Penerapan Algoritma K-means dan Fuzzy C-means menggunakan Model RFM dalam Klasterisasi Pelanggan pada Bisnis Ritel

Yan H Muguri, Baldus Christofel (2023) Penerapan Algoritma K-means dan Fuzzy C-means menggunakan Model RFM dalam Klasterisasi Pelanggan pada Bisnis Ritel. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (728kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (241kB) | Preview
Preview	PDF BAB_I.pdf Download (148kB) | Preview
Preview	PDF BAB_II.pdf Download (513kB) | Preview
Preview	PDF BAB_III.pdf Download (286kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (137kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (626kB)

Abstract

Perusahaan bisnis ritel XYZ merupakan bisnis ritel yang menjual bahan sembako. Setiap harinya banyak pelanggan yang melakukan transaksi sehingga perusahaan tersebut mengalami peningkatan, namun data transaksi yang didapatkan belum diolah dan hanya disimpan sebagai arsip pemilik bisnis ritel tersebut. Selain itu, banyak bisnis ritel yang memfokuskan untuk mempertahankan dan meningkatkan loyalitas pelanggan karena persaingan bisnis yang semakin ketat. Solusi untuk mengatasi permasalahan tersebut adalah dengan menggunakan metode CRISP-DM dengan melakukan analisis segmentasi pelanggan menggunakan data transaksi untuk mengetahui pelanggan yang menguntungkan maupun sebaliknya di perusahaan bisnis ritel XYZ menggunakan model Recency, Frequency, Monetary (RFM) dengan menggunakan tools jupyter notebook (bahasa pemrograman python) dan Microsoft Excel. Model RFM berguna dalam mengelompokkan pelanggan berdasarkan interval waktu kunjungan terakhir pelanggan, frekuensi kunjungan, dan besaran nilai yang dikeluarkan sebagai royalty perusahaan. Model RFM digabungkan dengan teknik data mining yaitu clustering menggunakan algoritma k-means clustering dan fuzzy c-means clustering. Kedua algoritma tersebut digunakan untuk melakukan perbandingan terhadap analisis segmentasi pelanggan. Tahapan penelitian yang dilakukan yaitu dimulai dari identifikasi masalah, pengumpulan data, dan proses CRISPM-DM yang terdiri dari business understanding, data understanding, data preparation, modelling, evaluation dan deployment. Hasil dari penelitian ini adalah pengelompokan pelanggan berdasarkan model RFM dengan hasil akurasi dari algoritma k-means clustering dan fuzzy c- means clustering. Penelitian ini menggunakan 3 cluster, pada metode K-Means cluster 1 terdiri dari 954 pelanggan, cluster 2 terdiri dari 1.024 pelanggan, dan cluster 3 terdiri dari 870 pelanggan. Sedangkan pada metode Fuzzy C-Means berdasarkan nilai recency, frequency, monetary (RFM), cluster 1 terdiri dari 866 pelanggan, cluster 2 terdiri dari 1.028 pelanggan, dan cluster 3 terdiri dari 954 pelanggan. Penelitian ini menghasilkan score DBI yang didapatkan algoritma K- Means Clustering yaitu 0.531, sedangkan score DBI yang didapatkan algoritma Fuzzy C-Means Clustering yaitu 0.532.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Fuzzy C-Means, K-Means, Model RFM, Pelanggan, Segmentasi xii Penerapan Algoritma K-Means, Baldus C Y H Muguri, Universitas Multimedia Nusantara
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	13 Jul 2023 09:44
Last Modified:	18 Jul 2023 06:49
URI:	https://kc.umn.ac.id/id/eprint/26169

Actions (login required)

View Item