Segmentasi Pelanggan Kartu Halo Telkomsel Berbasis K-Means di Wilayah Sumbagsel: K-Means-Based Customer Segmentation of Telkomsel Kartu Halo in the Sumbagsel

Muhammad Bayu Samudra; Alifa Putri Shahabiyah; Aliya Faiza; Edo Wicaksono; Ken Ditha Tania; Allsella Meiriza; Ahmad Rifai

doi:10.57152/malcom.v6i2.2607

Authors

Muhammad Bayu Samudra Universitas Sriwijaya
Alifa Putri Shahabiyah Universitas Sriwijaya
Aliya Faiza Universitas Sriwijaya
Edo Wicaksono Universitas Sriwijaya
Ken Ditha Tania Universitas Sriwijaya
Allsella Meiriza Universitas Sriwijaya
Ahmad Rifai Universitas Sriwijaya

DOI:

https://doi.org/10.57152/malcom.v6i2.2607

Keywords:

Algoritma K-Means, Analisis Wilayah, KDD, Segmentasi Pelanggan, Telekomunikasi

Abstract

Perusahaan telekomunikasi dalam menjalankan operasionalnya harus mengelola banyak data pelanggan, karena penggunaan layanan digital terus bertambah. Namun, data tersebut biasanya hanya digunakan untuk urusan administratif, sehingga kemampuan untuk menganalisis data guna memahami perilaku pelanggan belum sepenuhnya dimanfaatkan. Penelitian ini secara khusus bertujuan untuk mengelompokkan pelanggan berdasarkan pola penggunaan layanan guna mengidentifikasi karakteristik setiap segmen secara lebih sistematis. Data yang digunakan merupakan data pelanggan pascabayar Kartu Halo wilayah Sumbagsel tahun 2025 yang diperoleh dari PT Telkomsel Smart Office Palembang dengan total 4.645 data. Metode yang digunakan adalah Knowledge Discovery in Databases (KDD), yang terdiri dari beberapa tahap yaitu preprocessing, transformation, dan data mining. Proses pengelompokan dilakukan dengan menggunakan algoritma K-Means, bantuan perangkat lunak RapidMiner. Penelitian menunjukkan bahwa pelanggan bisa dibagi menjadi tiga kelompok dengan kebiasaan menggunakan layanan yang berbeda. Evaluasi menggunakan Davies-Bouldin Index menunjukkan bahwa model clustering memiliki kualitas yang baik dalam memisahkan antarkelompok. Secara ilmiah, penelitian ini membantu dalam penerapan metode clustering untuk membagi pelanggan dalam industri telekomunikasi. Secara nyata, hasil ini bisa dipakai untuk membantu membuat strategi pemasaran yang lebih tepat dan didasarkan pada data.

Downloads

Download data is not yet available.

References

R. I. Sujono et al., “Maintaining sustainable use of the Indonesian telecommunications provider,” Jurnal Studi Komunikasi (Indonesian Journal of Communications Studies), vol. 8, no. 1, pp. 42–52, Mar. 2024, doi: 10.25139/jsk.v8i1.6246.

Asosiasi Penyelenggara Jasa Internet Indonesia, “Survei Internet APJII 2025,” 2025. [Online]. Available: https://survei.apjii.or.id/ (accessed Feb. 15, 2026).

A. P. Pramudiansyah, “Segmentasi pelanggan menggunakan algoritma K-Means berdasarkan model Recency Frequency Monetary,” Jurnal Ilmiah Ilmu Komputer, vol. 7, no. 2, pp. 6–19, Sep. 2021, doi: 10.35329/jiik.v7i2.201.

P. M. K. Mado and H. Hendry, “Implementasi algoritma clustering K-Means untuk segmentasi pelanggan di e-commerce,” Jurnal Indonesia: Manajemen Informatika dan Komunikasi, vol. 6, no. 3, pp. 1680–1686, Sep. 2025, doi: 10.63447/jimik.v6i3.1563.

Y. Putri, D. Aldo, and W. Ilham, “Retail marketing strategy optimization: Customer segmentation with artificial intelligence integration and K-Means clustering,” Sinkron, vol. 8, no. 4, pp. 2155–2163, Oct. 2024, doi: 10.33395/sinkron.v8i4.14000.

B. N. Yulisasih, H. Herman, and S. Sunardi, “K-Means clustering method for customer segmentation based on potential purchases,” Jurnal ELTIKOM, vol. 8, no. 1, pp. 83–90, Jun. 2024, doi: 10.31961/eltikom.v8i1.1137.

J. K. Vieri, T. A. Munandar, and D. B. Srisulistiowati, “Exclusive clustering technique for customer segmentation in national telecommunications companies,” International Journal of Information Technology and Computer Science Applications, vol. 1, no. 1, pp. 51–57, Jan. 2023, doi: 10.58776/ijitcsa.v1i1.19.

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, Jul. 2023, doi: 10.1057/s41270-023-00235-5.

D. Setiono, “Penerapan Model Choo Sense Making Untuk Meningkatkan Sharing Knowledge Pada Laboratorium Media Komunikasi,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 4, no. 4, pp. 1079–1085, Oct. 2020, doi: 10.30865/mib.v4i4.2360.

F. Nazihah, A. Danniswara, and A. Wibowo, “Analisis segmentasi pelanggan dengan algoritma K-Means pada data penjualan,” Jurnal Algoritma, vol. 22, no. 2, Nov. 2025, doi: 10.33364/algoritma/v.22-2.2489.

Refri Martiansah, Siti Monalisa, Fitriani Muttakin, and Mona Fronita, “Customer Segmentation Analysis Through RFM-D Model and K-Means Algorithm,” Jurnal Sistem Cerdas, vol. 8, no. 1, pp. 1–11, Apr. 2025, doi: 10.37396/jsc.v8i1.504.

J. Han, M. Kamber, and J. Pei, Data mining: Concepts and Techniques. Elsevier, 2011.

S. García, J. Luengo, and F. Herrera, Data Preprocessing in Data mining. Springer, 2014.

R. Ramdani, N. Suarna, I. Ali, and D. I. Efendi, “Penerapan algoritma K-Means dalam analisis data kependudukan untuk optimalisasi pengelompokan di Desa Pasawahan,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 1, Jan. 2025, doi: 10.23960/jitet.v13i1.5639.

Y. Syahra, A. Fadlil, and H. Yuliansyah, “Customer segmentation using RFM and K-Means clustering to support CRM in retail industry,” Sinkron: Jurnal dan Penelitian Teknik Informatika, vol. 9, no. 3, pp. 1120–1131, 2025.

A. A. Rahma, A. Faqih, and A. R. Rinaldi, “Optimalisasi strategi pemasaran melalui segmentasi pelanggan dengan analisis RFM dan algoritma K-Means untuk bisnis ritel,” JIKO (Jurnal Informatika dan Komputer), vol. 9, no. 2, p. 338, Jun. 2025, doi: 10.26798/jiko.v9i2.1737.

A. Sakinah and D. S. Awaliyah, “Optimization e-commerce consumer segmentation based on K-Means clustering and machine learning,” Journal of Mathematics, Computations and Statistics, vol. 8, no. 2, pp. 606–619, Sep. 2025, doi: 10.35580/jmathcos.v8i2.9548.

R. Perdhana and J. Heikal, “Enhancing customer segmentation in online transportation services using K-Means clustering and RFM model,” Indonesian Interdisciplinary Journal of Sharia Economics, vol. 7, no. 2, pp. 1012–1024, 2024, doi: 10.31538/iijse.v7i2.4851.

A. Julian, “Segmentasi pelanggan menggunakan algoritma K-Means pada jaringan telekomunikasi untuk optimalisasi strategi pemasaran,” Jurnal Teknologi Terpadu, vol. 13, no. 1, pp. 94–100, Apr. 2025, doi: 10.32487/jtt.v13i1.2436.

“Customer segmentation using K-Means clustering for targeted marketing in banking,” Zenodo, 2024, doi: 10.5281/zenodo.13627403.

S. F. Djun, I. G. A. Gunadi, and S. Sariyasa, “Analisis segmentasi pelanggan pada bisnis dengan menggunakan metode K-Means clustering pada model data RFM,” JTIM: Jurnal Teknologi Informasi dan Multimedia, vol. 5, no. 4, pp. 354–364, Feb. 2024, doi: 10.35746/jtim.v5i4.434.

D. A. Awaliyah, B. Prasetiyo, R. Muzayanah, and A. D. Lestari, “Optimizing customer segmentation in online retail transactions through the implementation of the K-Means clustering algorithm,” Scientific Journal of Informatics, vol. 11, no. 2, pp. 539–548, Jun. 2024, doi: 10.15294/sji.v11i2.6137.