MIRDATUL HUSNAH, - (2021) KLASTERISASI CUSTOMER LIFETIME VALUE DENGAN MODEL LENGTH, RECENCY, FREQUENCY, MONETARY MENGGUNAKAN ALGORITMA FUZZY C-MEANS. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

	Text (BAB 4) BAB 4.pdf - Published Version Restricted to Repository staff only Download (505kB)
Preview	Text TUGAS AKHIR MIRDATUL HUSNAH.pdf Download (4MB) | Preview

Abstract

KLASTERISASI CUSTOMER LIFETIME VALUE DENGAN MODEL LENGTH, RECENCY, FREQUENCY, MONETARY MENGGUNAKAN ALGORITMA FUZZY C-MEANS MIRDATUL HUSNAH NIM: 11753200423 Tanggal Sidang: 30 Juni 2021 Periode Wisuda: Program Studi Sistem Informasi Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau Jl. Soebrantas, No. 155, Pekanbaru ABSTRAK Pelanggan merupakan subjek yang sangat berpengaruh dan nyawa bagi setiap perusahaan. Untuk meningkatkan keuntungan, dibutuhkan perhitungan customer lifetime value yang merupakan ukuran potensi profit perusahaan yang akan diperoleh dari seorang pelanggan. Dengan mengetahui hal tersebut, perusahaan mulai fokus kepada manajemen hubungan dengan pelanggan atau yang biasa disebut dengan customer relationship management (CRM). Namun dalam pelaksanaan penerapan tersebut, masih banyak perusahaan yang belum secara benar menjadikan CRM sebagai strategi bisnis perusahaan mereka. CV. Cita Rasa Baru belum membedakan informasi mengenai pelanggan yang menguntungkan dan tidak menguntungkan bagi perusahaan. Dalam pengelolaan data transaksi pelanggan, CV. Cita Rasa Baru sudah menggunakan sistem, namun penggunaan sistem hanya terbatas pada perhitungan keuntungan serta pembukuan pada agen-agen yang sudah terdaftar. Penelitian ini digunakan untuk menentukan segmentasi pelanggan berdasarkan nilai hidup pelanggan. Hasil analisis terhadap data pelanggan di CV. Cita Rasa Baru menggunakan analisis klasterisasi menggunakan algoritma fuzzy c-means dan LRFM. Validitas yang digunakan pada cluster adalah partition coefficient index (PCI) dan perhitungan CLV digunakan pembobotan AHP untuk menghasilkan rangking cluster. Hasil klasterisasi pelanggan didapatkan 3 cluster dengan cluster 2 yang memiliki CLV tertinggi sebesar 0,20756 dengan 107 pelanggan, rangking kedua yaitu cluster 3 dengan nilai 0,18056 dan rangking ketiga cluster 1 dengan nilai 0,17409 dengan jumlah 78 pelanggan. Kata Kunci: CLV, CRM, Fuzzy C-Means, Klasterisasi, LRFM

Actions (login required)

View Item