Analisis Data Pelanggan Menggunakan Algoritma Fuzzy C�Means Dan Model Recency Frequency Monetary

Rukmana, Yusuf Fadilah and Denih, Asep and Anggraeni, Irma (2023) Analisis Data Pelanggan Menggunakan Algoritma Fuzzy C�Means Dan Model Recency Frequency Monetary. Skripsi thesis, Universitas Pakuan.

Text Laporan Skripsi-065118220-YusufFadilahRukmana.pdf Download (3MB)

Abstract

Analisis Data Pelanggan Menggunakan Algoritma Fuzzy C�Means Dan Model Recency Frequency Monetary Yusuf Fadilah Rukmana1 , Asep Denih2 , Irma Anggraeni3 Program Studi Ilmu Komputer Universitas Pakuan Email : yusuf0651182220@unpak.ac.id Abstrak Pelanggan adalah elemen kunci dalam keberhasilan suatu bisnis, dan pemahaman mendalam terhadap karakteristik pelanggan menjadi esensial dalam pengembangan strategi pemasaran yang efektif. Dalam konteks penelitian ini, kendala utama yang dihadapi perusahaan adalah kesulitan dalam mengetahui karakter pelanggan. Pendekatan penelitian dimulai dengan observasi terhadap pemilik perusahaan untuk mengidentifikasi secara langsung kendala-kendala yang dihadapi. Proses penelitian melibatkan pengambilan data melalui Knowledge Discovery in Databases (KDD), dan penerapan FCM untuk membentuk kelompok pelanggan. Knowledge Discovery in Databases (KDD) kemudian diterapkan, melibatkan serangkaian langkah-langkah seperti pengambilan data, data cleaning, transformasi data, dan penerapan FCM. Data yang digunakan terfokus pada variabel RFM, yaitu Recency, Frequency, dan Monetary. Setiap variabel RFM dinilai menggunakan skor dari 1 hingga 4, di mana nilai 1 menunjukkan tingkat yang paling rendah dan nilai 4 mengindikasikan tingkat tertinggi. Skor RFM ini mencerminkan nilai kebaruan, frekuensi, dan nilai moneter masing-masing pelanggan. Skor tersebut kemudian digunakan sebagai dasar untuk proses segmentasi pelanggan menggunakan FCM. Proses normalisasi menggunakan min-max scaler dilakukan untuk memastikan data memiliki rentang nilai yang seragam. Pada tahap mining, perhitungan dengan FCM melibatkan inisialisasi pusat kelompok, iterasi untuk mengupdate nilai keanggotaan dan pusat kelompok, normalisasi keanggotaan, dan iterasi berlanjut hingga konvergensi. Evaluasi dilakukan menggunakan Davies-Bouldin Index (DBI), yang awalnya menunjukkan tingkat heterogenitas tinggi dalam kelompok hasil pengelompokan dengan 3 cluster yang dimana memiliki nilai DBI = 0,83. Namun, melalui elbow method, jumlah cluster terbaik teridentifikasi sebagai 2 kelompok dengan nilai DBI yang lebih rendah (0,71), menandakan perbaikan signifikan dalam kualitas segmentasi. Hasil akhir menunjukkan bahwa FCM berhasil membentuk kelompok High Value dan Low Value yang lebih jelas dan relevan. Skor DBI sebesar 0,7 menegaskan bahwa FCM memberikan dasar yang kokoh untuk pengembangan strategi pemasaran yang lebih efektif. Dengan demikian, penelitian ini menyimpulkan bahwa metode FCM dapat sukses digunakan untuk segmentasi pelanggan berdasarkan RFM, menciptakan kelompok yang lebih homogen dan relevan, memberikan kontribusi pada upaya mencapai keberlanjutan dan pertumbuhan yang berkelanjutan bagi perusahaan. Kata kunci: Segmentasi Pelanggan, Toko Hallogen Bogor, Model RFM, Fuzzy C-Means Cluste

Item Type:	Thesis (Skripsi)
Subjects:	Fakultas Ilmu Pengetahuan Alam dan Matematika > Ilmu Komputer
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Ilmu Komputer
Depositing User:	PERPUSTAKAAN FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNPAK
Date Deposited:	07 Mar 2024 03:43
Last Modified:	07 Mar 2024 03:43
URI:	http://eprints.unpak.ac.id/id/eprint/7499

Actions (login required)

View Item