PENERAPAN METODE CLUSTERING DENGAN ALGORITMA K-MEANS UNTUK SEGMENTASI PELANGGAN PADA CV. SINAR SURYA

  • Maryana Maryana Sekolah Tinggi Manajemen Informatika dan Komputer Nusa Mandiri
  • Arif Sugianto Sekolah Tinggi Manajemen Informatika dan Komputer Nusa Mandiri
  • Nurmalasari Nurmalasari Sekolah Tinggi Manajemen Informatika dan Komputer Nusa Mandiri
  • Ester Arisawati Sekolah Tinggi Manajemen Informatika dan Komputer Nusa Mandiri
Keywords: Segmentasi Pelanggan, RFM, K-Means, Davies Bouldin Index, Data Mining

Abstract

Persaingan yang ketat dalam bidang distribusi sembako, mengharuskan CV Sinar Surya untuk mengelola pelanggan secara maksimal. Mengetahui nasabah yang loyal akan membantu perusahaan menentukan strategi pemasaran yang tepat. Penelitian ini bertujuan untuk menentukan pelanggan potensial, pelanggan yang loyal terhadap perusahaan. Pelanggan  potensial ditentukan dengan segmentasi pelanggan. Model yang digunakan untuk segmentasi yaitu RFM (Recency, Frequency, and Monetary) dan teknik data mining yaitu metode clustering dengan algoritma K-Means. Software yang digunakan untuk mengolah RFM Model yaitu Microsoft Excel versi 2010 sedangkan untuk mengolah metode clustering yaitu Rapid Miner versi 9.0. Hasil dari segmentasi ini membagi pelanggan menjadi 2 cluster. Jumlah cluster terbaik ditentukan berdasarkan davies bouldin index. Cluster pertama yaitu cluster 0 terdiri dari 261 pelanggan dengan RFM Score antara 111 – 543. Cluster pertama termasuk kelompok Everyday Shopper. Cluster kedua yaitu cluster 1 terdiri dari 102 pelanggan dengan RFM Score 443 – 555. Cluster kedua termasuk kelompok Golden Customer

Downloads

Download data is not yet available.

References

Andriyansyah, A., Wulanningrum, R., & Farida, I. N. (2019). Penerapan Data Mining Menggunakan Kombinasi Algoritma K-Means Dengan Knn Untuk Menentukan Sasaran Promosi Penjualan Pada CV. Borobudur Prima Sejahtera. Kediri.
Putra, R. R., & Wadisman, C. (2018). Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K Means. INTECOMS: Journal of Information Technology and Computer Science, 1(1), 72–77. Retrieved from http://journal.ipm2kpe.or.id/index.php/INTECOM/article/view/141
Sumiah, A., & Mirantika, N. (2020). Perbandingan Metode K-Nearest Neighbor dan Naive Bayes untuk Rekomendasi Penentuan Mahasiswa Penerima Beasiswa pada Universitas Kuningan. BUFFER INFORMATIKA, 6(1), 1–10. Retrieved from https://journal.uniku.ac.id/index.php/buffer/article/view/2907
Sutrisno, S., Afriyudi, A., & Widiyanto, W. (2014). Penerapan Data Mining Pada Penjualan Menggunakan Metode Clustering Study Kasus Pt. Indomarco Palembang (No. 78). Palembang. Retrieved from http://eprints.binadarma.ac.id/78/
Suyanto. (2017). Data Mining untuk Klasifikasi dan Klasterisasi Data. Bandung, Indonesia: Informatika.
Widiarina, W., & Wahono, R. S. (2015). Algoritma Cluster Dinamik Untuk Optimasi Cluster Pada Algoritma K-Means Dalam Pemetaan Nasabah Potensial. Journal of Intelligent Systems, 1(1), 33–36. Retrieved from http://journal.ilmukomputer.org/index.php?journal=jis&page=article&op=view&path%5B%5D=18
Wulandari, G. F. (2014). Segmentasi Pelanggan Menggunakan Algoritma K-Means Untuk Customer Relationship Management (CRM) Pada Hijab Miulan. Retrieved from eprints.dinus.ac.id website: http://eprints.dinus.ac.id/13155/1/jurnal_13593.pdf
Zaman, B., & Wahyuni, S. (2019). Desain dan Analisis Implementasi Aplikasi Berbasis Costumer Relationship Management Pada PT. Kareba Intermedia Makassar. SISITI : Seminar Ilmiah Sistem Informasi Dan Teknologi Informasi, 6(1), 249–258. Makasar: P4M STMIK Dipanegara Makassar. Retrieved from https://ejurnal.dipanegara.ac.id/index.php/sisiti/article/view/148
Published
2018-08-15
How to Cite
Maryana, M., Sugianto, A., Nurmalasari, N., & Arisawati, E. (2018). PENERAPAN METODE CLUSTERING DENGAN ALGORITMA K-MEANS UNTUK SEGMENTASI PELANGGAN PADA CV. SINAR SURYA. INTI Nusa Mandiri, 13(1), 39-44. https://doi.org/10.33480/inti.v13i1.1713