Tesis Ina Maryani

research
  • 20 Dec
  • 2021

Tesis Ina Maryani

Konsumen merupakan aset yang sangat penting bagi keberlangsungan perusahaan. Hal ini menjadi alasan mengapa perusahaan harus merencanakan dan menggunakan strategi yang cukup jelas dalam memperlakukan konsumen. Masalah yang dihadapi perusahaan adalah bagaimana menentukan konsumen potensial. Dengan menerapkan CRM (Customer Relationship Management), perusahaan dapat mengidentifikasi konsumen potensial dengan melakukan segmentasi konsumen. tujuan dari proses segmentasi konsumen adalah untuk mengetahui profil konsumen dan menerapkan strategi pemasaran yang tepat sehingga mendatangkan keuntungan bagi pihak perusahaan. Penelitian ini membahas bagaimana proses data mining dari data konsumen di Industri Knalpot, yaitu salah satu industri yang menjual produk berupa knalpot motor dan mobil di daerah Purbalingga. Data yang diolah dalam penelitian ini berasal dari data histori transaksi yang dilakukan oleh pelanggan dan bertujuan untuk mencari konsumen potensial, Model yang digunakan adalah model RFM, yaitu model segmentasi berdasarkan atribut Recency, Frequency dan Monetary. Model RFM merupakan model yang umum digunakan dalam proses segmentasi konsumen. Proses data mining dimulai dengan melakukan proses clustering menggunakan Algoritma Kmeans. selanjutnya diadakan uji validitas cluster menggunakan Davies Bouldin
Index untuk mengetahui cluster yang paling optimal, Selanjutnya untuk Penentuan Karakteristik Cluster dilakukan dengan Algoritma Decision Tree. Hasil dari penelitian ini adalah empat segmen pelanggan dan karakteristik dari masingmasing pelanggan serta rekomendasi strategi hubungan pelanggan.

Unduhan

 

REFERENSI

Aggelis, Vasilis dan Christodoulakis (2005), “Customer Clustering using RFM Analysis”, Proceedings of the 9th WSEAS International Conference on
Computers. (ICCOMP`05). Atyanto, Dhanika Budhi., Erawan, Mahendrawathi dan Soelaiman, Rully (2011), “Improving Modern Port Competitiveness by using Data Mining to Obtain Strategic Decision”, Proceeding of International Engineering Symposium
(IES)2011, Kumamoto University, Jepang,hal. E.4.1 -E.4.4. Bramer, M. (2007). Principles of Data Mining. London: Springer. Brown, S.A. 2000. Customer Relationship Management : A Strategic Cheng, Ching-Hsue dan Chen, You-Shyang (2009), “Classifiying the segmentation of customer value via RFM model and RS Theory”, Expert
Systems with Applications, Vo.36, hal. 4176-4184 Fadli, A. 2011. Konsep Data Mining. Artikel Populer IlmuKomputer.com. Farooqi, M. R. dan K. Raza. 2011. A Comprehensive Study of CRM
through Data Mining Techniques. Paper presented at the National Conference; NCCIST-2011. September 09, 2011. Golsefid, Samira M., Ghazanfari, Mehdi dan Alizadeh, Somayeh (2007), “Customer Segmentation in Foreign Trade based on Clustering Algorithms, case study: Trade Promotion Organization of Iran”,
International Journal of Computer,Information, and Systems Science, and
Engineering, Vol 1, No.3, hal. 175-181 Gorunescu, F. (2011). Data Mining Concepts, Models and Techniques. Berlin: Springer. Gupta, G. dan H. Anggarwal. 2012. Improving Customer Relationship Management Using Data Mining. International Journal of Machine
Learning and Computing. 2 (6), 874-877. Han, J., & Kamber, M. (2006). Data Mining Concepts and Techniques Second
Edition. California: Morgan Kaufmann.
Hill, Niegel, 1996,”Hand Book of Customer Satisfaction Measurement”, Gower. Publishing , England. Hui-Huang, H. (2006). Advanced Data Mining Technologies in Bioinformatics. United States of America: Idea Group Publishing. Kohavi, Ron., dan Parekh, Rajesh (2004). “Visualizing RFM Segmentation”,
SIAM.

Kothari, C. R. (2004). Research Methology Methods and Techniques. India: New Age International Limited. Kusrini, & Luthfi, T. E. (2009). Algoritma Data Mining. Yogyakarta: Penerbit Andi. Larose, D. T. (2006). Data Mining Methods and Models. Canada: John Wiley & Sons, inc. Maimon, O., & Rokach, L. (2010). Data Mining and Knowledge Discovery
Handbook Second Edition. New York: Springer. Mingoti, Sueli A. dan Lima, Joab O. (2006), “Comparing SOM neural network with Fuzzy c-means, K-means, and traditional hierachical clustering algorithms”,European Journal of Operational Research, Vol. 174, hal. 1742-1759. Niyagas, Waminee., Srivihok, Anongnart., dan Kristin, Sukumal (2006), “Clustering Ebanking Customer Using Data Mining And Marketing Segmentation”, ECTI Transactions on Computer and Information
Technology, Vol.2, No.1, Hal. 6369. Ngai, E.W.T., Xiu, L., Chau, D.C.K., 2008. Application of Data Mining
Techniques in Customer Relationship Management : A Literature Review
and Classification. Expert Systems with Applications 36 (2009) 2592– 2602. Olson, D. L., & Delen, D. (2008). Advanced Data Mining Techniques. Berlin: Springer. Swift, R.S. 2000. Accelerating Customer Relationships – Using CRM and
Relationship Technologies, Prentice Hall Inc. Tama, B.A. 2009. Implementasi Teknik Data Mining di dalam Konsep Customer
Relationship Management (CRM). Konferensi Nasional Sistem dan Informatika 2009, Bali, November 14, 2009. KNS&I09-011. Todman, C. 2001. Designing a Data Warehouse – Supporting Customer
Relationship Management, Hewlett Packard. Trappey, Charles V., Trappey, Amy J.C., Chang, Ai-Che., dan Huang, Ashley Y.L. (2009), “The Analysis of Customer Service Choices and Promotion Preferences using Hierarchical Clustering”, Journal of the Chinese Institue of
Industrial Engineer, Vol.26, No.5, hal. 367-376

Tsiptsis, K, Chorianopoulos, A. 2009. Data Mining Techniques in CRM. A John Wiley and Sons, Ltd., Publication. United Kingdom. Witten, I. H., Frank, E., & Hall, M. A. (2011). Data Mining Practical Machine
Learning Tools and Techniques. United States: Elsevier Inc Xu, M., Walton, J. 2005. Gaining Customer Knowledge Through Analytical
CRM, Industrial Management & Data System, Vol.105 No.7. pp 955-977. Yanuarita, Gemala., Hendrawan, Rully Agus dan Prananta, Danu (2011),
Segmentasi Pelanggan Berbasis Rfm Dengan Menggunakan Algoritma KMeans Untuk Mendukung Strategi Pengelolaan Pelanggan Di PT Indosat
Mega Media, Jurusan Sistem Informasi, ITS, Surabaya. Zumstein, D. 2007. “Customer Performance Measurement : Analysis of the Benefit of a Fuzzy Classification Approach in Customer Relationship Management” (thesis). Switzerland : University of Fribourg.

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru