KLASIFIKASI KELOMPOK KONSUMEN MENGGUNAKAN METODE K-MEANS DAN SEGMENTASI MODEL FUZZY RFM (RECENCY, FREQUENCY, MONETARY)

Chandra Khatisma, (2014) KLASIFIKASI KELOMPOK KONSUMEN MENGGUNAKAN METODE K-MEANS DAN SEGMENTASI MODEL FUZZY RFM (RECENCY, FREQUENCY, MONETARY). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
fm.pdf

Download (195kB) | Preview
[img]
Preview
Text
BAB I.pdf

Download (19kB) | Preview
[img]
Preview
Text
BAB II.pdf

Download (154kB) | Preview
[img]
Preview
Text
BAB III.pdf

Download (168kB) | Preview
[img]
Preview
Text
BAB IV.pdf

Download (1MB) | Preview
[img] Text
BAB V.pdf
Restricted to Registered users only

Download (142kB)
[img]
Preview
Text
BAB VI.pdf

Download (7kB) | Preview
[img]
Preview
Text
em.pdf

Download (12kB) | Preview

Abstract

Konsumen merupakan aset penting bagi perusahaan dalam menentukan perkembangan bisnis perusahaan karena itu dibutuhkan pengelompokan konsumen untuk membuat strategi bisnis yang akan diterapkan untuk perkembangan bisnis perusahaan. Dalam menentukan klasifikasi konsumen harus ditentukan dengan dengan tepat, karena apabila salah dalam menentukan klasifikasi konsumen akan berakibatnya sangat fatal terhadap kelangsungan perkembangan perusahaan. Permasalahan yang dihadapi adalah dalam mengambil keputusan klasifikasi konsumen yang kurang objektif. Hal ini dihawatirkan menimbulkan ketidak tepatan dalam menentukan klasifikasi konsumen sehingga tidak tepat dalam menentukan strategi yang akan diterapkan kepada konsumen. Dari permasalahan tersebut akan dibangun sebuah Sistem Klasifikasi Kelompok Konsumen untuk menentukan klasifikasi loyalitas konsumen secara cepat, tepat, akurat, dan terkomputerisasi sehingga mengurangi terjadinya human error dengan menggunakan penggabungan metode K-Means dan Fuzzy RFM. Dari hasil pengujian, metode K-Means memiliki pertimbangan yang baik dimana data dapat dibagi meski hanya memiliki sedikit perbedaan nilai variabel. Selain itu, metode ini memiliki hasil perhitungan yang akurat dan konsisten sehingga data tetap berada pada kluster yang sesuai. Fuzzy RFM (Recency,Frequency,Monetary) berfungsi untuk kelas konsumen berdasarkan loyalitas konsumen tersebut. Sistem ini dapat menyelesaikan masalah dalam menentukan loyalitas kelompok konsumen dengan akurat, sehingga dapat membantu perusahaan dalam menentukan strategis bisnis yang akan diterapkan kepada konsumen. Kata kunci : Data Mining, Distributor dan Toko Buku, Fuzzy RFM, K-Means.

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: eva sartika
Date Deposited: 24 Apr 2016 16:36
Last Modified: 24 Apr 2016 16:36
URI: http://repository.uin-suska.ac.id/id/eprint/3547

Actions (login required)

View Item View Item