irfan, irfan (2024) implementasi data mining metode clustering menggunakan logika k-means(studi kasus: toko fantasi warna). Diploma thesis, Politeknik Caltex Riau.
irfan template fix (1).pdf - Submitted Version
Restricted to Registered users only until 5 March 2030.
Download (1MB)
IMG_1649.PNG
Restricted to Registered users only until 5 March 2030.
Download (1MB)
Abstract
Toko Fantasi Warna merupakan toko bangunan dan cat yang berlokasi di Kabupaten Siak Sri Indrapura, serta dealer resmi cat bangunan bermerek Jotun di wilayah tersebut. Toko ini menyediakan berbagai macam perlengkapan cat dan variasi merk cat yang sangat banyak. Banyaknya pelanggan setia membuat toko ini mengalami kesulitan dalam mendapatkan informasi yang tepat mengenai pelanggan loyal, potensial, dan yang mungkin akan beralih ke kompetitor. Oleh karena itu, Toko Fantasi Warna memerlukan aplikasi Segmentasi Pelanggan dalam bentuk website yang akan mengelompokkan data historis pelanggan ke dalam beberapa cluster menggunakan algoritma k-means.Tujuan dari penelitian ini adalah untuk mengelompokkan pelanggan ke dalam tiga cluster: Loyal, Berlangganan, dan Pendatang, berdasarkan teori RFM (Recency, Frequency, Monetary) sebagai parameter untuk pelabelan dalam unsupervised learning. Atribut yang digunakan dalam metode ini adalah total belanja, frekuensi belanja, dan jumlah barang yang dibeli.Hasil dari clustering ini kemudian diuji menggunakan indeks Davies-Bouldin (DBI), yang menghasilkan nilai sebesar 3,6. Angka ini menunjukkan bahwa tiga cluster yang dihasilkan sudah mendekati optimal.
Dengan demikian, aplikasi segmentasi pelanggan ini diharapkan dapat membantu Toko Fantasi Warna dalam memahami dan mengelola pelanggannya dengan lebih baik, serta meningkatkan strategi pemasaran mereka secara lebih efektif.
Item Type: | Thesis (Diploma) |
---|---|
Subjects: | KBK > KBK Jurusan Teknologi Informasi > KBK Data Engineering |
Divisions: | Sarjana Terapan > Jurusan Teknologi Informasi > Sistem Informasi |
Depositing User: | Mr irfan |
Date Deposited: | 21 Aug 2024 07:04 |
Last Modified: | 21 Aug 2024 07:04 |
URI: | https://repository.lib.pcr.ac.id/id/eprint/2023 |