ANALISIS SEGMENTASI KONSUMEN MENGGUNAKAN METODE K-MEANS CLUSTERING BERDASARKAN MODEL RFM DAN PENGETAHUAN DATA LAINNYA SEBAGAI REKOMENDASI STRATEGI PEMASARAN (STUDI KASUS : YAYASAN XYZ)

Rika Okta Nabella, 1815061004 (2022) ANALISIS SEGMENTASI KONSUMEN MENGGUNAKAN METODE K-MEANS CLUSTERING BERDASARKAN MODEL RFM DAN PENGETAHUAN DATA LAINNYA SEBAGAI REKOMENDASI STRATEGI PEMASARAN (STUDI KASUS : YAYASAN XYZ). Fakultas Teknik, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (6Mb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (6Mb)
Preview	File PDF SKRIPSI TANPA PEMBAHASAN.pdf Download (6Mb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

ABSTRAK ANALISIS SEGMENTASI KONSUMEN MENGGUNAKAN METODE K-MEANS CLUSTERING BERDASARKAN MODEL RFM DAN PENGETAHUAN DATA LAINNYA SEBAGAI REKOMENDASI STRATEGI PEMASARAN (STUDI KASUS : YAYASAN XYZ) Oleh Rika Okta Nabella Perusahaan yang berfokus pada penjualan sudah mulai menerapkan teknik data mining di mana tidak hanya mengembangkan suatu produk dan layanan namun juga telah mendalami kebutuhan dari konsumen yang didapatkan dari data transaksi maupun data konsumen. Berdasarkan alur pikir tersebut, peneliti akan melakukan analisis clustering untuk mengetahui karakteristik berdasarkan pola-pola yang terbentuk menggunakan tools RapidMiner dengan penerapan metode K-Means berdasarkan model RFM (Recency, Frequency, Monetary) dan pengetahuan data lain yang ada pada perusahaan. Penerapan visualisasi data menggunakan Google Data Studio dapat membantu dalam melakukan visualisasi dengan mudah dan cepat. Untuk metode penelitian yang digunakan dalam analisis yaitu Cross Industry Standart Process for Data Mining atau CRISP-DM. Metode pengumpulan data yang didapatkan berasal dari database perusahaan. Penelitian menghasilkan bahwa 3 cluster memiliki nilai 0.197 menggunakan uji validitas Davies Bouldin Index. Cluster low priority berjumlah 1090 konsumen, cluster medium priority berjumlah 73 konsumen dan cluster high priority berjumlah 969 konsumen. Sehingga, berdasarkan karakteristik berbeda yang dimiliki setiap cluster dapat menghasilkan strategi pemasaran pada setiap cluster. Selain itu, pengetahuan data lain yang ada pada perusahaan juga dapat membantu dalam menghasilkan strategi pemasaran dan keputusan bisnis. Kata kunci : Clustering, K-Means, Model RFM, CRISP-DM, Davies Bouldin Index, Google Data Studio, RapidMiner ABSTRACT CONSUMER SEGMENTATION ANALYSIS USING K-MEANS CLUSTERING METHOD BASED ON RFM MODEL AND OTHER DATA KNOWLEDGE AS MARKETING STRATEGY RECOMMENDATIONS (CASE STUDY: YAYASAN XYZ) By Rika Okta Nabella Companies that focus on sales have started to apply data mining techniques which not only develop a product and service but also have explored the needs of consumers obtained from transaction data and consumer data. Based on that, the researcher will conduct a clustering analysis to find out the characteristics based on the patterns formed using RapidMiner tools with the application of the K-Means method based on the RFM (Recency, Frequency, Monetary) model and knowledge of other data in the company. Implementing data visualization using Google Data Studio can help visualize easily and quickly. The research method used in the analysis is Cross Industry Standard Process for Data Mining or CRISP-DM. The data collection method obtained is derived from the company's database. The research shows that 3 clusters have 0.197 using the Davies Bouldin Index validity test. There are 1090 low priority clusters, 73 medium priority clusters and 969 high priority clusters. So, based on the different characteristics that each cluster has, it can produce a marketing strategy in each cluster. In addition, knowledge of other data that exists in the company can also help in generating marketing strategies and business decisions. Keywords : Clustering, K-Means, RFM Model, CRISP-DM, Davies Bouldin Index, Google Data Studio, RapidMiner

Jenis Karya Akhir:	Skripsi
Subyek:	600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	Fakultas Teknik > Prodi S1-Teknik Informatika
Pengguna Deposit:	2203474530 . Digilib
Date Deposited:	24 Jun 2022 04:29
Terakhir diubah:	21 Jul 2022 17:38
URI:	http://digilib.unila.ac.id/id/eprint/63821

Actions (login required)

Lihat Karya Akhir