Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Nabil Abdul Majid
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Duta Bangsa Surakarta
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Algoritma XGBoost untuk Klasifikasi Customer Segment dalam Mengidentifikasi Nilai dan Loyalitas Pelanggan Nabil Abdul Majid; Muhammad Rifky Hafan; Trafrika Nining Erina; Savina Dyah Arwiana; Aprilisa Arum Sari
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Customer Segment sangat diperlukan agar perusahaan dapat memahami sifat pelanggan dan merancang strategi pemasaran yang lebih efisien. Studi ini bertujuan menerapkan algoritma Extreme Gradient Boosting (XGBoost) untuk mengelompokkan pelanggan ke dalam empat segmen, yaitu High_Value, Loyal, Regular, dan Occasional, dengan dasar karakteristik demografis serta perilaku pelanggan. Dataset yang digunakan merupakan Customer Segment Ritel Online dari Kaggle, dengan langkah penelitian mencakup pra-pemrosesan data, transformasi data, pemodelan dengan XGBoost, dan penilaian model. Temuan penelitian mengindikasikan bahwa model XGBoost dapat meraih akurasi hingga 75%. Analisis mendalam mengindikasikan bahwa purchase_frequency dan months_active adalah variabel yang paling berpengaruh dalam klasifikasi. Oleh karena itu, XGBoost sangat efisien dalam mengklasifikasikan segmen pelanggan dan dapat membantu dalam menentukan nilai serta kesetiaan pelanggan sebagai landasan untuk keputusan pemasaran.
Co-Authors Aprilisa Arum Sari Muhammad Rifky Hafan Savina Dyah Arwiana Trafrika Nining Erina