ALGORITMA K-MEANS CLUSTERING UNTUK SEGMENTASI PELANGGAN (STUDI KASUS : FASHION VIRAL SOLO)
DOI:
https://doi.org/10.31949/infotech.v9i1.5214Abstract
Fashion Viral Solo merupakan salah satu distributor perlengkapan fashion di Surakarta yang belum memanfaatkan data yang dimiliki untuk melakukan segmentasi dan mengelompokkan pelanggan berdasarkan kemiripannya. Segmentasi adalah proses untuk mencari tahu karakteristik dari pelanggan berdasarkan kesamaan tertentu, sehingga memudahkan pengumpulan informasi tentang pelanggan yang memberikan profit bagi perusahaan. Segmentasi menjadi salah satu strategi untuk menghadapi persaingan usaha, untuk mempertahankan pelanggan, dan untuk membantu manajemen dalam menyusun strategi promosi untuk meningkatkan penjualan. Tujuan dari penelitian ini adalah melakukan segmentasi pelanggan yang pernah bertransaksi di Fashion Viral Solo berdasarkan karakteristiknya. Pada penelitian ini, peneliti menggunakan algoritma K-Means untuk melakukan clustering dan penerapan metode Recency, Frequency dan Monetary. K-Means adalah algoritma sederhana, mudah diimplementasikan, tidak lambat, mudah disesuaikan, dan sering digunakan dalam proses data mining khususnya clustering. Nilai atribut Recency menunjukkan waktu terakhir transaksi, Frequency menunjukkan jumlah transaksi, dan Monetary menunjukkan total nominal transaksi. Dengan menggunakan K-Means dan metode Recency, Frequency dan Monetary, peneliti dapat melakukan segmentasi pelanggan Fashion Viral Solo. Dari penelitian ini, diperoleh hasil 2 cluster pelanggan. Cluster 1 dengan jumlah anggota terbanyak, yakni 343 pelanggan dan cluster 2 dengan jumlah anggota 8 pelanggan. Untuk menentukan jumlah cluster yang paling optimal, peneliti menggunakan metode Silhouette Scores dan diperoleh hasil jika membagi pelanggan menjadi 2 cluster adalah yang paling optimal.
Keywords:
Segmentasi, Clustering, K-Means, PelangganDownloads
References
Adiana, B. E., Soesanti, I., & Permanasari, A. E. (2018). ANALISIS SEGMENTASI PELANGGAN MENGGUNAKAN KOMBINASI RFM MODEL DAN TEKNIK CLUSTERING. Jurnal Terapan Teknologi Informasi. https://doi.org/10.21460/jutei.2018.21.76
Febriani, A., & Putri, S. A. (2020). Segmentasi Konsumen Berdasarkan Model Recency, Frequency, Monetary dengan Metode K-Means. JIEMS (Journal of Industrial Engineering and Management Systems). https://doi.org/10.30813/jiems.v13i2.2274
Fitriyani, I. P., & Hendriyani, C. (2021). Implementasi Customer Data Management Dalam Meningkatkan Retensi Pelanggan IndiHome di PT Telkom. ICIT Journal. https://doi.org/10.33050/icit.v7i2.1645
Herdiana, R., & Solihudin, D. (2023). SEGMENTASI PELANGGAN SALON NUII BEAUTY GLOW MENGGUNAKAN K-MEANS CLUSTERING. 7(1), 558–566.
Jabbar, J. (2022). SISTEM INFORMASI STOK BARANG MENGGUNAKAN METODE CLUSTERING KMEANS (STUDI KASUS RMD STORE). INFOTECH Journal. https://doi.org/10.31949/infotech.v8i1.2280
Lestari, W., & Sumarlinda, S. (2021). Clustering Model of Lecturers Performa in Publication Using K-Means for Decision Support Data. International Journal of Multisciences
Sari, Y. P., Primajaya, A., & Irawan, A. S. Y. (2020). Implementasi Algoritma K-Means untuk Clustering Penyebaran Tuberkulosis di Kabupaten Karawang. INOVTEK Polbeng - Seri Informatika. https://doi.org/10.35314/isi.v5i2.1457
Setiawan, Amani, H., & Tripiawan, W. (2021). Perancangan Segmentasi Pelanggan dengan Metode Clustering K- Means dan Model RFM pada Klinik Kecantikan Seoul Secret. E-Proceeding of Engineering, 8(2), 2286–2293.
Sudarsono, B. G., Leo, M. I., Santoso, A., & Hendrawan, F. (2021). ANALISIS DATA MINING DATA NETFLIX MENGGUNAKAN APLIKASI RAPID MINER. JBASE - Journal of Business and Audit Information Systems. https://doi.org/10.30813/jbase.v4i1.2729
Sulistiyawati, A., & Supriyanto, E. (2021). Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan. Jurnal Tekno Kompak. https://doi.org/10.33365/jtk.v15i2.1162
Sumarlinda, S., & Lestari, W. (2022). Decision support system for lecturer publication mapping using k- means clustering method. 5(4), 140–145.
Wulan Permata Sari, T. S. (2023). ANALISA CLUSTER DENGAN K-MEAN CLUSTERING UNTUK PENGELOMPOKAN DATA CYBERCRIME. JINTEKS (Jurnal Informatika Teknologi Dan Sains), 5(1), 49–53.
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 INFOTECH journal
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
