Implementasi Model Segmentasi Pelanggan Berdasarkan Transaksi Pembelian Produk Perusahaan Fashion XYZ Menggunakan Algoritma Clustering K-Means dan DBSCAN

William, William (2024) Implementasi Model Segmentasi Pelanggan Berdasarkan Transaksi Pembelian Produk Perusahaan Fashion XYZ Menggunakan Algoritma Clustering K-Means dan DBSCAN. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (445kB)
	PDF BAB_I.pdf Download (159kB)
	PDF BAB_II.pdf Download (450kB)
	PDF BAB_III.pdf Download (436kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (3MB)
	PDF BAB_V.pdf Download (118kB)
	PDF DAFTAR_PUSTAKA.pdf Download (207kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (596kB)

Abstract

Penggunaan platform online seperti marketplace semakin berkembang dan memiliki jumlah pengguna yang banyak di Indonesia. Industri fashion muncul sebagai salah satu bidang yang terus berkembang. Melihat keberagaman preferensi ini, diperlukan pendekatan yang optimal untuk menyusun strategi pemasaran yang efektif. Salah satu solusi yang dapat ditempuh adalah dengan memahami lebih mendalam perilaku konsumen melalui segmentasi pelanggan. Dengan pemahaman yang lebih mendalam terkait perilaku konsumen, perusahaan XYZ yang bergerak dalam industri fashion dapat meningkatkan efektivitas strategi pemasaran serta mampu merespons kebutuhan konsumen dengan lebih akurat agar meraih peningkatan penjualan yang signifikan. Pembentukan model segmentasi pelanggan dalam penelitian ini dilakukan dengan menggunakan metode clustering dengan memanfaatkan algoritma machine learning. Penerapan algoritma K-Means dan DBSCAN menjadi metode utama yang dilakukan dalam penelitian ini dengan menggunakan acuan Framework Data Mining dalam melakukan proses pengolahan data. Hasil dari model segmentasi yang dibuat kemudian akan dilakukan metode evaluasi untuk mengukur seberapa baik hasil dari clustering yang dilakukan. Hasil model segmentasi pelanggan dengan menggunakan algoritma clustering K-Means dan DBSCAN dibandingkan untuk menentukan algoritma mana yang menghasilkan hasil klaster terbaik. Hasil klaster terbaik yang digunakan untuk melakukan segmentasi pelanggan didapat pada algoritma K-Means dengan matriks Silhouette Score sebesar 0.549 dan skor Davies-Bouldin Index sebesar 0.593 dengan jumlah klaster k optimal = 7.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Clustering, DBSCAN, Fashion, K-Means, Segmentasi pelanggan
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	09 Nov 2024 11:12
Last Modified:	09 Nov 2024 11:12
URI:	https://kc.umn.ac.id/id/eprint/33756

Actions (login required)

View Item