Penerapan Algoritma K-Medoids Untuk Menentukan Segmentasi Pelanggan

Abstrak Strategi pemasaran berorientasi pelanggan memiliki peranan penting dalam mengelola hubungan baik dengan pelanggan. Agar strategi pemasaran tepat sasaran, segmentasi pelanggan dapat digunakan untuk mengelompokkan pelanggan berdasarkan karakteristik yang sama. Dalam penyusunan strategi pemasar...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Anggi Ayu Dwi Sulistyawati, Mujiono Sadikin
Formato:	article
Lenguaje:	ID
Publicado:	Islamic University of Indragiri 2021
Materias:	Technology T Information technology T58.5-58.64
Acceso en línea:	https://doaj.org/article/8961ed2577a248ebbf098e9147c49079
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:8961ed2577a248ebbf098e9147c49079
record_format	dspace
spelling	oai:doaj.org-article:8961ed2577a248ebbf098e9147c490792021-11-07T12:04:45ZPenerapan Algoritma K-Medoids Untuk Menentukan Segmentasi Pelanggan2302-81492540-971910.32520/stmsi.v10i3.1332https://doaj.org/article/8961ed2577a248ebbf098e9147c490792021-09-01T00:00:00Zhttp://sistemasi.ftik.unisi.ac.id/index.php/stmsi/article/view/1332https://doaj.org/toc/2302-8149https://doaj.org/toc/2540-9719Abstrak Strategi pemasaran berorientasi pelanggan memiliki peranan penting dalam mengelola hubungan baik dengan pelanggan. Agar strategi pemasaran tepat sasaran, segmentasi pelanggan dapat digunakan untuk mengelompokkan pelanggan berdasarkan karakteristik yang sama. Dalam penyusunan strategi pemasaran dapat memanfaatkan TI di bidang komputasi, salah satunya adalah data mining. Pemanfaatan teknologi komputasi untuk pengolahan data yang belum maksimal mengakibatkan penumpukan data yang miskin informasi. Pada penelitian ini dilakukan penerapan teknik clustering dengan menggunakan algoritma K-Medoids pada dataset transaksi penjualan untuk menentukan segmentasi pelanggan. Penyusunan strategi pemasaran ditentukan berdasarkan tipe dan karakteristik pelanggan pada setiap cluster atau segmen pelanggan yang terbentuk. Uji validitas cluster menggunakan Silhouette Index dan Davies Boulbin Index dilakukan untuk menentukan jumlah cluster yang paling optimal. Hasil penelitian ini menunjukan bahwa jumlah cluster optimal adalah 3 (tiga) cluster dengan nilai maksimum Silhouette Index adalah 0,375 dan nilai minimum Davies Doulbin Index adalah 1,030. Segmen pelanggan hasil penelitian adalah lost customer, core customer, dan new customer. Kata kunci: algoritma k-medoids, clustering, data mining, segmentasi pelanggan, strategi pemasaran Abstract Customer-oriented marketing strategies play an important role in managing good relationships with customers. To keep marketing strategies on target, customer segmentation can be used to group customers based on the same characteristics. In the preparation of marketing strategies can utilize IT in the field of computing, one of which is data mining. The utilization of computing technology for data processing that has not been maximized resulted in a poor accumulation of information data. In this study, the application of clustering techniques using the K-Medoids algorithm on sales transaction dataset to determine customer segmentation. The preparation of a marketing strategy is determined based on the characteristics and types of customers in each cluster or segment of customers formed. cluster validity tests using the Silhouette Index and Davies-Boulbin Index are performed to determine the most optimal number of clusters. The results of this study showed that the optimal number of clusters is 3 (three) clusters with a maximum silhouette index value of 0.375 and the minimum value of the davies-bouldin index is 1.030. The customer segments of the research results are lost customers, core customers, and new customers. Keywords: k-medoids algorithm, clustering, data mining, customer segmentation, marketing strategyAnggi Ayu Dwi SulistyawatiMujiono SadikinIslamic University of IndragiriarticleTechnologyTInformation technologyT58.5-58.64IDSistemasi: Jurnal Sistem Informasi, Vol 10, Iss 3, Pp 516-526 (2021)
institution	DOAJ
collection	DOAJ
language	ID
topic	Technology T Information technology T58.5-58.64
spellingShingle	Technology T Information technology T58.5-58.64 Anggi Ayu Dwi Sulistyawati Mujiono Sadikin Penerapan Algoritma K-Medoids Untuk Menentukan Segmentasi Pelanggan
description	Abstrak Strategi pemasaran berorientasi pelanggan memiliki peranan penting dalam mengelola hubungan baik dengan pelanggan. Agar strategi pemasaran tepat sasaran, segmentasi pelanggan dapat digunakan untuk mengelompokkan pelanggan berdasarkan karakteristik yang sama. Dalam penyusunan strategi pemasaran dapat memanfaatkan TI di bidang komputasi, salah satunya adalah data mining. Pemanfaatan teknologi komputasi untuk pengolahan data yang belum maksimal mengakibatkan penumpukan data yang miskin informasi. Pada penelitian ini dilakukan penerapan teknik clustering dengan menggunakan algoritma K-Medoids pada dataset transaksi penjualan untuk menentukan segmentasi pelanggan. Penyusunan strategi pemasaran ditentukan berdasarkan tipe dan karakteristik pelanggan pada setiap cluster atau segmen pelanggan yang terbentuk. Uji validitas cluster menggunakan Silhouette Index dan Davies Boulbin Index dilakukan untuk menentukan jumlah cluster yang paling optimal. Hasil penelitian ini menunjukan bahwa jumlah cluster optimal adalah 3 (tiga) cluster dengan nilai maksimum Silhouette Index adalah 0,375 dan nilai minimum Davies Doulbin Index adalah 1,030. Segmen pelanggan hasil penelitian adalah lost customer, core customer, dan new customer. Kata kunci: algoritma k-medoids, clustering, data mining, segmentasi pelanggan, strategi pemasaran Abstract Customer-oriented marketing strategies play an important role in managing good relationships with customers. To keep marketing strategies on target, customer segmentation can be used to group customers based on the same characteristics. In the preparation of marketing strategies can utilize IT in the field of computing, one of which is data mining. The utilization of computing technology for data processing that has not been maximized resulted in a poor accumulation of information data. In this study, the application of clustering techniques using the K-Medoids algorithm on sales transaction dataset to determine customer segmentation. The preparation of a marketing strategy is determined based on the characteristics and types of customers in each cluster or segment of customers formed. cluster validity tests using the Silhouette Index and Davies-Boulbin Index are performed to determine the most optimal number of clusters. The results of this study showed that the optimal number of clusters is 3 (three) clusters with a maximum silhouette index value of 0.375 and the minimum value of the davies-bouldin index is 1.030. The customer segments of the research results are lost customers, core customers, and new customers. Keywords: k-medoids algorithm, clustering, data mining, customer segmentation, marketing strategy
format	article
author	Anggi Ayu Dwi Sulistyawati Mujiono Sadikin
author_facet	Anggi Ayu Dwi Sulistyawati Mujiono Sadikin
author_sort	Anggi Ayu Dwi Sulistyawati
title	Penerapan Algoritma K-Medoids Untuk Menentukan Segmentasi Pelanggan
title_short	Penerapan Algoritma K-Medoids Untuk Menentukan Segmentasi Pelanggan
title_full	Penerapan Algoritma K-Medoids Untuk Menentukan Segmentasi Pelanggan
title_fullStr	Penerapan Algoritma K-Medoids Untuk Menentukan Segmentasi Pelanggan
title_full_unstemmed	Penerapan Algoritma K-Medoids Untuk Menentukan Segmentasi Pelanggan
title_sort	penerapan algoritma k-medoids untuk menentukan segmentasi pelanggan
publisher	Islamic University of Indragiri
publishDate	2021
url	https://doaj.org/article/8961ed2577a248ebbf098e9147c49079
work_keys_str_mv	AT anggiayudwisulistyawati penerapanalgoritmakmedoidsuntukmenentukansegmentasipelanggan AT mujionosadikin penerapanalgoritmakmedoidsuntukmenentukansegmentasipelanggan
_version_	1718443559687815168

Penerapan Algoritma K-Medoids Untuk Menentukan Segmentasi Pelanggan

Ejemplares similares