Article Per Year (5 Year)
p-Index From 2020 - 2025
1.619
P-Index
This Author published in this journals
All Journal JURNAL SISTEM INFORMASI BISNIS Nuansa Informatika Jurnal Pasopati : Pengabdian Masyarakat dan Inovasi Pengembangan Teknologi JURNAL ABDIKARYASAKTI Jurnal Informatika dan Teknologi Pendidikan Journal of Innovation and Sustainable Empowerment Jurnal Pengabdian Masyarakat Bangsa Jurnal Inovasi Pengabdian Masyarakat Uranus: Jurnal Ilmiah Teknik Elektro, Sains dan Informatika
Ragel Trisudarmo
Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Kuningan, Kuningan, Indonesia
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Physics Public Health Social Sciences

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Nuansa Informatika

 1 
Implementasi Algoritma K-Medoids Clustering Untuk Menentukan Segmentasi Pelanggan Nita Mirantika; Tri Septiar Syamfithriani; Ragel Trisudarmo
NUANSA INFORMATIKA Vol 17, No 1 (2023)
Publisher : FKOM UNIKU

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/fkom uniku.v17i1.7264

Abstract

Dalam melakukan pengelolaan hubungan dengan pelanggan, perusahaan harus mengenali karakteristik setiap pelanggan sehingga perusahaan dapat membuat strategi pengelolaan yang tepat sesuai dengan karakteristik tersebut. Identifikasi karakteristik pelanggan dapat diperoleh dengan melakukan segmentasi pelanggan yaitu dengan mengelompokkan pelanggan yang memiliki kesamaan karakteristik. Tujuan penelitian ini adalah untuk melakukan segmentasi pelanggan pada XYZ Store dengan menggunakan teknik data mining clustering yaitu dengan menggunakan algoritma K-Medoids yang menggunakan perwakilan data sebagai pusat cluster. Atribut yang digunakan dalam penelitian ini menggunakan analisis RFM yang terdiri dari tiga atribut yaitu: recency, frequency dan monetary. Penentuan jumlah cluster optimal menggunakan metode Silhouette coefficient  dan evaluasi hasil cluster menggunakan metode Davies-Bouldin Index (DBI). Dengan menggunakan bantuan aplikasi RStudio hasil segmentasi pelanggan diperoleh tiga segmen pelanggan yaitu loyal customer yang mempunyai nilai recency tinggi (baru), frequency paling banyak dan monetary paling banyak sebanyak 21 pelanggan; typical customer yang memiliki recency rendah (lama), frequency sedang dan monetary sedang sebanyak 31 pelanggan; dan newcomer yang mempunyai nilai recency paling tinggi (paling baru), frequency dan monetary paling rendah sebanyak 61 pelanggan. Dengan diperolehnya tiga segmen pelanggan, maka perusahaan dapat membuat kebijakan dan strategi bisnis dalam melakukan pengelolaan hubungan dengan pelanggan sehingga diharapkan keuntungan perusahaan akan meningkat.
Co-Authors Dea Yulistiana Dewi Dede Irawan Dyah Puteria Wati Dyah Puteria Wati Dyah Puteria Wati Dyah Puteriawati Erik Kurniadi Erik Kurniadi Irdan Guntara Kiki Amalia Sapitri Nita Mirantika Nita Mirantika Roni Nursyamsu Sherly Gina Supratman Suseno, Endra Syamfithriani, Tri Septiar