ANALISIS PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOIDS UNTUK MENERAPKAN SEGMENTASI PELANGGAN

ANALISIS PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOIDS UNTUK MENERAPKAN SEGMENTASI PELANGGAN

• By Astuti, Rachmawati, Darma;
• Tesis
• 155
• 1-85

Dalam persaingan bisnis di era modern saat ini, pelanggan merupakan hal yang perlu menjadi fokus utama perusahaan untuk mempertahankan eksitensinya. Perusahaan harus merencanakan dan menggunakan strategi yang jelas dalam memperlakukan pelanggan . Untuk mendapatkan pelanggan baru membutuhkan biaya lebih besar dibandingkan dengan mempertahankan pelanggan lama. Pada penelitan ini dilakukan segmentasi dengan menggunakan metode teknik clustering agar proses dan hasil pengelompokannya lebih baik. Algoritma yang digunakan dalam pengelompokan pelanggan server Pulsantara menggunakan K-Means dan K-medoids yang nantinya akan dibandingkan algoritma yang terbaik antara K-Means dan K-medoids. Pada hasil akhir penelitian dapat disimpulkan bahawa lagoritma terbaik untuk segmentasi pelanggan Pulsantara adalah algoritma K-medoids dengan jumlah cluster berjumlah 6 memiliki DBI sebesar 0.660%. Cluster yang terbentuk menggunakan algoritma K-Medoids memiliki 6 cluster/segmen pelanggan dari keseluruhan jumlah transaksi 85010 transaksi dengan jumlah agen sebanyak 133. Jumlah anggota tiap cluster antara lain: 22 anggota berada pada cluster 0 disebut Typical Customer, 14 anggota berada pada cluster 1 disebut Occational customer, 13 anggota berada pada cluster 2 disebut Golden Customer , 4 anggota berada pada cluster 3 disebut Superstar, pada cluster 4 memiliki jumlah anggota 52 penggan disebut Dormant Customer sedangkan untuk cluster 5 memiliki 28 jumlah anggota yang disebut dengan Everydar Shopper.

• Katakunci RFM, Segmentasi Pelanggan, Clustering, K-Medoids, K-Means
• URL http://
• Penerbit ,

REFERENSI