IMPLEMENTASI DATA MINING UNTUK MENENTUKAN PELANGGAN POTENSIAL MENGGUNAKAN ALGORITMA PENGKLASTERAN K-MEANS DAN K-NEAREST NEIGHBORS (KNN)

Setyadji, Teddy (2025) IMPLEMENTASI DATA MINING UNTUK MENENTUKAN PELANGGAN POTENSIAL MENGGUNAKAN ALGORITMA PENGKLASTERAN K-MEANS DAN K-NEAREST NEIGHBORS (KNN). Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full text) RAMA_55201_18103020141.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (5MB) | Request a copy
	Text (Similarity) RAMA_55201_18103020141_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (964kB)
	Text (Cover sd BAB 1 + References) RAMA_55201_18103020141_0708049001_0705129001_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (BAB 2) RAMA_55201_18103020141_0708049001_0705129001_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (321kB) | Request a copy
	Text (BAB 3) RAMA_55201_18103020141_0708049001_0705129001_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (BAB 4) RAMA_55201_18103020141_0708049001_0705129001_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (941kB) | Request a copy
	Text (BAB 5) RAMA_55201_18103020141_0708049001_0705129001_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (12kB) | Request a copy
	Text (References) RAMA_55201_18103020141_0708049001_0705129001_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (80kB)
	Text (Lampiran) RAMA_55201_18103020141_0708049001_0705129001_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy

Abstract

Pelanggan merupakan aset penting bagi perusahaan, sehingga diperlukan analisis untuk memahami pola belanja mereka guna meningkatkan strategi pemasaran dan loyalitas pelanggan. Penelitian ini bertujuan untuk menerapkan metode K-Means Clustering yang dikombinasikan dengan K-Nearest Neighbors (KNN) dalam mengelompokkan pelanggan berdasarkan total belanja, intensitas belanja, dan jumlah poin yang diperoleh. Sistem ini dikembangkan menggunakan framework Laravel dengan database MySQL untuk menyimpan hasil clustering sebagai riwayat perhitungan yang dapat diakses kembali tanpa perlu melakukan perhitungan ulang. Metode K-Means Clustering digunakan untuk mengelompokkan pelanggan ke dalam beberapa segmen berdasarkan kemiripan data mereka, sementara KNN digunakan sebagai metode klasifikasi untuk mengelompokkan pelanggan baru ke dalam klaster yang telah terbentuk. Proses clustering diawali dengan pemilihan centroid awal, dilanjutkan dengan iterasi perhitungan jarak Euclidean untuk menentukan keanggotaan klaster, hingga mencapai konvergensi. Hasil clustering kemudian disimpan ke dalam sistem agar dapat digunakan untuk analisis lebih lanjut. Hasil penelitian menunjukkan bahwa metode K-Means dan KNN mampu mengelompokkan pelanggan secara efektif, dengan pola belanja yang lebih mudah dianalisis. Implementasi sistem berbasis web ini juga memberikan kemudahan dalam memantau serta mengevaluasi segmen pelanggan berdasarkan riwayat transaksi masing-masing pelanggan.

Actions (login required)

View Item