Klasterisasi Nilai Hidup Pelanggan Menggunakan Model Lrfm Dan Algoritma K-Means (Studi Kasus: Pt Garuda Lintas Cakrawala)

Zahra, Wardah and Dr. Ir. Dian Eka Ratnawati, S.Si., M.Kom. (2025) Klasterisasi Nilai Hidup Pelanggan Menggunakan Model Lrfm Dan Algoritma K-Means (Studi Kasus: Pt Garuda Lintas Cakrawala). Sarjana thesis, Universitas Brawijaya.

Abstract

PT Garuda Lintas Cakrawala, menghadapi tantangan dalam mengelola hubungan dengan pelanggan. Sistem yang digunakan saat ini hanya sebatas menghitung keuntungan tanpa informasi yang cukup untuk mengidentifikasi pelanggan yang bernilai strategis. Hal ini mengakibatkan kesulitan dalam menentukan pendekatan yang tepat untuk mengelola pelanggan. Penelitian ini bertujuan untuk mengklasterisasi pelanggan menggunakan algoritma K-Means dan model Length, Recency, Frequency, Monetary (LRFM), serta menghitung Customer Lifetime Value (CLV) dengan metode Analytic Hierarchy Process (AHP). Data yang digunakan dalam penelitian ini melibatkan 1221 pelanggan dan 6310 transaksi yang tercatat dalam periode 1 Agustus hingga 1 September 2023. Proses klasterisasi dilakukan menggunakan algoritma K-Means untuk mengelompokkan pelanggan berdasarkan pola perilaku mereka yang diukur melalui atribut LRFM. Atribut LRFM diukur berdasarkan data transaksi pelanggan, dan pembobotan atribut-atribut tersebut dilakukan dengan metode AHP untuk memberikan nilai objektif pada masing-masing atribut dalam model LRFM. Proses ini menghasilkan nilai Consistency Index sebesar 0.0505, yang menunjukkan tingkat konsistensi yang baik dalam penentuan bobot. Berdasarkan evaluasi klasterisasi, hasil terbaik diperoleh pada jumlah klaster 5, dengan nilai silhouette coefficient sebesar 0.49 dan nilai DBI sebesar 0.7.

English Abstract

PT Garuda Lintas Cakrawala faces challenges in managing customer relationships. The current system is limited to calculating profits without sufficient information to identify strategically valuable customers. This results in difficulties in determining the appropriate approach to managing customers. This study aims to cluster customers using the K-Means algorithm and the Length, Recency, Frequency, Monetary (LRFM) model, as well as to calculate Customer Lifetime Value (CLV) using the Analytic Hierarchy Process (AHP) method. The data used in this study involves 1,221 customers and 6,310 transactions recorded during the period from August 1 to September 1, 2023. The clustering process is conducted using the K-Means algorithm to group customers based on their behavioral patterns, measured through LRFM attributes. These LRFM attributes are calculated based on customer transaction data, and the weighting of these attributes is performed using the AHP method to provide objective values for each attribute in the LRFM model. This process resulted in a Consistency Index value of 0.0505, indicating a good level of consistency in determining the weights. Based on the clustering evaluation, the best results were achieved with five clusters, yielding a silhouette coefficient of 0.49 and a DBI value of 0.7.

Item Type:	Thesis (Sarjana)
Identification Number:	052515
Uncontrolled Keywords:	LRFM, K-Means, AHP, CLV
Divisions:	Fakultas Ilmu Komputer > Teknologi Informasi
Depositing User:	S Sucipto
Date Deposited:	12 Feb 2025 01:28
Last Modified:	12 Feb 2025 01:28
URI:	http://repository.ub.ac.id/id/eprint/236425

Text (DALAM MASA EMBARGO) Wardah Zahra.pdf Restricted to Registered users only Download (3MB)

Actions (login required)

View Item