Aplikasi Pengelompokan Pelanggan Menggunakan Metode Ward dan Algoritma K-Means
Abstract
Pada zaman sekarang, pelanggan adalah aset terpenting suatu perusahaan. Semua pelanggan mendapatkan pelayanan yang sama dan terbaik dari perusahaan tetapi masih ada pelanggan yang berhenti melakukan transaksi. Hal tersebut terjadi karena kebutuhan pelanggan yang berbeda-beda belum dapat dipenuhi perusahaan karena perusahaan memberikan pelayanan yang sama kepada semua pelanggan. Adapun solusi yang dapat dilakukan yaitu melakukan pengelompokan pelanggan dan menentukan karakteristik dari setiap kelompok pelanggan. Pengelompokan pelanggan dapat diketahui menggunakan clustering. Data yang digunakan untuk proses clustering adalah nilai setiap pelanggan yang terdiri dari variabel length, recent, frequency dan monetary, setelah mendapatkan nilai pelanggan maka selanjutnya melakukan proses clustering dengan metode ward untuk menentukan jumlah kelompok dan algoritma k-means untuk menentukan jumlah pelanggan dari setiap kelompok, lalu setiap kelompok dipetakan dengan customer loyalty matrix dan customer value matrix sehingga mengetahui karakteristik setiap kelompok pelanggan. Hasil yang didapatkan adalah 2 kelompok pelanggan dengan karakteristik high value new customers dan uncertain new customers. Pengujian menggunakan perbandingan kesesuaian perhitungan metode di aplikasi dengan SPSS menghasilkan nilai yang sama sehingga hasil perhitungan metode di aplikasi telah valid dan pengujian user acceptance test adalah semua kebutuhan pengguna telah terpenuhi dan aplikasi sudah diterima pengguna. Berdasarkan hasil tersebut maka aplikasi dapat membantu pengguna untuk mengelompokkan pelanggan dan menentukan karakteristik setiap kelompok pelanggan.Kata kunci : Kelompok Pelanggan, Karakteristik Pelanggan, Clustering, Metode Ward, Algoritma K-MeansReferences
Dewi, D. P., “Evaluasi dan Rekomendasi Peningkatan Nilai Hidup Pelanggan Berdasarkan Analisa RFM Perilaku Pembelian Pelanggan : Studi Kasus PT.XYZâ€, Jurnal Teknik POMITS, 2013.
Han, J., Kamber, M., & Pei, J.,†Data Mining Concepts and Techniques Third Editionâ€, California: Morgan Kauffman, 2012.
Hendrawan, R.A, “Evaluasi Loyalitas Pelanggan Distributor Produk Etikal Farmasi Berdasarkan Nilai Pelangganâ€, Jurnal Sistem Informasi Institut Sepuluh Nopember, Surabaya, 2015.
Laeli, S., “Analisis Cluster dengan Average Linkage Method dan Ward’s Method untuk Data Responden Nasabah Asuransi Jiwa Unit Linkâ€, Yogyakta: Universitas Negeri Yogyakarta, 2014
Li, D. C., Dai, W. L., & Tseng, W. T, “A Two Stage Clustering Method to Analyze Customer Characteristics to Build Discriminative Customer Management: A Case of Textile Manufacturing Businessâ€, Elsevier, 2011.
Prayitno, “Penentuan Bidang Konsentrasi Studi Tugas Akhir Berdasarkan Nilai Matakuliah Dengan Klasterisasi Kmeansâ€, Teknik Informatika, Politeknik Elektronika Negeri Semarang, 2009.
Pujiati, S. A., “Keputusan Bisnis Dalam Râ€, Surabaya: Berbagi .NET, 2010.
Santosa, B.,“Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnisâ€, Graha Ilmu, Yogyakarta, 2007.
Santoso, S., “Statistik Multivariatâ€, Jakarta: PT Elex Media Komputindo, 2010.
Sumathi, S., & Sivanandam, S., “Introduction to Data Mining and Its Applicationsâ€. India: Springer, 2006.
Tan, P., Steinbach, M., & Kumar, V, “Introduction to Data Miningâ€, Pearson Education, Inc., 2006.
Downloads
Published
Issue
Section
License
Copyright info for authors
1. Authors hold the copyright in any process, procedure, or article described in the work and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
2. Authors retain publishing rights to re-use all or portion of the work in different work but can not granting third-party requests for reprinting and republishing the work.
3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) as it can lead to productive exchanges, as well as earlier and greater citation of published work.