IMPLEMENTASI ALGORITMA K-MEDOIDS DAN HIERARCHICAL AGGLOMERATIVE CLUSTERING UNTUK SEGMENTASI PELANGGAN DALAM PENENTUAN STRATEGI PEMASARAN (STUDI KASUS : CV. JAGOAN KODE GROUP INDONESIA)
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
KAHFI, MOHAMMAD
Ritha, Nola
Bettiza, Martaleli
Ritha, Nola
Bettiza, Martaleli
Subject
006.3 Artificial Intelligence/Kecerdasan Buatan
Datestamp
2023-01-26 06:17:44
Abstract :
Dalam rangka meningkatkan penjualan produk, diperlukan strategi pemasaran khusus oleh perusahaan untuk menarik dan mempertahankan pelanggan, salah satunya dengan mengenali karakteristik serta dampak profitabilitasnya terhadap perusahaan. Segmentasi pelanggan adalah salah satu inovasi strategi pemasaran yang dilakukan dengan cara mengelompokkan pelanggan dengan karakteristik tertentu. Tujuan dari penelitian ini adalah membangun sistem segmentasi pelanggan dengan menggunakan metode Algoritma K-Medoids dan Hierarchical Agglomerative Clustering. Variabel yang digunakan untuk segmentasi adalah nilai RFM (Recency, Frequency, dan Monetary) yang diaplikasikan pada data transaksi tahun 2020 ? 2022 di CV Jagoan Kode Group Indonesia yang memiliki 229 data pelanggan. Proses clustering menggunakan Algoritma K-Medoids menghasilkan 4 cluster, dimana cluster 1 memiliki 47 data, cluster 2 memiliki 74 data, cluster 3 memiliki 71 data, dan cluster 4 memiliki 37 data. Algoritma Hierarchical Agglomerative Clustering juga menghasilkan 4 cluster, dengan rincian cluster 1 memiliki 83 data, cluster 2 memiliki 56 data, cluster 3 memiliki 51 data, dan cluster 4 memiliki 39 data. Validitas cluster diuji dengan menggunakan Silhouette Coefficient untuk menemukan skor cluster optimal. Algoritma K-Medoids menghasilkan nilai validasi 0.41101 dengan cluster optimal yaitu 4 (empat). Sedangkan Algoritma Hierarchical Agglomerative Clustering menghasilkan nilai validasi 0.37733 dengan cluster optimal yaitu 6 (enam).
Dalam rangka meningkatkan penjualan produk, diperlukan strategi pemasaran khusus oleh perusahaan untuk menarik dan mempertahankan pelanggan, salah satunya dengan mengenali karakteristik serta dampak profitabilitasnya terhadap perusahaan. Segmentasi pelanggan adalah salah satu inovasi strategi pemasaran yang dilakukan dengan cara mengelompokkan pelanggan dengan karakteristik tertentu. Tujuan dari penelitian ini adalah membangun sistem segmentasi pelanggan dengan menggunakan metode Algoritma K-Medoids dan Hierarchical Agglomerative Clustering. Variabel yang digunakan untuk segmentasi adalah nilai RFM (Recency, Frequency, dan Monetary) yang diaplikasikan pada data transaksi tahun 2020 ? 2022 di CV Jagoan Kode Group Indonesia yang memiliki 229 data pelanggan. Proses clustering menggunakan Algoritma K-Medoids menghasilkan 4 cluster, dimana cluster 1 memiliki 47 data, cluster 2 memiliki 74 data, cluster 3 memiliki 71 data, dan cluster 4 memiliki 37 data. Algoritma Hierarchical Agglomerative Clustering juga menghasilkan 4 cluster, dengan rincian cluster 1 memiliki 83 data, cluster 2 memiliki 56 data, cluster 3 memiliki 51 data, dan cluster 4 memiliki 39 data. Validitas cluster diuji dengan menggunakan Silhouette Coefficient untuk menemukan skor cluster optimal. Algoritma K-Medoids menghasilkan nilai validasi 0.41101 dengan cluster optimal yaitu 4 (empat). Sedangkan Algoritma Hierarchical Agglomerative Clustering menghasilkan nilai validasi 0.37733 dengan cluster optimal yaitu 6 (enam).
File :
MOHAMMAD_KAHFI_190155201047_Teknik Informatika - Cover.pdf
MOHAMMAD_KAHFI_190155201047_Teknik Informatika - Abstrak.pdf
MOHAMMAD_KAHFI_190155201047_Teknik Informatika - BAB I.pdf
MOHAMMAD_KAHFI_190155201047_Teknik Informatika - Daftar Pustaka.pdf
MOHAMMAD_KAHFI_190155201047_Teknik Informatika - Full Teks.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
