Diterima Redaksi : 30-07-2020 | Selesai Revisi : 27-08-2020 | Diterbitkan Online : 30-09-2020 195 Terakreditasi SINTA Peringkat 4 Surat Keputusan Dirjen Penguatan Riset dan Pengembangan Ristek Dikti No. 28/E/KPT/2019 masa berlaku mulai Vol.3 No. 1 tahun 2018 s.d Vol. 7 No. 1 tahun 2022 Terbit online pada laman web jurnal: http://publishing-widyagama.ac.id/ejournal-v2/index.php/jointecs Vol. 5 No. 3 (2020) 195 - 202 JOINTECS (Journal of Information Technology and Computer Science) e-ISSN:2541-6448 p-ISSN:2541-3619 Klasterisasi Karakter Konsumen Terhadap Kecenderungan Pemilihan Produk Menggunakan K-Means Ach. Syuhbanul Yaumi 1 , Zainul Zulfiqkar 2 , Aryo Nugroho 3 Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Narotama 1 ach.syuhbanul@mhs.fasilkom.narotama.ac.id, 2 zainul.16@fik.narotama.ac.id, 3 aryo.nugroho@narotama.ac.id Abstract The problem that is in store right now is the difficulty to find out which products are currently in high demand or most used by consumers so that it can be known from each variable the characteristics of consumers are more likely to choose the preferred product. Therefore, in the research grouping with the K-Means method for product selection is one way to determine customer choices for the products consumed. Because the K-Means method has a more accurate division. This research conducted a data mining process to help stores to be able to know the characteristics of consumers towards product selection tendencies by extracting data using one of the data mining methods, namely grouping data. In this study, the grouping of data from questionnaires or questionnaires spread in stores, then the data is grouped into 2 groups using one of the clustering algorithms, K-Means. The data used are data collected as many as 366 store customer response data. After the data is processed using the K-Means algorithm, it shows that cluster 1 is a type A consumer group with a percentage of 33%, while cluster 2 is a type B consumer group with a percentage of 67%. Keywords: product; k-means; clustering; data mining; marketing. Abstrak Permasalahan yang sedang ada di toko saat ini adalah kesulitan untuk mengetahui produk yang saat ini banyak diminati atau paling banyak digunakan oleh konsumen agar dapat diketahui dari masing-masing variabel karakteristik konsumen lebih cenderung memilih produk yang disukai. Oleh karena itu, dalam penelitian pengelompokkan dengan metode K-Means untuk pemilihan produk merupakan salah satu cara untuk mengetahui pilihan pelanggan terhadap produk yang dikonsumsi. Karena metode K-Means mempunyai hasil pembagian yang lebih akurat. Penelitian ini melakukan proses data mining untuk membantu toko agar dapat mengetahui karakteristik konsumen terhadap kecenderungan pemilihan produk dengan melakukan penggalian data menggunakan salah satu metode data mining yaitu pengelompokkan data. Pada penelitian ini melakukan pengelompokkan dari data hasil penyebaran angket atau kusioner yang disebar di toko, kemudian data tersebut di kelompokkan menjadi 2 kelompok menggunakan salah satu algoritma klasterisasi yaitu K-Means. Data yang digunakan merupakan data yang dikumpulkan sebanyak 366 data tanggapan pelanggan toko. Setelah data tersebut diproses menggunakan algoritma K-Means, menunjukkan bahwa cluster 1 merupakan kelompok konsumen tipe A dengan presentase sebesar 33%, sedangkan cluster 2 merupakan kelompok konsumen tipe B dengan presentase sebesar 67%. Kata kunci: produk; k-means; klasterisasi; data mining; pemasaran. © 2020 Jurnal JOINTECS