Rizka Nur Pratama, 4611418078 (2022) CUSTOMER SEGMENTATION MENGGUNAKAN INTEGRASI RECENCY FREQUENCY MONETARY MODEL DAN ALGORITMA K-MEANS CLUSTER DIOPTIMASI OLEH METODE ELBOW PADA PERUSAHAAN RETAIL. Under Graduates thesis, Universitas Negeri Semarang.

PDF - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Segmentasi pelanggan bertujuan untuk mengelompokkan pelanggan yang memiliki kesamaan karakteristik. Segmentasi pelanggan diperlukan untuk dapat mempertahankan pelanggan lama dengan melakukan perencanaan pelayanan yang paling tepat untuk setiap pelanggan, sehingga dapat menguntungkan perusahaan. Perusahaan retail juga sudah mengalihkan fokus pemasaran untuk menciptakan pengalaman personal pelanggan agar dapat mempertahankan pelanggan lama di era persaingan industri yang semakin meningkat. Salah satu metode yang digunakan untuk melakukan segmentasi pelanggan adalah model Recency Frequency Monetary (RFM). Salah satu teknik data mining untuk penerapan segmentasi pelanggan adalah clustering. Clustering merupakan teknik data mining yang dapat membagi kelompok berdasarkan kesamaan karakteristiknya dalam satu cluster. Algoritma K-Means cluster merupakan salah satu metode clustering yang sangat populer dan banyak dipelajari untuk meminimalkan kesalahan clustering. Metode Elbow digunakan untuk meningkatkan kinerja algoritma K-Means dengan memperbaiki kelemahan dari algoritma K-Means yaitu membantu untuk memilih nilai k yang optimal untuk digunakan saat clustering. Penelitian ini menggunakan Retail Shopping Sale Data dari Kaggle. Tujuan penelitian ini adalah mengetahui hasil optimasi dari penerapan metode Elbow pada integrasi RFM model dan algoritma K-Means cluster dalam melakukan customer segmentation pada perusahaan retail. Penelitian ini menghasilkan segmentasi pelanggan dengan cluster yang optimal yaitu 3 cluster dengan nilai Sum of Square Error (SSE)sebesar 25.829,39 dan nilai Callinski-Harabaz Index (CHI) sebesar 36.625,89. Nilai SSE dan CHI tersebut merupakan nilai terbesar sehingga merupakan nilai cluster yang optimal.

Actions (login required)

View Item