Segmentasi dan Prediksi Potensial Pembelian Layanan Personal Trainer Berdasarkan Karakteristik Menggunakan K-Means Clustering dan XGBoost

Fransiska, Fransiska (2025) Segmentasi dan Prediksi Potensial Pembelian Layanan Personal Trainer Berdasarkan Karakteristik Menggunakan K-Means Clustering dan XGBoost. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (436kB)
	PDF BAB_II.pdf Download (795kB)
	PDF BAB_III.pdf Download (523kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Download (316kB)
	PDF DAFTAR_PUSTAKA.pdf Download (340kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	Archive (ZIP) CREATION_FILE.zip Download (22MB)

Abstract

Industri kebugaran di Indonesia terus berkembang seiring meningkatnya kesadaran masyarakat terhadap gaya hidup sehat. Namun, layanan pelatih pribadi masih belum dimanfaatkan secara optimal oleh seluruh anggota pusat kebugaran, sehingga menimbulkan tantangan dalam memahami perilaku pelanggan dan menyusun strategi pemasaran yang tepat sasaran. Dari perspektif sistem informasi, pendekatan analisis pelanggan umumnya dilakukan secara terpisah antara segmentasi dan prediksi, sehingga menghasilkan wawasan yang terfragmentasi dan kurang efektif. Penelitian ini bertujuan mengembangkan pendekatan terpadu dengan menggabungkan algoritma K-Means Clustering dan Extreme Gradient Boosting dalam satu kerangka kerja data mining. K-Means digunakan untuk mengelompokkan pelanggan berdasarkan karakteristik seperti durasi keanggotaan, frekuensi kunjungan, waktu kunjungan, dan jenis keanggotaan. Hasil segmentasi ini digunakan sebagai fitur tambahan dalam model prediksi menggunakan Extreme Gradient Boosting, yang memprediksi kemungkinan pelanggan membeli layanan pelatih pribadi. Pemilihan kedua algoritma ini didasarkan pada kemampuannya dalam mengungkap pola perilaku dan menghasilkan klasifikasi yang akurat. Seluruh proses dilakukan mengikuti tahapan Cross-Industry Standard Process for Data Mining. Model yang dibangun menghasilkan akurasi 71,00%, Area Under the Curve sebesar 70,19%, dan F1-score sebesar 40,00% untuk kelas pembeli. Integrasi kedua algoritma ini memungkinkan pemahaman yang lebih komprehensif terhadap karakteristik pelanggan dan potensinya dalam membeli layanan, serta dapat menjadi dasar penyusunan strategi pemasaran yang lebih efektif dan berbasis data.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Fransiska, Fransiska (00000060505)
Contributors:	Natalia, Friska
Keywords:	Data Mining, K-Means Clustering, Personal Trainer, Segmentasi Pelanggan, XGBoost
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	10 Sep 2025 05:27
URI:	https://kc.umn.ac.id/id/eprint/40377

Actions (login required)

View Item