Segmentasi pelanggan ritel online menggunakan k-means clustering berdasarkan model recency, frequency, monetary (rfm)
Penerbit : FTI - Usakti
Kota Terbit : Jakarta
Tahun Terbit : 2025
Pembimbing 1 : Dian Pratiwi
Pembimbing 2 : Syandra Sari
Kata Kunci : Customer Segmentation, RFM (Recency, Frequency, Monetary) Model, Customer Profile, K-Means Clusterin
Status Posting : Published
Status : Lengkap
No. | Nama File | Hal. | Link |
---|---|---|---|
1. | 2025_SK_STF_064002000011_Halaman-Judul.pdf | 11 | |
2. | 2025_SK_STF_064002000011_Surat-Pernyataan-Revisi-Terakhir.pdf | ||
3. | 2025_SK_STF_064002000011_Surat-Hasil-Similaritas.pdf | ||
4. | 2025_SK_STF_064002000011_Halaman-Pernyataan-Persetujuan-Publikasi-Tugas-Akhir-untuk-Kepentingan-Akademis.pdf | ||
5. | 2025_SK_STF_064002000011_Lembar-Pengesahan.pdf | ||
6. | 2025_SK_STF_064002000011_Pernyataan-Orisinalitas.pdf | ||
7. | 2025_SK_STF_064002000011_Formulir-Persetujuan-Publikasi-Karya-Ilmiah.pdf | ||
8. | 2025_SK_STF_064002000011_Bab-1-Pendahuluan.pdf | 6 | |
9. | 2025_SK_STF_064002000011_Bab-2-Landasan-Teori.pdf | 22 |
|
10. | 2025_SK_STF_064002000011_Bab-3-Metodologi-Penelitian.pdf | 3 |
|
11. | 2025_SK_STF_064002000011_Bab-4-Analisis-dan-Pembahasan.pdf | 94 |
|
12. | 2025_SK_STF_064002000011_Bab-5-Kesimpulan-dan-Saran.pdf | 3 | |
13. | 2025_SK_STF_064002000011_Daftar-Pustaka.pdf | 5 |
S Segmentasi pelanggan merupakan proses pengelompokkan pelanggan berdasarkan karakteristik yang serupa. Segmentasi pelanggan merupakan langkah penting dalam strategi pemasaran untuk memahami perilaku konsumen dan meningkatkan efektivitas kampanye. Model Recency, Frequency, Monetary (RFM) dan algoritma K-Means Clustering terbukti dalam mengidentifikasi segmen pelanggan yang berbeda. Penelitian ini menggunakan data transaksi ritel online selama periode 2010-2011. Model RFM digunakan untuk menghitung nilai pelanggan berdasarkan recency, frequency, dan monetary. Selanjutnya, algoritma K-Means Clustering diterapkan pada data yang telah dinormalisasi untuk mengelompokkan pelanggan menjadi beberapa segmen. Hasil penelitian didapatkan adanya 3 segmen pelanggan yang berbeda secara. Ketiga segmen tersebut berbeda-beda secara karakteristik dapat memberikan gambaran yang lebih jelas mengenai perilaku konsumen. Dengan memahami karakteristik setiap segmen, perusahaan dapat merancang strategi pemasaran yang lebih efektif dan personal. Selain itu, penelitian ini juga memberikan kontribusi terhadap pengembangan ilmu pengetahuan dalam bidang analisa data.
C Customer segmentation is the process of grouping customers based on similar characteristics. It plays a critical role in marketing strategy, enabling businesses to understand consumer behavior and enhance the effectiveness of campaigns. The Recency, Frequency, Monetary (RFM) model and the K-Means Clustering algorithm have proven to be effective in identifying different customer segments. This study uses online retail transaction data from the period 2010-2011. The RFM model is employed to calculate customer value based on recency, frequency, and monetary metrics. Subsequently, the K-Means Clustering algorithm is applied to normalized data to group customers into several segments. The results reveal the existence of three distinct customer segments. These segments, characterized by varying traits, provide a clearer understanding of consumer behavior. By understanding the characteristics of each segment, companies can design more effective and personalized marketing strategies. Furthermore, this study contributes to the advancement of knowledge in the field of data analysis.