p-Index From 2021 - 2026
4.589
P-Index
This Author published in this journals
All Journal JURNAL BERKALA ILMIAH EFISIENSI Jurnal Penelitian Pendidikan Jurnal Ilmu Komunikasi UHO : Jurnal Penelitian Kajian Ilmu Komunikasi dan Informasi EDU-MAT: Jurnal Pendidikan Matematika Paediatrica Indonesiana LIABILITIES (JURNAL PENDIDIKAN AKUNTANSI) Jurnal Ilmiah Kebidanan Indonesia (Indonesian Midwifery Scientific Journal) Syntax Idea JURNAL ILMIAH OBSGIN : Jurnal Ilmiah Ilmu Kebidanan & Kandungan JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Abdi Insani JESS (Journal of Education on Social Science) CENDEKIA : Jurnal Ilmu Pengetahuan Journal of English Education Program (JEEP) Jurnal Ilmiah Wahana Pendidikan SOCIAL : Jurnal Inovasi Pendidikan IPS Insearch: Information System Research Journal Indo-MathEdu Intellectuals Journal Jurnal Disastri: Pendidikan Bahasa dan Sastra Indonesia BIOMA : Jurnal Biologi dan Pembelajarannya IBTIDA : Jurnal Kajian Pendidikan Dasar JURNAL PENDIDIKAN INDONESIA: Teori, Penelitian, dan Inovasi Indonesian Journal of Multidisciplinary Science JURNAL MANAJEMEN MODAL INSANI DAN BISNIS (JMMIB) Jurnal Pendidikan Indonesia (Japendi) Wiratani : Jurnal Ilmiah Agribisnis Jurna Beta Kimia Tadris al-'Arabiyyah: Jurnal Pendidikan Bahasa Arab dan Kebahasaaraban Socius: Social Sciences Research Journal Jurnal Pengabdian Sosial Journal Center of Excellent : Health Assistive Technology (CoE) Kalimatuna: Journal Of Arabic Research Jurnal Penelitian Multidisiplin Bangsa Nusantara Journal of Education and Social Science Jurnal Pendidikan Progresif PARADIGMA: Jurnal Ilmu Administrasi
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Insearch: Information System Research Journal

Penerapan Algoritma Klasifikasi untuk Menentukan Segmentasi Pelanggan Berbasis Machine Learning Lestari, Novia; Julianti, Julianti; Fathan, M. Rafly Syahrul
Insearch: Information System Research Journal Vol 4, No 02 (2024): Insearch (Information System Research) Journal
Publisher : Fakultas Sains dan Teknologi UIN Imam Bonjol Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15548/isrj.v4i02.9927

Abstract

Customer segmentation is a very important marketing concept in the context of relationship marketing that can improve understanding of customer needs to create a more effective and personalized marketing strategy. Therefore, an appropriate analysis is needed to determine customer segmentation according to the existing characteristics. In this research, three classification algorithms are used to identify hidden patterns and automatically segment customers: Random Forest, Support Vector Machine (SVM), and Gradient Boosting. The results show that customer segmentation successfully divides consumers into four different groups: A, B, C, and D, each with unique characteristics. The Gradient Boosting model has the best performance in cross-validation with 54% accuracy, although all models show a decrease in accuracy on test data. The customer segmentation results in this study can provide valuable insights for automotive companies to design more targeted and effective marketing strategies to increase profitability.Abstrak (Indonesia):Segmentasi pelanggan merupakan konsep pemasaran yang sangat penting dalam konteks relationship marketing yang dapat meningkatkan pemahaman tentang kebutuhan pelanggan yang lebih baik untuk menciptakan strategi pemasaran yang lebih efektif dan personal. Oleh karena itu dibutuhkan analisis yang tepat sesuai karakteristik yang ada untuk menentukan segmentasi pelanggan tersebut. Pada penelitian ini, untuk mengidentifikasi pola tersembunyi dan secara otomatis mengelompokkan pelanggan digunakan tiga algoritma klasifikasi yaitu Random Forest, Support Vector Machine (SVM), dan Gradient Boosting. Hasilnya menunjukkan bahwa segmentasi pelanggan berhasil membagi konsumen ke dalam empat kelompok yang berbeda: A, B, C, dan D, masing-masing dengan karakteristik yang unik. Model Gradient Boosting memiliki kinerja terbaik dalam validasi silang dengan akurasi 54%, meskipun semua model menunjukkan penurunan akurasi pada data uji. Hasil segmentasi pelanggan pada penelitian ini dapat memberikan wawasan yang berharga bagi perusahaan otomotif untuk merancang strategi pemasaran yang lebih tepat sasaran dan efektif untuk meningkatkan profitabilitas.