IMPLEMENTASI DATA MINING PENGELOMPOKKAN PELANGGAN MENGGUNAKAN RFM DAN K-MEANS CLUSTERING STUDI KASUS DI INDONESIA DIGITAL PRINTING YOGYAKARTA

Istiningsih, Ike Yunia - 165410072 (2020) IMPLEMENTASI DATA MINING PENGELOMPOKKAN PELANGGAN MENGGUNAKAN RFM DAN K-MEANS CLUSTERING STUDI KASUS DI INDONESIA DIGITAL PRINTING YOGYAKARTA. Skripsi thesis, STMIK AKAKOM YOGYAKARTA.

Preview	Text 1_165410072_HALAMAN_DEPAN.pdf - Published Version Download (508kB) | Preview
Preview	Text 2_165410072_BAB I.pdf - Published Version Download (205kB) | Preview
Preview	Text 3_165410072_BAB II.pdf - Published Version Download (375kB) | Preview
	Text 4_165410072_BAB III.pdf - Published Version Restricted to Repository staff only Download (434kB)
	Text 5_165410072_BAB IV.pdf - Published Version Restricted to Repository staff only Download (365kB)
Preview	Text 6_165410072_BAB V.pdf - Published Version Download (188kB) | Preview
Preview	Text 7_165410072_DAFTAR_PUSTAKA.pdf - Published Version Download (380kB) | Preview
	Text 9_165410072_LISTING PROGRAM.pdf - Published Version Restricted to Repository staff only Download (239kB)
Preview	Text 8_165410072_CARA_MENJALANKAN_PROGRAM.pdf - Published Version Download (91kB) | Preview

Abstract

Penelitian ini dilakukan untuk mempelajari data mining menggunakan algoritma K-Means yang diimplementasikan dalam pengelompokkan pelanggan di perusahaan Indonesia Digital Printing. Data dikumpulkan melalui observasi dan interview yang dilakukan kepada pemilik perusahaan yang bersangkutan. Selanjutnya data dianalisa untuk menentukan data yang dibutuhkan dalam proses clustering. Tujuan dari proses pengelompokkan pelanggan adalah untuk mengetahui perilaku konsumen dan menerapkan strategi pemasaran yang tepat sehingga mendatangkan keuntungan bagi pihak perusahaan. Langkah-langkahnya dimulai dari mengumpulkan data transaksi customer, selanjutnya data prepocessing dengan memilih data yang dibutuhkan, kemudian mencari value customer dengan sesuai parameter Recency,Frequency dan Monetary (RFM). Proses selanjutnya adalah dengan mengelompokkan menggunakan metode K-Means. Penerapan analisis RFM dan metode K-Means menggunakan software python menghasilkan 4 cluster dari 500 data pelanggan dari periode Maret sampai dengan Mei 2020. Kata Kunci : K-Means, Pengelompokkan Pelanggan, Clustering, Recency,Frequency dan Monetary (RFM)

Item Type:	Thesis (Skripsi)
Additional Information:	Pembimbing : Sri Redjeki, S.Si., M.Kom
Uncontrolled Keywords:	K-Means, Pengelompokkan Pelanggan, Clustering, Recency,Frequency dan Monetary (RFM).
Subjects:	A Karya Umum (General) > Ilmu Komputer (Computer Science) > Bahasa Pemrograman A Karya Umum (General) > Ilmu Komputer (Computer Science) > Data Enkripsi A Karya Umum (General) > Ilmu Komputer (Computer Science) > Kecerdasan Buatan (Artificial Intelegence)
Divisions:	Jenjang Strata Satu > Teknik Informatika (Informatic Engineering)
Depositing User:	Mr. Andi Setyanto
Date Deposited:	25 Nov 2020 06:58
Last Modified:	25 Nov 2020 06:58
URI:	http://eprints.akakom.ac.id/id/eprint/9060

Actions (login required)

View Item