{
      "rev_number": 6,
      "eprintid": 10690,
      "date": "2025-02-23",
      "ispublished": "pub",
      "eprint_status": "archive",
      "corp_creators": [
        "Universitas Pakuan",
        "Fakultas Matematika dan Ilmu Pnegetahuan Alam",
        "Program Studi Ilmu Komputer"
      ],
      "lastmod": "2026-06-17 06:57:36",
      "uri": "http:\/\/eprints.unpak.ac.id\/id\/eprint\/10690",
      "contributors": [
        {
          "name": {
            "honourific": null,
            "given": "Arie",
            "family": "Qur'ania",
            "lineage": null
          },
          "type": "http:\/\/www.loc.gov\/loc.terms\/relators\/THS"
        },
        {
          "name": {
            "honourific": null,
            "given": "Irma",
            "family": "Anggraeni",
            "lineage": null
          },
          "type": "http:\/\/www.loc.gov\/loc.terms\/relators\/THS"
        }
      ],
      "abstract": "Analisis Segmentasi Pelanggan Menggunakan Model Recency\r\nFrequency Monetary Dan Metode K-Means Pada Dataset Bank\r\nTransaction\r\nMuhammad Agung Ardiansyah1*\r\n, Arie Qur’ania2\r\n, Irma Anggraeni3\r\n1,2,3Program Studi Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas\r\nPakuan, Bogor, Jawa Barat, 16143, Indonesia\r\nAbstrak\r\nPersaingan ketat di dunia bisnis menuntut setiap perusahaan untuk dapat bersaing dalam\r\nmemperebutkan pangsa pasar hal ini mendorong penggunaan teknologi sebagai media promosi dan\r\npengumpulan data pelanggan karena pelanggan adalah salah satu aset penting bagi perusahaan. Diskon,\r\npromo, dan bundle adalah strategi perusahaan untuk menarik dan menjaga pelanggan mereka, namun\r\ndalam penerapan strategi ini tidak memberikan dampak yang optimal bila perusahaan tidak mengetahui\r\nkarakteristik pelangganya. Penelitian ini menganalisa karakteristik pelanggan berdasarkan waktu\r\ntransaksi terakhir (recency), jumlah transaksi (frequency), dan uang yang dibelanjakan (monetary) dan\r\nmengelompokannya menjadi beberapa segmen pelanggan menggunakan algoritma K-Means. Hasilnya,\r\nsebuah dashboard interaktif yang menampilkan beberapa segmen pelanggan sehingga perusahaan dapat\r\nmengindentifikasi karatristik pelanggan dan menentukan strategi bisnis yang tepat berdasarkan masing –\r\nmasing segmen pelanggan untuk meningkatkan keuntungan\r\nKata Kunci: Segmentasi Pelanggan; RFM Analysis; K-Means Clustering;",
      "subjects": [
        "QK"
      ],
      "userid": 46,
      "thesis_type": "Skripsi",
      "status_changed": "2026-06-17 06:57:36",
      "creators": [
        {
          "name": {
            "honourific": null,
            "given": "Muhamad Agung",
            "family": "Ardiansyah",
            "lineage": null
          },
          "NPM": 65117153
        }
      ],
      "full_text_status": "none",
      "department": "Fakultas Matematika dan Pengetahuan Alam",
      "metadata_visibility": "show",
      "thesis_name": "Sarjana",
      "divisions": [
        "sch_ecs"
      ],
      "dir": "disk0\/00\/01\/06\/90",
      "datestamp": "2026-06-17 06:57:36",
      "title": "Analisis Segmentasi Pelanggan Menggunakan Model Recency\r\nFrequency Monetary Dan Metode K-Means Pada Dataset Bank\r\nTransaction",
      "date_type": "published",
      "type": "thesis",
      "institution": "Universitas Pakuan"
    }