Segmentasi Retailer Operator Telekomunikasi Menggunakan Metode K-Means Dan Model Length, Recency, Frequency, Monetary (LRFM),(Studi Kasus: PT. XYZ).

PERDANA, SYAHRUL SEPTA (2018) Segmentasi Retailer Operator Telekomunikasi Menggunakan Metode K-Means Dan Model Length, Recency, Frequency, Monetary (LRFM),(Studi Kasus: PT. XYZ). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
05211440000170_Undergraduate_Theses.pdf - Published Version
Restricted to Repository staff only

Download (2MB)

Abstract

Perkembangan industri di bidang telekomunikasi di Indonesia pada saat ini sangat berkembang pesat hal ini didukung oleh adanya penggunaan telepon seluler ataupun smartphone yang terus meningkat. Pertumbuhan penggunaan telepon seluler diikuti dengan pertumbuhan pengguna operator seluler mengakibatkan persaingan yang ketat antar operator seluler dan menghasilkan berbagai cara strategi pemasaran. PT XYZ memiliki beberapa program untuk menarik perhatian para pelanggan, namun program tersebut diimplementasikan kepada semua pelanggan tanpa adanya segmentasi sehingga program yang dijalankan tidak efektif dan efisien. Untuk menyelesaikan permasalahan tersebut, salah satu solusi yang dapat digunakan adalah melakukan pendekatan pelanggan dengan cara menentukan segmentasi pelanggan. Segmentasi yang dilakukan menggunakan metode clustering K-Means dengan menerapkan model LRFM yang menggambarkan perilaku pelanggan dalam melakukan trasanksi yang dikelompokan sesuai segmen. Hasil dari proses clustering dengan menggunakan metode K-Means dan model LRFM adalah tiga segmen retailer. Segmen 1 adalah segmen terburuk dengan rata-rata nilai CLV 0.12 dengan jumlah retailer pada segmen ini sebanyak 93 retailer. Segmen 2 adalah segmen terbaik dengan nilai rata-rata CLV 0.32 dengan jumlah 133 retailer dan segmen 3 merupakan segmen menengah dengan rata-rata CLV 0.19 dengan jumlah retailer terbanyak yakni 398 retailer. Penelitian ini juga menghasilkan visualisasi berbasis web yang menyajikan grafik yang mempermudah analisa hasil clustering. ========== The development of telecommunication industry in Indonesia at this time is very rapidly developed this is supported by the use of mobile phone or smartphone that continues to increase. The growth in cellular usage followed by the growth of mobile operator users resulted in intense competition among mobile operators and resulted in various ways of marketing strategy. PT XYZ has several programs to attract the attention of customers, but the program is implemented to all customers without any segmentation so that the program is run ineffective and efficient. To solve the problem, one solution that can be used is to approach the customer by determining customer segmentation. Segmentation is done using K-Means clustering method by applying LRFM model that describes customer behavior in performing trassion which is grouped according to segment. The result of clustering process using K-Means method and LRFM model are three segment of retailer. Segment 1 is the worst segment with an average CLV of 0.12 with the number of retailers in this segment of 93 retailers. Segment 2 is the best segment with an average CLV value of 0.32 with a total of 133 retailers and segment 3 is a segment with an average CLV of 0.19 with the largest number of retailers of 398 retailers. The research also produces web-based visualizations that provide clustering graphs.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Data Mining, Segmentasi Pelanggan, K-Means, Model LRFM, Clustering, Clustering, K-Means, LRFM Model, Customer Segmentation
Subjects: H Social Sciences > HF Commerce > HF5415.127 Market segmentation. Target marketing
Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
Divisions: Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis
Depositing User: Syahrul Septa Perdana
Date Deposited: 16 Aug 2018 04:46
Last Modified: 16 Aug 2018 04:46
URI: http://repository.its.ac.id/id/eprint/52295

Actions (login required)

View Item View Item