TY  - THES
N2  - 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
A1  - Rukmana, Yusuf Fadilah
A1  - Denih, Asep
A1  - Anggraeni, Irma
Y1  - 2023/06/05/
UR  - http://eprints.unpak.ac.id/7499/
PB  - Universitas Pakuan
EP  - 31
TI  - Analisis Data Pelanggan Menggunakan Algoritma Fuzzy C?Means Dan Model Recency Frequency Monetary
AV  - public
ID  - eprintsunpak7499
M1  - Skripsi
ER  -