<![CDATA[Dalam lanskap korporat kontemporer, internet telah muncul sebagai alat fundamental untuk meningkatkan penjualan dan layanan pelanggan, terutama melalui penerapan sistem rekomendasi yang banyak digunakan khususnya dalam e-commerce. Namun, banyak perusahaan, termasuk PT GIT Solution, masih belum sepenuhnya memanfaatkan potensi big data dalam analisis pasar, dan masih bergantung pada data historis serta metode konvensional seperti follow-up atau kunjungan langsung. Hal ini menyebabkan kurang optimalnya pemanfaatan data untuk menghasilkan rekomendasi yang relevan dan personal bagi pelanggan. Penelitian ini menggunakan pendekatan analisis data Twitter dengan algoritma pengelompokan K-Means untuk mengelompokkan data dan metode perangkingan Simple Additive Weighting (SAW) untuk memberikan rekomendasi produk yang disesuaikan dengan preferensi pelanggan. Data yang digunakan diperoleh melalui crawling data Twitter, dan dianalisis menggunakan RStudio untuk mengidentifikasi tren serta preferensi konsumen. Hasil penelitian menunjukkan bahwa metode yang digunakan memberikan hasil evaluasi yang memuaskan dengan Indeks Davies-Bouldin (DBI) sebesar 0,10%, yang menunjukkan kualitas pengelompokan yang baik. Implikasi dari hasil ini adalah perusahaan dapat memanfaatkan analisis big data dari media sosial untuk meningkatkan kualitas rekomendasi produk, yang pada akhirnya dapat meningkatkan kepuasan pelanggan dan efektivitas pemasaran.]]>
Copyrights © 2024
