Segmentasi Retailer Dengan Model RFM-Location Dan ANT-KMEANS Sebagai Upaya Pengembangan Strategi Retensi Retailer Pada Perusahaan Distribusi Farmasi (Studi Kasus: PT. XYZ)

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.

[img]
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 > (S1) Undergraduate Theses
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 View Item