Saputra, Denny Bintang (2018) Implementasi Fuzzy C-Means Dan Model RFM Untuk Segmentasi Pelanggan (Studi Kasus : PT. XYZ). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5214100135_Undergraduate_Theses.pdf - Accepted Version Download (2MB) | Preview |
Abstract
Era globalisasi yang disertai dengan berlakunya MEA menyebabkan persaingan dalam berbagai sektor bisnis, termasuk sektor industri. Hal ini memaksa perusahaan-perusahaan yang bergerak di sektor industri di Indonesia untuk bersaing dengan negara-negara tetangga di ASEAN, termasuk PT. XYZ. Banyaknya perusahaan kompetitor yang menawarkan harga rendah membuat pelanggan PT. XYZ beralih pada kompetitor. Terkait dengan hal tersebut, PT. XYZ telah melakukan berbagai kegiatan promosi dalam rangka mengelola hubungan dengan pelanggan. Namun kegiatan promosi selama ini diimplementasikan kepada semua pelanggan tanpa adanya segmentasi sehingga strategi promosi menjadi tidak efektif dan efisien.
Untuk menyelesaikan masalah pelanggan tersebut, salah satu solusi yang dapat dilakukan adalah menentukan segmentasi pelanggan. Segmentasi yang dilakukan menggunakan metode clustering Fuzzy C-Means. Sedangkan untuk menentukan jumlah K, metode yang digunakan adalah metode Elbow. Dalam proses clustering, diterapkan variabel RFM yang menggambarkan perilaku pelanggan dalam melakukan transaksi. Setelah hasil clustering muncul, cluster tersebut akan divisualisasikan sehingga memudahkan untuk menganalisa setiap cluster.
Hasil dari clustering dengan Fuzzy C-Means dan model RFM adalah tiga segmen pelanggan. Segmen 1 adalah segmen terburuk dengan rata-rata nilai CLV 0.0538. Segmen 2 adalah segmen menengah dengan rata-rata nilai CLV 0.1674. Segmen 3 adalah segmen terbaik dengan rata-rata nilai CLV 0.3516. Segmen 1 memiliki 42 anggota, segmen 2 memiliki 64 anggota, dan segmen 3 memiliki 17 anggota. Penelitian ini menghasilkan visualisasi berbasis web yang menyajikan grafik hasil clustering
==================================================================================================
Globalization era and Asean Economic Community caused competitions in many business sectors, including industry sector. This condition forced many companies in industry sector in Indonesia to compete with other ASEAN countries, including PT. XYZ. Several company competitors that offer low price of product make the customers of PT. XYZ move to the competitors. Actually, PT XYZ had applied some marketing strategies to manage relationship with customers. But, these marketing strategies were implemented to all customers without any segmentations, so the marketing strategies are not effective and efficient.
One of the solution to solve that customer problem is customer segmentation analysis. This segmentation is constructed using Fuzzy C-Means clustering method. Meanwhile, Elbow method is used to determine the K value of clustering. During the clustering process, the variables that used refer to RFM model describing behavior of customers when transactions occured. After clustering result constructed, the clusters will be visualized to make cluster analysis easier.
The clustering process with Fuzzy C-Means and RFM model resulted three customer segments. Segment 1 is the worst segment which has 0.0538 CLV average. Segment 2 is the medium segment which has 0.1674 CLV average. Segment 3 is the best segment which has 0.0538 CLV average. Segment 1 has 42 members, segment 2 has 64 members, and segment 3 has 17 members. This research resulted web-based visualization that presents graphics of clustering results.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSI 658.812 Sap i-1 3100018074409 |
| Uncontrolled Keywords: | Clustering; Fuzzy C-Means; Model RFM; Segmentasi Pelanggan |
| Subjects: | Q Science > QA Mathematics > QA278.55 Cluster analysis Q Science > QA Mathematics > QA248_Fuzzy Sets Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources |
| Divisions: | Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Denny Bintang Saputra |
| Date Deposited: | 08 Feb 2018 07:52 |
| Last Modified: | 23 Jun 2020 23:52 |
| URI: | http://repository.its.ac.id/id/eprint/49640 |
Actions (login required)
 |
View Item |