PENGELOMPOKAN PELANGGAN PADA PERUSAHANAAN JASA PERCETAKAN SEBAGAI DASAR STRATEGI PEMASARAN MENGGUNAKAN METODE SUBTRACTIVE FUZZY C-MEAN (SFCM) DENGAN MODEL LRFMP

RAMADHAN, MUHAMMAD LUTFI RIZKY (2021) PENGELOMPOKAN PELANGGAN PADA PERUSAHANAAN JASA PERCETAKAN SEBAGAI DASAR STRATEGI PEMASARAN MENGGUNAKAN METODE SUBTRACTIVE FUZZY C-MEAN (SFCM) DENGAN MODEL LRFMP. Other thesis, UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” YOGYAKARTA.

	Text COVER_123150029_Muhammad Lutfi Rizky Ramadhan.pdf Download (149kB)
	Text ABSTRAK_123150029_Muhammad Lutfi Rizky Ramadhan.pdf Download (10kB)
	Text DAFTAR ISI_123150029_Muhammad Lutfi Rizky Ramadhan.pdf Download (83kB)
	Text LEMBAR PENGESAHAN_123150029_Muhammad Lutfi Rizky Ramadhan.pdf Download (911kB)
	Text DAFTAR PUSTAKA_123150029_Muhammad Lutfi Rizky Ramadhan.pdf Download (140kB)

Abstract

Pengelompokkan pelanggan merupakan tahap awal dari inti pemasaran strategis yaitu
analisis Segmentation, Targeting, dan Positioning atau disebut analisis STP. Tujuannya adalah
memberikan pelayanan terbaik pada masing-masing segmen serta memberikan kepuasan
kepada para pelanggan di dalam segmen tersebut. Data mining salah satu cara yang digunakan
dalam melakukan pengelompokkan. Metode data mining digunakan untuk melakukan
pengelompokkan adalah metode clustering. Salah satu metode yang digunakan dalam
pengelompokkan adalah Subtractive Fuzzy C-Means Clustering (SFCM). Metode ini
merupakan penggabungan dua metode untuk memperbaiki keakuratan dan inkonsistensi
pengelompokkan, yaitu metode Fuzzy C-Means dan Subtractive Clustering. Jika dibandingkan
dengan pendahulunya, metode SFCM merupakan metode yang lebih baik. Namun terdapat
catatan bahwa peforma dari metode ini berkurang seiring bertambahnya jumlah data yang
digunakan. Dengan demikian penelitian ini mencoba melakukan evaluasi hasil
pengelompokkan dari metode SFCM. Pada data riwayat transaksi pelanggan untuk
menghasilkan kelompok pelanggan potensial. Untuk melakukan pembobotan nilai pelangan,
digunakan model LRFMP atau Length, Recency, Frequency, Monetary dan Periodicity. Hasil
pengelompokkan sepuluh jenis data dengan jumlah berbeda mendapatkan hasil yang tidak
berberbanding lurus antara indeks validitas yang digunakan dengan hasil validasi cluster.
Sehingga dapat di simpulkan bahwa jumlah data tidak mempengaruhi hasil clustering
menggunakan metode SFCM.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Data Mining, Pemasaran, Subtractive Clustering, Fuzzy C-Means, LRFMP.
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Nurul Alifah Rahmawati
Date Deposited:	20 Apr 2022 02:37
Last Modified:	20 Apr 2022 02:37
URI:	http://eprints.upnyk.ac.id/id/eprint/29569

Actions (login required)

View Item