TEKS
IMPLEMENTASI ALGORITMA CLUSTERING UNTUK PENGELOMPOKAN PELANGGAN RETAIL BERDASARKAN SKOR RECENCY, FREQUENCY, DAN MONETARY
ABSTRAK
Retail atau dalam Bahasa Indonesia disebut ecerean merupakan sebuah
teknik untuk memasarkan produk yang dilakukan oleh penjual ke pelanggan. Para
pembisnis retail biasanya memperhatikan masalah umum yang terdapat pada bisnis
ini, seperti pelanggan mana yang setia. Berdasarkan kasus tersebut, pembisnis retail
mulai tertarik untuk menerapkan proses penambangan data untuk mengelompokan
pelanggan berdasarkan karakteristik pelanggan yang serupa dan mengidentifikasi
perbedaan antar kelompok.Tujuan dari penelitian ini adalah untuk menyelidiki
masalah pemetaan pelanggan yang kaitannya dengan customer relationship
management. Pada penelitian ini akan diterapkan metode RFM analysis untuk
melakukan penilaian pelanggan berdasarkan skor recency, frequency, dan
monetary. Selanjutnya diterapkan metode klustering DBSCAN dan Fuzzy C-Means
untuk melakukan pengelompokan data pelanggan retail. DBSCAN merupakan
sebuah metode klustering yang mengelompokan data berdasarkan tingkat kerapatan
data yang tinggi dengan yang rendah, sedangkan Fuzzy C-Means mengelompokan
data berdasarkan derajat keanggotaan setiap data. Data pelanggan akan
dikelompokan dengan 2 metode tersebut menjadi masing – masing metode 5
kelompok. Selanjutnya hasil setiap proses klustering baik DBSCAN dan Fuzzy C-
Means akan dinilai validitas klusternya dengan menggunakan metode Silhouette
Index. Dimana untuk DBSCAN pada kluster 2 sampai 5 memiliki nilai SI 1
sedangkan untuk Fuzzy C-Means memiliki kluster dengan nilai validitas tertinggi
yaitu kluster 4 dengan nilai 0.5584288019243665.
Kata Kunci: Retail, RFM Analysis, DBSCAN, Fuzzy C-Means, Clustering,
Silhouette Index.
S06-19591 | Tersedia |
Tidak tersedia versi lain