SEGMENTASI PELANGGAN E-COMMERCE BERBASIS RECENCY, FREQUENCY, DAN MONETARY (RFM) DENGAN ALGORITMA K-MEANS UNTUK OPTIMALISASI STRATEGI PEMASARAN PADA TOKO BUKU TOGAMAS AFFANDI YOGYAKARTA

Augustin, Rahmawati Dwi (2025) SEGMENTASI PELANGGAN E-COMMERCE BERBASIS RECENCY, FREQUENCY, DAN MONETARY (RFM) DENGAN ALGORITMA K-MEANS UNTUK OPTIMALISASI STRATEGI PEMASARAN PADA TOKO BUKU TOGAMAS AFFANDI YOGYAKARTA. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text 2_Cover_124210046_Rahmawati Dwi Augustin.pdf Download (101kB)
	Text 3_Abstrak_124210046_Rahmawati Dwi Augustin.pdf Download (12kB)
	Text 4_Halaman Pengesahan_124210046_Rahmawati Dwi Augustin.pdf Download (266kB)
	Text 5_Daftar Isi_124210046_Rahmawati Dwi Augustin.pdf Download (81kB)
	Text 6_Daftar Pustaka_124210046_Rahmawati Dwi Augustin.pdf Download (143kB)
	Text 1_Skripsi full_124210046_Rahmawati Dwi Augustin.pdf Restricted to Repository staff only Download (6MB)

Abstract

Peningkatan penggunaan e-commerce telah mengubah cara konsumen berbelanja dan
menuntut pelaku usaha untuk memahami perilaku pelanggan secara lebih mendalam. Toko
Buku Togamas Affandi Yogyakarta sebagai salah satu pelaku bisnis ritel turut menghadapi
tantangan dalam mengidentifikasi dan mengelompokkan pelanggan secara efektif. Selama
ini, proses identifikasi pelanggan masih dilakukan secara manual dan belum memanfaatkan
potensi data transaksi yang tersedia. Ketiadaan segmentasi pelanggan yang sistematis
menyebabkan strategi pemasaran yang dijalankan kurang terarah dan belum sepenuhnya
berbasis data. Oleh karena itu, dilakukan penerapan segmentasi pelanggan berbasis data
historis guna mendukung perumusan strategi pemasaran yang lebih efektif dan efisien serta
meningkatkan hubungan jangka panjang dengan pelanggan.
Penelitian ini menggunakan pendekatan CRISP-DM yang terdiri dari enam tahapan
utama: Business Understanding, Data Understanding, Data Preparation, Modeling,
Evaluation, dan Deployment dalam bentuk penyusunan rekomendasi strategi pemasaran.
Data yang dianalisis merupakan data transaksi pelanggan dari platform e-commerce Shopee
pada periode 1 Januari hingga 20 Juni 2025. Setelah dilakukan pembersihan data, dihitung
nilai Recency, Frequency, dan Monetary (RFM), serta dilakukan standarisasi menggunakan
Min-Max Scaling. Proses segmentasi dilakukan dengan algoritma K-Means Clustering,
sedangkan jumlah Cluster optimal ditentukan dengan metode Elbow dan Silhouette
Coefficient.
Hasil penelitian menunjukkan pelanggan yang dikelompokkan menjadi dua segmen
utama, yaitu Recent Customers, dan Dormant Customers. Evaluasi model menggunakan
nilai Sum of Squared Error (SSE) menunjukkan hasil terbaik saat Cluster berjumlah dua,
dengan penurunan nilai yang signifikan. Selain itu, nilai Silhouette Coefficient sebesar 0,64
menunjukkan bahwa segmentasi yang dihasilkan cukup baik dan representatif. Setiap
segmen dianalisis untuk menyusun profil pelanggan dan menghasilkan rekomendasi strategi
pemasaran yang lebih personal dan tepat sasaran. Melalui proses analisis, dihasilkan pula
pemetaan lokasi pelanggan berdasarkan distribusi transaksi, yang dapat digunakan oleh toko
untuk menetapkan wilayah prioritas pemasaran secara lebih strategis. Temuan ini
memberikan kontribusi nyata terhadap pengambilan keputusan bisnis berbasis data.
Kata Kunci: Segmentasi Pelanggan, RFM, K-Means, Pemasaran

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Rahmawati Dwi Augustin (Penulis - 124210046); Agus Sasmito Aribowo (Pembimbing)
Uncontrolled Keywords:	Segmentasi Pelanggan, RFM, K-Means, Pemasaran
Subjek:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik Industri > (S1) Sistem Informasi
Depositing User:	UPA Perpustakaan
Date Deposited:	16 Oct 2025 03:26
Last Modified:	16 Oct 2025 03:26
URI:	http://eprints.upnyk.ac.id/id/eprint/44459

Actions (login required)

View Item