IMPLEMENTASI DATA MINING PENGELOMPOKKAN PELANGGAN MENGGUNAKAN RFM DAN K-MEANS CLUSTERING STUDI KASUS DI INDONESIA DIGITAL PRINTING YOGYAKARTA
Daftar Isi:
- 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)