Palupi, Ghea Sekar (2015) Segmentasi Retailer Dengan Model RFM-Location Dan ANT-KMEANS Sebagai Upaya Pengembangan Strategi Retensi Retailer Pada Perusahaan Distribusi Farmasi (Studi Kasus: PT. XYZ). Undergraduate thesis, Institut Technology Sepuluh Nopember.
Preview |
Text
5211100080-Undergraduate Thesis.pdf - Published Version Download (3MB) | Preview |
Abstract
Retailer merupakan salah satu kunci yang dapat mendukung
kesuksesan sebuah perusahaan distribusi. Retailer merupakan
salah satu pelanggan perusahaan yang bersifat B2B dalam
sebuah rantai bisnis. Pada perusahaan distributor modern, hal
yang menjadi fokus utama adalah segmentasi retailer dengan
melihat nilai, kesetiaan, dan kontribusi yang diberikan retailer
untuk distributor dalam jangka waktu yang lama. Segmentasi
merupakan sebuah alat yang berguna untuk mengidentifikasi
kelompok-kelompok retailer yang memiliki karakteristik sama
sehingga hasilnya dapat digunakan untuk meningkatkan
kesetiaan retailer melalui pengembangan dan
pengimplementasian strategi retensi retailer.
Dalam tugas akhir ini, metode data mining digunakan untuk
mendukung proses segmentasi retailer. Algoritma yang
digunakan adalah algoritma hybrid Ant Clustering dengan Kmeans
(Ant-KMeans). Algoritma Ant Clustering digunakan
untuk menentukan nilai k dan centroid awal yang akan
digunakan sebagai input clustering selanjutnya menggunakan
algoritma K-Means. Segmentasi retailer dilakukan
vi
berdasarkan pada nilai customer lifetime value dengan empat
parameter, yaitu Recency, Frequency, Monetary dan Location
(RFM-Location). Model ini merupakan pengembangan model
RFM. Parameter Location pada model RFM-Location adalah
jarak lokasi antara PT. XYZ dengan retailer. Parameter
location dinilai sebagai salah satu parameter yang dapat
menunjukkan retailer memiliki nilai lebih atau tidak di dalam
PT. XYZ.
Hasil dari tugas akhir ini adalah strategi retensi retailer yang
sesuai dengan karakteristik masing-masing segmen. Proses
clustering menggunakan empat parameter (RFM-Location)
menghasilkan 8 segmen retailer dengan karakteristik yang
berbeda di dalam PT. XYZ.
===========================================================================================================
Retailer is one of the most important factors that support the
success of a distribution company. Retailer is a company’s
regular customer that is B2B company in a business chain. In
modern distribution company, the main focus is retailer
segmentation that considers value, loyalty, and contribution
given by the retailer for the distributor in a long term.
Segmentation is a tool used for identifying groups of retailer
that have the same characteristics, thus the results can be used
to increase retailer’s loyalty through development and
implementation of the retailer retention strategy.
In this thesis, methods of data mining used to support the
process of retailer segmentation. The algorithm used is hybrid
algorithm of Ant Clustering with K-means (Ant-Kmeans). Ant
Clustering algorithms are used to determine the value of k and
the initial centroid to be used as input for subsequent
clustering that use K-Means algorithm. Retailer segmentation
is done based on the value of customer lifetime with four
parameters, namely Recency, Frequency, Monetary and
viii
Location (RFM-Location). This model is developed from RFM
model. Location parameter in RFM-Location is distance
between the location of PT. XYZ and the retailer. Parameter
location is rated as one of the parameters that can indicate
retailers have more value or not in the PT. XYZ.
The final outcome of this thesis is that retailers retention
strategies according to the characteristics of each segment.
Clustering process using four parameters (RFM-Location)
produce 8 segments retailers with different characteristics in
the PT. XYZ.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSI 658.872 Pal s |
| Uncontrolled Keywords: | segmentasi retailer; data mining; clustering; customer lifetime value; RFM-Location; Ant-Kmeans; CRM |
| Subjects: | H Social Sciences > HF Commerce > HF5415.5 Customer services. Customer relations Q Science > QA Mathematics > QA278.55 Cluster analysis |
| Divisions: | Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Mr. Tondo Indra Nyata |
| Date Deposited: | 28 Jun 2019 04:12 |
| Last Modified: | 28 Jun 2019 04:12 |
| URI: | http://repository.its.ac.id/id/eprint/63356 |
Actions (login required)
 |
View Item |