Analisis Perbandingan Metode Clustering Partisi dan Hirarki dalam Menentukan Segmentasi Pelanggan Menggunakan Model RFM Pada PT Aretha Nusantara Farm

Mirantika, Nita (2022) Analisis Perbandingan Metode Clustering Partisi dan Hirarki dalam Menentukan Segmentasi Pelanggan Menggunakan Model RFM Pada PT Aretha Nusantara Farm. Masters thesis, Universitas Komputer Indonesia.

Preview	Text UNIKOM_NITA MIRANTIKA_COVER.pdf - Published Version Download (34kB) | Preview
Preview	Text UNIKOM_NITA MIRANTIKA_LEMBAR PENGESAHAN.pdf - Published Version Download (295kB) | Preview
Preview	Text UNIKOM_NITA MIRANTIKA_PERSETUJUAN PUBLIKASI.pdf - Published Version Download (246kB) | Preview
Preview	Text UNIKOM_NITA MIRANTIKA_LEMBAR PERNYATAAN KEASLIAN.pdf - Published Version Download (212kB) | Preview
Preview	Text UNIKOM_NITA MIRANTIKA_KATA PENGANTAR.pdf - Published Version Download (71kB) | Preview
Preview	Text UNIKOM_NITA MIRANTIKA_DAFTAR ISI.pdf - Published Version Download (45kB) | Preview
Preview	Text UNIKOM_NITA MIRANTIKA_BAB I.pdf - Published Version Download (97kB) | Preview
Preview	Text UNIKOM_NITA MIRANTIKA_BAB II.pdf - Published Version Download (578kB) | Preview
	Text UNIKOM_NITA MIRANTIKA_BAB III.pdf - Published Version Restricted to Repository staff only Download (134kB) | Request a copy
	Text UNIKOM_NITA MIRANTIKA_BAB IV.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy
Preview	Text UNIKOM_NITA MIRANTIKA_BAB V.pdf - Published Version Download (15kB) | Preview
Preview	Text UNIKOM_NITA MIRANTIKA_DAFTAR PUSTAKA.pdf - Published Version Download (86kB) | Preview
Preview	Text UNIKOM_NITA MIRANTIKA_KONTAK PENULIS DAN KONTRIBUTOR.pdf - Published Version Download (9kB) | Preview

Abstract

PT. ANF merupakan perusahaan yang bergerak di bidang peternakan, memiliki pelanggan yang tersebar diberbagai daerah dengan karakterisrik yang beragam. Pengelolaan relasi dengan pelanggan merupakan faktor kritikal pada kesuksesan perusahaan. Namun setiap pelanggan memiliki karakteristik yang berbeda, sehingga perlu dilakukan segmentasi pelanggan, yaitu proses mengidentifikasi karakteristik pelanggan dan mengelompokkan pelanggan yang relatif homogen. Penelitian ini dilakukan untuk membuat segmentasi pelanggan pada PT. ANF sehingga diharapkan PT. ANF dapat membuat strategi pemasaran yang tepat sesuai dengan segmen pelanggan tersebut. Metode segmentasi pelanggan yang digunakan adalah metode pengelompokkan (clustering) dengan membandingkan dua tipe metode pengelompokkan yaitu metode partisi dan metode hirarki. Metode partisi yang digunakan adalah algoritma K-Means dan K-Medoids, sedangkan metode hirarki yang digunakan adalah algoritma Agglomerative. Penelitian ini juga berusaha untuk mengetahui pengaruh penanganan data outlier pada persiapan data, yaitu tetap menggunakan data outlier atau menghilangkannya. Segmentasi pelanggan dilakukan pada enam dataset penjualan PT ANF dan atribut yang dipilih berdasarkan model RFM yaitu waktu transaksi terakhir pelanggan (recency), jumlah transaksi (frequency), dan uang yang dikeluarkan (monetary). Penentuan jumlah kelompok menggunakan metode Elbow dan alat yang digunakan adalah piranti lunak RStudio. Evaluasi pengelompokkan optimal menggunakan metode Davies-Bouldin Index (DBI). Hasil penelitian diperoleh empat kelompok pelanggan yaitu superstar, typical, newcomer, dan dormant. Perbandingan nilai DBI pada metode pengelompokkan partisi diperoleh hasil 83,3% dataset mempunyai nilai DBI K-Means yang lebih kecil dari nilai DBI K-Medoids. Hal ini menunjukkan bahwa pada metode pengelompokkan partisi, algoritma K-Means lebih baik daripada algoritma K-Medoids. Sedangkan perbandingan metode pengelompokkan partisi dengan hirarki, diperoleh hasil bahwa nilai DBI pengelompokkan hirarki Agglomerative lebih kecil dari nilai DBI pengelompokkan partisi hampir pada semua dataset. Hasil ini menunjukkan bahwa metode pengelompokkan hirarki lebih baik daripada partisi. Namun, meskipun nilai DBI Agglomerative lebih kecil tetapi terdapat kekurangan dalam waktu eksekusi. Metode Agglomerative membutuhkan waktu eksekusi lebih lama dibandingkan dengan metode partisi. Dari penanganan data outlier pada persiapan data diperoleh hasil bahwa dengan tetap menggunakan data outlier atau menghilangkannya dapat mempengaruhi jumlah kelompok yang dihasilkan dan nilai DBI kelompok.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Segmentasi pelanggan, Metode pengelompokkan, Pengelompokkan partisi, pengelompokkan hirarki, K-Means, K-Medoids, Agglomerative, model RFM (Recency, Frequency, Monetary), Metode Elbow, Davies-Bouldin Index (DBI), Data outlier.
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science Q Science > QA Mathematics > QA76 Computer software
Divisions:	S2 PASCA SARJANA > S2_Magister Sistem Informasi (51)
Depositing User:	Mia Hayati Kosasih
Date Deposited:	21 Aug 2023 06:40
Last Modified:	21 Aug 2023 06:40
URI:	http://elibrary.unikom.ac.id/id/eprint/7180

Actions (login required)

View Item