Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Menentukan Segmentasi Pelanggan Sebagai Salah Satu Proses Customer Relationship Management Menggunakan Teknik Data Mining
Rieky Dwi Cahyo (2017) | Skripsi | Teknik Informatika , Teknik Komputer
Bagikan
Ringkasan
Tugas Akhir ini berkaitan dengan teknik yaitu Data Mining. Data mining adalah kegiatan mengekstraksi atau menambang pengetahuan dari data yang berukuran besar untuk menemukan informasi yang tersembunyi dalam data tersebut. Hal yang dilakukan pada penelitian ini adalah menggunakan data mining untuk menentukan segmentasi pelanggan yang merupakan salah satu proses dari Customer Relationship Management (CRM). Penelitian ini juga bertujuan untuk membandingkan algoritma data mining dengan teknik clustering yang lebih baik antara algoritma K-means dan Agglomerative Hierarchical Clustering (AHC) yang menggunakan varian within cluster dan varian between cluster sebagai parameter perbadingan. Dataset yang digunakan dalam mengeksekusi algoritma adalah dataset dengan model RFM yang memiliki atribut 'Kode Pelanggan', 'Nama pelanggan', 'Recency', 'Frequency', dan 'Monetaryâ'. Proses data mining dengan mengeksekusi algoritma dilakukan menggunakan tools WEKA dan XLSTAT. Penggunaan 2 tools ini berfungsi untuk mengambil nilai yang dihasilkan kedua tools tersebut yang dapat digunakan sebagai parameter perbandingan algoritma. Setelah melakukan eksekusi algoritma menggunakan tools dan diketahui algoritma yang lebih baik, algoritma tersebut digunakan untuk melakukan clustering yang bertujuan menentukan segmentasi pelanggan dengan kategori Most Valuabel Customer (MVC), Most Growable Customer, Migrators, dan Below Zeros. Hasil penelitian ini menunjukkan bahwa algoritma K-means lebih baik dibandingkan algoritma AHC berdasarkan varian within cluster dan varian between cluster. Jumlah pelanggan yang terbentuk dalam tiap segmentasi menggunakan algoritma K-means pada WEKA yaitu, kategori MVC berjumlah 12 pelanggan, Most Growable Customer berjumlah 19 pelanggan, Migrators berjumlah 63 pelanggan, dan Below Zeros berjumlah 619 pelanggan. Sedangkan dengan menggunakan XLSTAT segmentasi pelanggan yang terbentuk adalah MVC berjumlah 1 pelanggan, Most Growable Customer berjumlah 7 pelanggan, Migrators berjumlah 26 pelanggan, dan Below Zeros berjumlah 679 pelanggan. Kata Kunci: Data Mining, K-Means, AHC, Segmentasi Pelanggan, Model RFM.
Ringkasan Alternatif
This final project is related to Data Mining techniques. Data mining is a techniques for extracting or mining knowledge activities from a large amounts of data in order to find hidden information in the data. This study aims to compare clustering technique in data mining using K-means algorithm and Agglomerative Hierarchical Clustering (AHC). The comparison uses a varian within cluster and varian between clusters as comparison parameters. Activities in this study include to determine customer segmentation, as one of Customer Relationship Management (CRM) process. The dataset used in executing the algorithm is dataset with RFM models that have the attributes titled 'Kode Pelanggan', 'Nama pelanggan', 'Recency', 'Frequency', and 'Monetary'. Algorithms are executed using WEKA and XLSTAT tools. The use of these two tools are used to retrieve the value generated by the tools that can be used as parameters of the compared algorithms. The better algorithm is then used to perform clustering to define customer segmentation by Most Valuabel Customer (MVC), Most Growable Customer, Migrators, and Below Zeros category. The result of this research showed that K-means algorithm is better than AHC algorithm based on varian within cluster and varian between cluster. Number of customer formed in each segmentation using K-means algorithm in WEKA was 12 customers for MVC, 19 customers for Most Growable Customer, 63 customers for Migrators, and 619 customers for Below Zeros. Using XLSTAT, number of customer formed in each segmentation was 1 customer for MVC, 7 customers for Most Growable Customer, 26 customers for Migrators, and 679 customers for Below Zeros. Keywords: Data Mining, K-Means, AHC, Customer Segmentation, RFM Model.