Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

ANALISIS REKOMENDASI PRODUK BERDASARKAN SEGMENTASI PELANGGAN DENGAN MODEL RFM MENGGUNAKAN ALGORITMA DBSCAN DAN FP-GROWTH

DEWI ANJAINAH, - (2022) ANALISIS REKOMENDASI PRODUK BERDASARKAN SEGMENTASI PELANGGAN DENGAN MODEL RFM MENGGUNAKAN ALGORITMA DBSCAN DAN FP-GROWTH. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

[img]
Preview
Text
FILE LENGKAP KECUALI HASIL PENELITIAN (BAB IV).pdf

Download (11MB) | Preview
[img] Text (BAB IV)
FILE HASIL PENELITIAN (BAB IV).pdf - Published Version
Restricted to Repository staff only

Download (698kB)

Abstract

DEWI ANJAINAH (2022) : ANALISIS REKOMENDASI PRODUK BERDASARKAN SEGMENTASI PELANGGAN DENGAN MODEL RFM MENGGUNAKAN ALGORITMA DBSCAN DAN FP-GROWTH Swalayan 212 Mart merupakan bisnis ritel berlandaskan koperasi syariah yang sudah menerapkan strategi dalam mempertahankan pelanggan. Namun masih terdapat kekurangan yaitu hanya melihat berdasarkan jumlah uang yang dikeluarkan tanpa melihat recency dan frequency. Selain itu, dalam menawarkan produk, 212 Mart belum memiliki acuan yang tepat. Penelitian ini menggabungkan analisis RFM ke dalam teknik data mining untuk memberikan rekomendasi produk yang lebih baik. Parameter yang dipertimbangkan yaitu nilai RFM pelanggan, segmen pelanggan, dan produk yang sering dibeli secara bersamaan dalam 1 tahun data transaksi member menggunakan algoritma DBSCAN dan FP-Growth. Dalam segmentasi pelanggan, diperoleh 5 cluster dan 31 data noise dengan nilai Eps 0,060, MinPts 3 dan nilai SI 0,4222. Hasil asosasi menggunakan minsup 30% dan minconf 70% menghasilkan cluster 1 ada 7 rules, cluster 2 ada 6 rules, cluster 3 ada 10 rules, cluster 4 ada 2 rules, dan cluster 5 ada 6 rules. Rules yang terbentuk dapat digunakan untuk pemasaran langsung dengan merekomendasikan produk-produk kepada pelanggan masing-masing cluster. Kata Kunci: DBSCAN, FP-Growth, Rekomendasi Produk, RFM, Segmentasi Pelanggan

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User: fsains -
Date Deposited: 29 Jul 2022 03:23
Last Modified: 29 Jul 2022 03:23
URI: http://repository.uin-suska.ac.id/id/eprint/62689

Actions (login required)

View Item View Item