conda create -- main-ds python=3.12.2
conda activate main-ds
pip install numpy
pip isntall pandas
pip install matplotlib
pip install seaborn
pip install sklearn
Cluster 1 (Label: 0):
- Karakteristik:
- Rata-rata usia: 48.47 tahun.
- Penghasilan tahunan tertinggi: 161,527.06.
- Spending Score sedang: 52.35.
- Ukuran keluarga: 3.94.
- Jumlah sampel: 690.
- Interpretasi:
Cluster ini mencirikan pelanggan yang lebih dewasa dengan penghasilan tinggi, namun Spending Score berada di tingkat menengah. Pelanggan dalam kelompok ini kemungkinan memiliki preferensi belanja lebih terkontrol meskipun memiliki kemampuan finansial yang tinggi. Cluster 1: Menawarkan produk premium atau investasi.
Cluster 2 (Label: 1):
- Karakteristik:
- Rata-rata usia: 50.89 tahun.
- Penghasilan tahunan menengah: 105,731.06.
- Spending Score sedang: 51.23.
- Ukuran keluarga: 3.76.
- Komposisi gender relatif seimbang (gender: 0.44).
- Jumlah sampel: 694.
- Interpretasi:
Cluster ini berisi pelanggan dengan penghasilan menengah yang Spending Score-nya juga rata-rata. Kelompok ini bisa terdiri dari pelanggan yang lebih stabil secara finansial namun pengeluaran mereka tetap terkendali. Cluster 2: Menyediakan opsi produk berkualitas dengan harga menengah.
Cluster 3 (Label: 2):
- Karakteristik:
- Rata-rata usia: 47.01 tahun.
- Penghasilan tahunan terendah: 55,988.70.
- Spending Score paling rendah: 49.38.
- Ukuran keluarga: 3.53 (terkecil dibanding cluster lain).
- Jumlah sampel: 581.
- Interpretasi:
Cluster ini menunjukkan pelanggan dengan penghasilan rendah dan Spending Score terendah, yang mungkin mencerminkan keterbatasan daya beli. Pelanggan dalam cluster ini cenderung lebih hemat dan mengelola pengeluaran dengan ketat. Cluster 3: Menargetkan produk terjangkau atau program diskon.