AWALINA, ERISKIANNISA FEBRIANTY LUCHIA and Rahayu, Woro Isti and Habibi, Roni (2023) CLUSTERING MODEL UNTUK SEGMENTASI PELANGGAN MENGGUNAKAN ALGORITMA K-MEANS BERDASARKAN RFM ANALYSIS (1.1.4.23.009/ERI/C). Diploma thesis, ULBI.
Full text not available from this repository.Abstract
ABSTRAK Segmentasi pelanggan merupakan strategi penting dalam pemasaran yang bertujuan untuk mengelompokkan pelanggan ke dalam kelompok segmen berdasarkan karakteristik dan perilaku. Masalah segmentasi terjadi ketika setiap pelanggan memiliki kebutuhan dan karakteristik yang berbeda, sehingga perusahaan sulit memahami dan menyesuaikan layanan dan kebutuhan setiap pelanggan. Perusahaan juga mungkin mengalami pemborosan sumber daya serta pengaruh persaingan pasar yang kompetitif mempengaruhi tingkat penjualan. Profitabilitas pelanggan adalah keuntungan yang diperoleh perusahaan dari melayani pelanggan selama periode waktu tertentu dan pelanggan yang memberikan keuntungan lebih banyak kepada perusahaan disebut sebagai pelanggan dengan profitabilitas tinggi. Penelitian ini didasarkan pada analisis RFM dengan memberikan skor pada setiap pelanggan berdasarkan formula dan aturan tertentu. Dalam mengatasi segmentasi pelanggan digunakan penerapan machine learning dengan algoritma K-Means. Penelitian ini menghasilkan 8 segmen RFM, yaitu Champion, Loyal, Potential Loyalist, Recent Customer, Cannot Lose Them, Average, About to Sleep, dan Lost Customer. Selanjutnya implementasi algoritma K-Means berdasarkan RFM analisis menggunakan metode Elbow dan Silhouette score untuk menentukan jumlah kluster yang optimal menunjukkan bahwa nilai k yang dihasilkan adalah sama, yaitu k=5. Nilai WCSS pada metode elbow yang di dapat untuk K=5 adalah 13,67 dan skor silhouette tertinggi yang didapat adalah 0,52. Selanjutnya, pada penelitian ini di implementasikan dashboard visualisasi menggunakan Framework python yaitu Streamlit untuk memahami dan mengeksplorasi data pelanggan dengan lebih interaktif. Kata Kunci: Segmentasi Pelanggan, RFM Analysis, K-Means, Clustering, Python.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Depositing User: | Unnamed user with email [email protected] |
| Date Deposited: | 23 Jan 2024 03:14 |
| Last Modified: | 23 Jan 2024 03:14 |
| URI: | http://eprint.ulbi.ac.id/id/eprint/2091 |
Actions (login required)
 |
View Item |
