Vania, Catherine and Ir. Satrio Hadi Wijoyo, S.Si., S.Pd., M.Kom and Ir. Nanang Yudi Setiawan, S.T., M.Kom (2024) Segmentasi Pelanggan Menggunakan Metode K-Means Clustering Berdasarkan Model RFM Pada Klinik Gigi Dental Corner. Sarjana thesis, Universitas Brawijaya.
Abstract
Pandemi Covid-19 memiliki dampak negatif bagi berbagai bisnis di Indonesia, salah satunya Klinik Gigi Dental Corner. Saat ini, Klinik Gigi Dental Corner belum pernah menerapkan strategi Customer Relationship Management atau CRM untuk menjaga loyalitas pelanggan dan meningkatkan penjualan. Penelitian ini menggunakan model Recency, Frequency, dan Monetary atau RFM untuk mencari karakteristik pelanggan. Karakteristik pelanggan yang didapatkan akan digunakan untuk melakukan clustering menggunakan metode K-Means dan DBSCAN. Kedua metode clustering akan diuji dengan cara mencari nilai silhouette score. Nilai silhouette tertinggi dari K-Means menunjukkan angka 0.49 sedangkan DBSCAN menunjukkan angka 0.35, sehingga menunjukkan bahwa K-Means dapat menghasilkan hasil clustering yang lebih baik dibanding DBSCAN. Hasil clustering dari K-Means dengan nilai k = 8 akan digunakan untuk pencarian akar permasalahan menggunakan metode root cause analysis. Penelitian root cause analysis dilakukan dengan cara mengambil sampel pelanggan dari setiap cluster sebesar 20% dan meneliti riwayat medis dari pelanggan-pelanggan tersebut. Pencarian kemungkinan akar permasalahan dilakukan dengan meneliti studi literatur terdahulu, kemudian akar permasalahan tersebut akan dikelompokkan berdasarkan kategori high recency, low frequency, dan low monetary. Akar permasalahan yang telah dikelompokkan berdasarkan kategori tersebut telah divalidasi oleh stakeholder.
English Abstract
The Covid-19 pandemic has had negative impacts on various businesses in Indonesia, including Dental Corner Dental Clinic. Currently, Dental Corner Dental Clinic has not implemented Customer Relationship Management (CRM) strategies to maintain customer loyalty and increase sales. This research utilizes the Recency, Frequency, and Monetary (RFM) model to identify customer characteristics. The obtained customer characteristics will be used for clustering using the K-Means and DBSCAN methods. Both clustering methods will be tested by calculating the silhouette score. The highest silhouette score for K-Means is 0.49, while DBSCAN shows a score of 0.35, indicating that K-Means produces better clustering results than DBSCAN. The clustering results from K-Means with a k value of 8 will be used for root cause analysis. Root cause analysis is conducted by sampling 20% of customers from each cluster and examining their medical histories. The search for possible root causes is done through observation, and the identified root causes are categorized as high recency, low frequency, and low monetary. These categorized root causes have been validated by stakeholders.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0524150052 |
| Uncontrolled Keywords: | K-means clustering, DBSCAN clustering, RFM, root cause analysis |
| Divisions: | Fakultas Ilmu Komputer > Teknologi Informasi |
| Depositing User: | Sugeng Moelyono |
| Date Deposited: | 19 Feb 2024 06:45 |
| Last Modified: | 19 Feb 2024 06:45 |
| URI: | http://repository.ub.ac.id/id/eprint/215443 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Catherine Vania.pdf Restricted to Registered users only Download (4MB) |
Actions (login required)
 |
View Item |