Penelitian ini bertujuan menerapkan algoritma K-Medoids untuk mengelompokkan data pengunjung berdasarkan karakteristik tingkat kunjungan sehingga diperoleh segmentasi pengunjung yang dapat mendukung strategi pengelolaan secara lebih efektif. Penelitian menggunakan metodologi Cross Industry Standard Process for Data Mining (CRISP-DM) dengan data pengunjung harian Amallia Waterpark periode Oktober–Desember 2025 sebanyak 78 hari. Variabel yang digunakan meliputi Total Pengunjung, Jumlah Transaksi, dan Total Pendapatan yang telah melalui proses normalisasi menggunakan metode Min- Max Normalization. Penentuan jumlah cluster optimal dilakukan menggunakan Elbow Method, proses pengelompokan dilakukan dengan algoritma K-Medoids (Partitioning Around Medoids), sedangkan kualitas hasil clustering dievaluasi menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah tiga (k = 3) dengan nilai rata-rata Silhouette Coefficient sebesar 0,591 yang termasuk kategori reasonable structure. Hasil clustering menghasilkan tiga kelompok pengunjung, yaitu Cluster 1 sebanyak 36 hari dengan rata-rata 16,44 pengunjung per hari yang didominasi hari kerja, Cluster 2 sebanyak 30 hari dengan rata-rata 44,00 pengunjung per hari yang didominasi hari Sabtu, serta Cluster 3 sebanyak 12 hari dengan rata-rata 98,58 pengunjung per hari yang didominasi hari Minggu. Hasil segmentasi tersebut dapat dimanfaatkan oleh pengelola Amallia Waterpark sebagai dasar dalam menyusun strategi promosi, pengaturan tenaga kerja, serta peningkatan kualitas layanan sesuai karakteristik masing-masing kelompok pengunjung.

S12744

INF 0266 2026

Bekasi

Tersedia