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.

[img]
Preview
Text
1_165410072_HALAMAN_DEPAN.pdf - Published Version

Download (508kB) | Preview
[img]
Preview
Text
2_165410072_BAB I.pdf - Published Version

Download (205kB) | Preview
[img]
Preview
Text
3_165410072_BAB II.pdf - Published Version

Download (375kB) | Preview
[img] Text
4_165410072_BAB III.pdf - Published Version
Restricted to Repository staff only

Download (434kB)
[img] Text
5_165410072_BAB IV.pdf - Published Version
Restricted to Repository staff only

Download (365kB)
[img]
Preview
Text
6_165410072_BAB V.pdf - Published Version

Download (188kB) | Preview
[img]
Preview
Text
7_165410072_DAFTAR_PUSTAKA.pdf - Published Version

Download (380kB) | Preview
[img] Text
9_165410072_LISTING PROGRAM.pdf - Published Version
Restricted to Repository staff only

Download (239kB)
[img]
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 View Item