Perbandingan Hasil Segmentasi Pelanggan dengan RFM Scoring dan RFM Based K-Means Clustering

Muliabanta, Natanael Hadi (2024) Perbandingan Hasil Segmentasi Pelanggan dengan RFM Scoring dan RFM Based K-Means Clustering. Project Report. [s.n.], [s.l.]. (Unpublished)

	Text 5006201107-Project_Report.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy
	Text 5006201107-Project_Report.pdf - Accepted Version Download (3MB)

Abstract

Analisis yang umum digunakan dalam pengelompokan pelanggan adalah analisis model Recency, Frequency, Monetary (RFM). Model ini memaparkan pelanggan berdasarkan interval waktu kunjungan terakhir pelanggan, frekuensi kunjungan, dan besaran nilai yang dikeluarkan sebagai royalty perusahaan. Segmentasi pelanggan umumnya dilakukan dengan scoring terhadap data RFM masing-masing pelanggan (RFM Scoring). Penggunaan RFM scoring dapat memberikan segmentasi pelanggan berdasarkan perilakunya, namun dilakukan perbandingan ketika data RFM tersebut digunakan dalam algoritma K-Means Clustering. K-means Clustering merupakan algoritma unsupervised machine learning yang mengelompokan data dari mean data fiturnya, dalam konteks ini data fitur merupakan data RFM dari tiap pelanggan. Didapatkan bahwa hasil segmentasi pelanggan dari K-Means Clustering lebih tertata, dengan perilaku yang berbeda sedangkan segmentasi RFM scoring terpisah secara linear.

Item Type:	Monograph (Project Report)
Uncontrolled Keywords:	Customer Segmentation, Segmentasi Pelanggan, Clustering, RFM Scoring
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA278.55 Cluster analysis Q Science > QA Mathematics > QA401 Mathematical models.
Divisions:	Faculty of Mathematics, Computation, and Data Science > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Natanael Hadi Muliabanta
Date Deposited:	14 Jan 2025 06:57
Last Modified:	14 Jan 2025 06:57
URI:	http://repository.its.ac.id/id/eprint/116294

Actions (login required)

View Item