6, no. 10, p. 257, 2025.
[9] E. López-Meneses, P. C. Mellado-Moreno, C. Gallardo-Herrerías, and N. Pelícano-Piris, "Educational data mining and predictive modeling in the age of artificial intelligence: An in-depth analysis of research dynamics," Computers, vol. 14, no. 2, p. 68, 2025.
[10] N. A. Shidqi, H. Firmansyah, W. Asriyani, and R. P. Tulodo, "Analisis Segmentasi Pelanggan Berbasis Data Transaksi Menggunakan Metode K-Means," Journal of Multidisciplinary Inquiry in Science, Technology and Educational Research, vol. 3, no. 1, pp. 965-976, 2026.
[11] S. N. Lathifah and Z. F. Azzahra, "AI-Driven Customers Segmentation Using K-Means Clustering," G-Tech: Jurnal Teknologi Terapan, vol. 9, no. 1, pp. 320-329, 2025.
[12] C. Lumbantoruan and D. A. Megawaty, "Penerapan Metode K-Means Clustering dan Principal Component Analysis (PCA) untuk Pengelompokan Provinsi di Indonesia Berdasarkan Indikator Pendidikan," Journal of Artificial Intelligence and Technology Information (JAITI), vol. 4, no. 2, pp. 120-131, 2026.
[13] M. Alves Gomes and T. Meisen, "A review on customer segmentation methods for personalized customer targeting in e-commerce use cases," Information Systems and e-Business Management, vol. 21, no. 3, pp. 527-570, 2023.
