PENERAPAN METODE CLUSTERING DENGAN ALGORITMA K-MEANS UNTUK SEGMENTASI PELANGGAN PADA CV. SINAR SURYA
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
References
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
Penulis yang menerbitkan jurnal ini menyetujui ketentuan berikut:
1. Penulis memegang hak cipta dan memberikan hak jurnal mengenai publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Creative Commons Attribution 4.0 International License. yang memungkinkan orang lain untuk berbagi karya dengan pengakuan atas karya penulis dan publikasi awal pada jurnal.
2. Penulis dapat memasukkan pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan (misalnya, mengirimkannya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas publikasi awalnya pada Jurnal.
3. Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, dalam penyimpanan institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena hal itu dapat menghasilkan pertukaran yang produktif, serta kutipan dari karya yang diterbitkan sebelumnya.