Analisis Pemetaan Pelanggan Potensial Menggunakan Algoritma K-Means Dan LRFM Model Untuk Mendukung Strategi Pengelolaan Pelanggan (Studi Pada Maninjau Center Kota Malang)

Hidayatullah, Daniel Pradipta (2017) Analisis Pemetaan Pelanggan Potensial Menggunakan Algoritma K-Means Dan LRFM Model Untuk Mendukung Strategi Pengelolaan Pelanggan (Studi Pada Maninjau Center Kota Malang). Sarjana thesis, Universitas Brawijaya.

Abstract

Customer Relationship Management merupakan semua aspek yang terkait antara perusahaan dengan customer, apakah itu penjualan atau pun layanan lainnya. Maninjau Center merupakan suatu perusahaan yang bergerak dibidang perdagangan fashion di Kota Malang. Seiring berkembangnya perusahaan, maka customer juga ikut bertambah. Mengelola pelanggan secara maksimal merupakan sebuah keharusan dalam sebuah bisnis untuk terus meningkatkan profit. Upaya untuk mengelola pelanggan dengan mencari siapa pelanggan yang loyal, tidak loyal dan sebagainya adalah dengan segmentasi pelanggan. Segmentasi pelanggan merupakan salah satu cara untuk dapat mengetahui informasi mengenai karakteristik pelanggan. Segmentasi pelanggan dapat dilakukan dengan cara mengumpulkan serta menggali data pelanggan tersebut. Apabila segmentasi pelanggan telah terbentuk perusahaan dapat menerapkan strategi yang sesuai dengan karakteristik pelanggan untuk setiap kelompok. Tujuan penelitian ini adalah untuk mengetahui nilai pelanggan yang secara karakteristik mirip kemudian di segmentasikan dan diberikan sebuah strategi pengelolaan pelanggan yang sesuai dengan segmen-segmen pelanggan yang terbentuk di Maninjau Center Kota Malang tahun 2016. Penelitiannya dimulai melalui tahapan pemahaman bisnis, wawancara dan pengamatan secara langsung. Langkah selanjutnya mengumpulkan data transaksi customer, selanjutnya data prepocessing dengan memilih data yang berguna saja untuk di analisis. Kemudian mencari value customer dengan sesuai parameter LRFM (Length, Recency, Frequency dan Monetary). Kemudian menerapkan algoritma K-Means untuk menghasilkan clustering customer yang karakteristiknya mirip. Setelah proses operasional clustering dilakukan, hasil cluster akan di petakan dengan customer value matrix dan customer loyalty matrix untuk mengetahui karakteristik tiap segmen pelanggan. Selanjutnya pelanggan akan di berikan strategi yang sesuai dengan karakteristik tiap segmen pelanggan. Tools yang digunakan untuk menerapkan algorima K-Means adalah SPSS yang hasilnya merepresentasikan jumlah pelanggan di setiap cluster dengan menggunakan atribut LRFM (Length, Recency, Frequency dan Monetary). Hasil yang didapatkan dari studi kasus Maninjau Center Kota Malang menunjukkan bahwa segmen pelanggan yang terbentuk adalah empat cluster. Hasil strategi marketing sesuai karakteristik pelanggan di tiap-tiap clustering.

English Abstract

Customer Relationship Management is all aspects related the company with the customer, whether it's sales or any other service. Maninjau Center is a company engaged in the field of fashion trade in Malang. As the company grows, the customer also increases. Managing customers to the maximum is a necessity in a business to continue to increase profits. Attempts to manage customers by finding out who is loyal, disloyal and so forth are with customer segmentation. Customer segmentation is one way to get information about customer characteristics. Customer segmentation can be done by collecting and digging customer data. When customer segmentation has been established, the company can implement strategies that match the characteristics of the customer for each group. The purpose of this study is to determine the value of customers who are similarly characteristic then in segmentasikan and given a customer management strategy in accordance with customer segments formed in Maninjau Center Malang City 2016. This research begins through the stages of business understanding, interviews and direct observation. The next step to collect customer transaction data, then prepocessing data by selecting data that is useful only for the analysis. Then look for customer value with corresponding LRFM parameter (Length, Recency, Frequency and Monetary). Then apply the K-Means algorithm to produce clustering customers whose characteristics are similar. After the clustering operation is done, the cluster will be printed with customer value matrix and customer loyalty matrix to know the characteristics of each customer segment. Furthermore, customers will be given strategies that match the characteristics of each customer segment. The tools used to implement the K-Means algorithm are SPSS which results in the number of subscribers in each cluster by using LRFM attributes (Length, Recency, Frequency and Monetary). The results obtained from the case study Maninjau Center Malang City showed that the customer segment formed is four clusters. The results of marketing strategy according to customer characteristics in each clustering.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2017/599/051708111
Uncontrolled Keywords:	Customer Relationship Management, LRFM Model, Clustering Analysis, Algoritma K-Means, Customer Value Matrix, Customer Loyalty Matrix
Subjects:	000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning > 006.312 Data mining
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	Yusuf Dwi N.
Date Deposited:	05 Oct 2017 06:38
Last Modified:	17 Nov 2020 08:31
URI:	http://repository.ub.ac.id/id/eprint/3304

	Text Bagian Depan.pdf Download (3MB)
	Text BAB I.pdf Download (3MB)
	Text BAB II.pdf Download (3MB)
	Text BAB III.pdf Download (3MB)
	Text BAB IV.pdf Download (3MB)
	Text BAB V.pdf Download (3MB)
	Text BAB VI.pdf Download (3MB)
	Text Daftar Pustaka.pdf Download (3MB)

Actions (login required)

View Item