Penerapan Algoritma Fuzzy C-Means Untuk Clustering Pelanggan Pada CV. Mataram Jaya Bawen
Article Sidebar
Main Article Content
Abstract
Persaingan usaha yang ketat dewasa ini mengharuskan perusahaan untuk berfokus kepada kebutuhan yang diinginkan oleh konsumen.Hal tersebut membuat perusahaan harus berfikir bagaimana mengelola data pelanggan supaya dapat dimanfaatkan dengan baik untuk pengembangan strategi pemasaran.Dan Pengelompokkan (cluster) pelanggan berdasarkan karakteristik mereka masing-masing dapat dijadikan alternatif dalam memecahkan masalah tersebut.Dalam pengelompokan (cluster) pelanggan terdapat beberapa metode clustering data mining yang dapat digunakan, salah satunya adalah metode Fuzzy C-Means (FCM). FCM adalah adalah algoritma clustering dimana satu objek dapat menjadi anggota beberapa cluster serta batasan cluster FCM adalah samar. Output dari FCM adalah deretan pusat cluster dan beberapa derajat keanggotaan untuk setiap titik data. Dalam pengelompokkan ini, pelanggan akan dibagi menjadi 4 cluster pelanggan yaitu Golden, Silver, Bronze, dan Iron dengan variabel yang dijadikan acuan adalah tanggal pembelian akhir , frequensi beli dan total pembelian. Data yang digunakan merupakan data transaksi pelanggan periode September - Desember 2015. Total data adalah 709 transaksi dari 75 pelanggan. Setelah data tersebut diolah dengan metode Fuzzy C-Means, hasil akhir menunjukkan iterasi berakhir pada iterasi ke – 30 dengan perubahan fungsi objektif sebesar 9.8. Cluster pelanggan yang dihasilkan adalah Golden : 27, Silver : 15, dan Bronze : 33 dengan validitas cluster sebesar 0.596277.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Eksplora Informatika bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di Jurnal Eksplora Informatika setuju dengan ketentuan berikut:
- Penulis memegang hak cipta dan memberikan hak publikasi pertama kepada Jurnal Eksplora Informatika menggunakan lisensi Creative Commons Attribution-ShareAlike 4.0.
- Penulis diizinkan untuk mengarsipkan/menggunggah/meyimpan artikel mereka, misalnya dalam repositori institusional atau situs web/blog penulis, namun diharapkan agar memberikan rincian bibliografi yang menghargai publikasi di jurnal ini.
- Jurnal Eksplora Informatika berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
- Jurnal Eksplora Informatika berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.
References
Dyantina, O., Afrina, M., & Ibrahim, A. (2012). Penerapan Customer Relationship Management (CRM) Berbasis Web (Studi Kasus Pada Sistem Informasi Pemsaran di Toko YEN - YEN). Jurnal Sistem Informasi (JSI), vol. 4, no. 2, , PP. 516-529.
Kotler, P., & Keller, K. L. (2009). manajemen Pemasaran Jilid 13 . Jakarta: Penerbit Erlangga.
Raharjo, S., & Winarko, E. (2014). KLASTERISASI, KLASIFIKASI DAN PERINGKASAN TEKS BERBAHASA INDONESIA. Prosiding Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2014) (pp. PP 391-401). Depok: Universitas Gunadarma.
Mardiani. (2014). Perbandingan Algoritma K-Means dan EM Untuk Clusterisasi Nilai Mahasiswa Berdasarkan Asal Sekolah. Citec Journal, Vol.1, No.4 , pp. 316 - 325.
Munandar, T. A., Widyarto, W. O., & Harsiti. (2013). Clustering Nilai Mahasiswa Untuk Pengelompokan Konsentrasi Jurusan Menggunakan Fuzzy Cluster Means. Seminar Naional Aplikasi Teknologi Informasi (SNATI), (pp. pp 30-33). Yogyakarta.
Febriani, L. (2012). Pengelompokan Mahasiswa Sistem Informasi Berdasarkan Tingkat Kompetensi Akademik Dengan Fuzzy K-Means. Jurnal EKSIS Vol 05 No 01 , pp 19-29.
Megawati, N., Mukid, M. A., & Rahmawati, R. (2013). Segmentasi Pasar Pada Pusat Perbelanjaan Menggunakan Fuzzy C-Means (Studi Kasus : Rita Pasaraya Cilacap). Jurnal Gaussian Vol. 2 No.4 , pp 343 - 350. 35
