ALGORITMA DECISION TREE (ID3) DAN K- NEAREST NEIGHBOUR (K-NN) DALAM PREDIKSI COSTUMER CHURN BERDASARKAN SEGMENTASI PELANGGAN (STUDI KASUS RADITY CRAFT TASIKMALAYA)
Total View This Week0
Total View This Week0
Institusion
Universitas Siliwangi
Author
Agustina Indriyani, Hanifa
Subject
T Technology (General)
Datestamp
2019-09-05 02:10:46
Abstract :
Pelanggan bagi perusahaan adalah aset utama, karenanya berbagai cara ditempuh oleh perusahaan agar pelanggan tidak menghentikan pembelian. Perusahaan juga harus mampu mempertahankan pelanggan potensial sehingga dapat mencegah pelanggan menghentikan pembelian dan berpindah ke perusahaan pesaing (churn). Hal tersebut tentunya tidak diinginkan oleh pihak perusahaan, sehingga berdasarkan permasalahan tersebut untuk mengetahui terlebih dahulu pelanggan yang memiliki kecenderungan untuk churn pada suatu waktu, yaitu dengan melakukan prediksi costumer churn. Pada penelitian ini menggunakan metodologi CRISP- DM dengan model Recency, Frequency, dan Monetary (RFM) yang digunakan untuk mengidentifikasi karakter pelanggan dan membentuk segmentasi pelanggan, sehingga menghasilkan beberapa kelas pelanggan. Data yang digunakan untuk mendapatkan fitur RFM adalah data yang berasal dari data transaksi pelanggan. Data tersebut merupakan data yang digunakan untuk memprediksi costumer churn dengan menggunakan algoritma Decision Tree (ID3) dan algoritma K- Nearest Neighbour (KNN). Penelitian ini dilakukan untuk mengetahui tingkat akurasi dan kecepatan kedua algoritma menggunakan data testing untuk memprediksi pelanggan yang melakukan churn berdasarkan segmentasi pelanggan perusahaan. Kata kunci: Pelanggan, Costumer Churn, CRISP-DM, RFM, Segmentasi Pelanggan, Algoritma Decision Tree (ID3) dan Algoritma K- Nearest Neighbour (K-NN).
Pelanggan bagi perusahaan adalah aset utama, karenanya berbagai cara ditempuh oleh perusahaan agar pelanggan tidak menghentikan pembelian. Perusahaan juga harus mampu mempertahankan pelanggan potensial sehingga dapat mencegah pelanggan menghentikan pembelian dan berpindah ke perusahaan pesaing (churn). Hal tersebut tentunya tidak diinginkan oleh pihak perusahaan, sehingga berdasarkan permasalahan tersebut untuk mengetahui terlebih dahulu pelanggan yang memiliki kecenderungan untuk churn pada suatu waktu, yaitu dengan melakukan prediksi costumer churn. Pada penelitian ini menggunakan metodologi CRISP- DM dengan model Recency, Frequency, dan Monetary (RFM) yang digunakan untuk mengidentifikasi karakter pelanggan dan membentuk segmentasi pelanggan, sehingga menghasilkan beberapa kelas pelanggan. Data yang digunakan untuk mendapatkan fitur RFM adalah data yang berasal dari data transaksi pelanggan. Data tersebut merupakan data yang digunakan untuk memprediksi costumer churn dengan menggunakan algoritma Decision Tree (ID3) dan algoritma K- Nearest Neighbour (KNN). Penelitian ini dilakukan untuk mengetahui tingkat akurasi dan kecepatan kedua algoritma menggunakan data testing untuk memprediksi pelanggan yang melakukan churn berdasarkan segmentasi pelanggan perusahaan. Kata kunci: Pelanggan, Costumer Churn, CRISP-DM, RFM, Segmentasi Pelanggan, Algoritma Decision Tree (ID3) dan Algoritma K- Nearest Neighbour (K-NN).
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
