Implementasi K-Means Clustering dengan Menggunakan Data Transaksi Penjualan untuk Penentuan Reward pada Agen Aqua dan Gas LPG FF Tirta
DOI:
https://doi.org/10.52958/iftk.v18i3.4673Kata Kunci:
Clustering, K-Means Clustering, Reward, Davies-Bouldin IndexAbstrak
Target pelanggan bagi Agen Aqua dan Gas LPG sangatlah penting karena persaingan antar perusahaan sejenis mungkin terjadi dan mengakibatkan hilangnya kepuasan pelanggan. Penelitian ini memiliki tujuan yaitu membangun sistem yang dapat mengelompokkan dan mengetahui tingkat target pelanggan berdasarkan transaksi pembelian agar pihak agen dapat mempertahankan pelanggan yang potensial tersebut dengan cara memberikan memberikan hadiah berupa promo spesial (reward). Hasil penelitian ini ada pengelompokan pelanggan yang mendapatkan reward dan tidak dapat dilihat perbulannya, yaitu pada bulan Januari ada 75 pelanggan mendapatkan reward dan 100 tidak mendapatkan reward, Februari ada 70 pelanggan mendapatkan reward dan 106 tidak mendapatkan reward, Maret ada 80 pelanggan mendapatkan reward dan 96 tidak mendapatkan reward, April ada 35 pelanggan mendapatkan reward dan 141 tidak mendapatkan reward, Mei ada 65 pelanggan yang mendapatkan reward dan 111 tidak yang mendapatkan reward, Juni ada 43 pelanggan yang mendapatkan reward dan 133 tidak mendapatkan reward l, Juli ada 77 pelanggan yang mendapatkan reward dan 99 tidak mendapatkan reward, Agustus ada 48 pelanggan yang mendapatkan reward dan 128 tidak mendapatkan reward, September ada 94 pelanggan mendapatkan reward dan 82 tidak mendapatkan reward, dan Oktober ada 94 pelanggan mendapatkan reward dan 82 tidak mendapatkan reward.
Kata Kunci: Clustering, K-Means Clustering, Reward, Davies-Bouldin Index
Referensi
A. Ardimansyah, Firdaus, A. T. Iqram, dan Annah. “Implementasi Metode K-Means Clustering Pada Aplikasi Analisis Loyalitas Pelanggan PT. PLN (Persero) ULP Maros Berbasis Progressive Web Apps.” dalam Seminar Ilmiah Sistem Informasi Dan Teknologi Informasi X(1), 2021, hal. 98-107.
R. Hamdani, “Pengelompokkan Loyalitas Pelanggan Dengan Menggunakan Kombinasi Rfm Dan Algoritma K-Means,” Journal Of Informatic Pelita Nusantara, vol. 5, no. 1, hal. 7-13, 2020.
I. Maskanah, A. Primajaya, dan A. Rizal, “Segmentasi Pelanggan Toko Purnama dengan Algoritma K-Means dan Model RFM untuk Perancangan Strategi Pemasaran,” Inovtek Polbeng - Seri Informatika, vol. 5, no. 2, hal. 218-228, 2020.
M. B. Maulana, Slamin, dan O. Juwita, “250XRancang Bangun Aplikasi Customer Relationship Management (CRM) Untuk Identifikasi Tingkat Kepuasan Pelanggan Pada Perusahaan PT. TIKI Jalur Nugraha Ekakurir (JNE) Agen Mastrip Jember Menggunakan Metode K-Means Clustering,” Informatics Journal, vol. 2, no. 2, hal. 92-100, 2017.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
KEBIJAKAN YANG DIAJUKAN UNTUK JURNAL YANG MENAWARKAN AKSES TERBUKA
Syarat yang harus dipenuhi oleh Penulis sebagai berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
Download Template
