Al Fabich, Mochammad Iqbal Desta and FARIDA, INTAN NUR and HELILINTAR, RISA (2024) IMPLEMENTASI K-MEANS CLUSTERING DALAM PEMILIHAN PELANGGAN POTENSIAL DI BEE LAUNDRY. Undergraduate thesis, Universitas Nusantara PGRI Kediri.
Text (Full Text)
RAMA_55201_18103020101.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy |
|
Text (Similarity)
RAMA_55201_18103020101_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (98kB) |
|
Text (Cover sd BAB 1 + References)
RAMA_55201_18103020101_0704108701_0721058902_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (175kB) |
|
Text (BAB 2)
RAMA_55201_18103020101_0704108701_0721058902_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (263kB) | Request a copy |
|
Text (BAB 3)
RAMA_55201_18103020101_0704108701_0721058902_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (381kB) | Request a copy |
|
Text (BAB 4)
RAMA_55201_18103020101_0704108701_0721058902_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (379kB) | Request a copy |
|
Text (BAB 5)
RAMA_55201_18103020101_0704108701_0721058902_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (9kB) | Request a copy |
|
Text (References)
RAMA_55201_18103020101_0704108701_0721058902_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (76kB) |
|
Text (Lampiran)
RAMA_55201_18103020101_0704108701_0721058902_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (625kB) | Request a copy |
Abstract
Artikel ini membahas implementasi metode K-Means Clustering dalam pemilihan pelanggan potensial di Bee Laundry. Tujuan dari penelitian ini adalah untuk membantu Bee Laundry dalam mengidentifikasi pelanggan potensial yang memiliki karakteristik serupa berdasarkan pola penggunaan, jenis layanan, preferensi khusus, dan atribut lainnya. Metode K-Means Clustering digunakan untuk mengelompokkan pelanggan ke dalam kelompok yang saling mirip berdasarkan atribut yang relevan. Hasil klustering memberikan pemahaman yang lebih baik tentang profil pelanggan, memungkinkan Bee Laundry untuk menyesuaikan strategi pemasaran yang lebih spesifik dan efektif. Melalui implementasi K-Means Clustering, Bee Laundry dapat meningkatkan kepuasan pelanggan, memperluas basis pelanggan, dan meningkatkan pendapatan mereka secara keseluruhan. Hasil penelitian menunjukkan bahwa implementasi K-Means Clustering dalam pemilihan pelanggan potensial di Bee Laundry memiliki potensi untuk memberikan manfaat yang signifikan dalam pengembangan strategi pemasaran dan pengambilan keputusan yang lebih terarah. Berdasarkan proses algoritma k-means pada penelitian ini dengan memiliki himpunan attribut yaitu: Recency, Frequency dan Monetary. Dalam penelitian ini telah dibuat progam K-Means untuk pengelompokan pelanggan potensial, informasi yang ditampilkan berupa nilai centroid dari tiap tiap clustter dan kelompok-kelompok pelanggan potensial. Penerapan metode K-Means Clustering pada penelitian ini menghasilkan 2 cluster yaitu Tidak Potensial dan Pelanggan Potensial. Adapun data yang digunakan dalam penelitian ini adalah data transaksi pada bulan September - November pada tahun 2023 dengan perhitungan menunjukan bahwa terdapat 12 pelanggan yang tidak potensial dan 12 pelanggan yang potensial.
Item Type: | Thesis (Undergraduate) |
---|---|
Uncontrolled Keywords: | Artikel ini membahas implementasi metode K-Means Clustering dalam pemilihan pelanggan potensial di Bee Laundry. Tujuan dari penelitian ini adalah untuk membantu Bee Laundry dalam mengidentifikasi pelanggan potensial yang memiliki karakteristik serupa berdasarkan pola penggunaan, jenis layanan, preferensi khusus, dan atribut lainnya. Metode K-Means Clustering digunakan untuk mengelompokkan pelanggan ke dalam kelompok yang saling mirip berdasarkan atribut yang relevan. Hasil klustering memberikan pemahaman yang lebih baik tentang profil pelanggan, memungkinkan Bee Laundry untuk menyesuaikan strategi pemasaran yang lebih spesifik dan efektif. Melalui implementasi K-Means Clustering, Bee Laundry dapat meningkatkan kepuasan pelanggan, memperluas basis pelanggan, dan meningkatkan pendapatan mereka secara keseluruhan. Hasil penelitian menunjukkan bahwa implementasi K-Means Clustering dalam pemilihan pelanggan potensial di Bee Laundry memiliki potensi untuk memberikan manfaat yang signifikan dalam pengembangan strategi pemasaran dan pengambilan keputusan yang lebih terarah. Berdasarkan proses algoritma k-means pada penelitian ini dengan memiliki himpunan attribut yaitu: Recency, Frequency dan Monetary. Dalam penelitian ini telah dibuat progam K-Means untuk pengelompokan pelanggan potensial, informasi yang ditampilkan berupa nilai centroid dari tiap tiap clustter dan kelompok-kelompok pelanggan potensial. Penerapan metode K-Means Clustering pada penelitian ini menghasilkan 2 cluster yaitu Tidak Potensial dan Pelanggan Potensial. Adapun data yang digunakan dalam penelitian ini adalah data transaksi pada bulan September - November pada tahun 2023 dengan perhitungan menunjukan bahwa terdapat 12 pelanggan yang tidak potensial dan 12 pelanggan yang potensial. |
Subjects: | 410 Engineering science > 457 Computer engineering 410 Engineering science > 458 Technical information 410 Engineering science > 462 Information technology |
Divisions: | Fakultas Teknik dan Ilmu Komputer > S1-Teknik Informatika |
Depositing User: | Mochammad Iqbal Desta Al Fabich |
Date Deposited: | 19 Jul 2024 04:12 |
Last Modified: | 19 Jul 2024 04:12 |
URI: | http://repository.unpkediri.ac.id/id/eprint/13204 |
Actions (login required)
View Item |