Search for collections on Repository Universitas Jenderal Soedirman

Segmentasi Pelanggan E-commerce menggunakan Model RFM dan Algoritma K-Means Clustering dengan Graphical User Interface Berbasis Website

AMATULLAH, Nur Hasna (2024) Segmentasi Pelanggan E-commerce menggunakan Model RFM dan Algoritma K-Means Clustering dengan Graphical User Interface Berbasis Website. Skripsi thesis, Universitas Jenderal Soedirman.

[img] PDF (Cover)
COVER-Nur Hasna Amatullah-H1D020011-Skripsi-IF-2024.pdf

Download (256kB)
[img] PDF (Legalitas)
LEGALITAS-Nur Hasna Amatullah-H1D020011-Skripsi-IF-2024.pdf
Restricted to Repository staff only

Download (1MB)
[img] PDF (Abstrak)
ABSTRAK-Nur Hasna Amatullah-H1D020011-Skripsi-IF-2024.pdf

Download (314kB)
[img] PDF (BabI)
BAB-I-Nur Hasna Amatullah-H1D020011-Skripsi-IF-2024.pdf
Restricted to Repository staff only until 18 January 2025.

Download (85kB)
[img] PDF (BabII)
BAB-II-Nur Hasna Amatullah-H1D020011-Skripsi-IF-2024.pdf
Restricted to Repository staff only until 18 January 2025.

Download (399kB)
[img] PDF (BabIII)
BAB-III-Nur Hasna Amatullah-H1D020011-Skripsi-IF-2024.pdf
Restricted to Repository staff only until 18 January 2025.

Download (268kB)
[img] PDF (BabIV)
BAB-IV-Nur Hasna Amatullah-H1D020011-Skripsi-IF-2024.pdf
Restricted to Repository staff only

Download (2MB)
[img] PDF (BabV)
BAB-V-Nur Hasna Amatullah-H1D020011-Skripsi-IF-2024.pdf

Download (236kB)
[img] PDF (DaftarPustaka)
DAFTAR PUSTAKA-Nur Hasna Amatullah-H1D020011-Skripsi-IF-2024.pdf

Download (294kB)

Abstract

Saat ini antusias berbelanja masyarakat di e-commerce sangat tinggi dengan kebutuhan yang sangat beragam. Pihak e-commerce dituntut untuk dapat menyesuaikan penawaran dan strategi pemasaran yang tepat. Segmentasi pelanggan dapat menjadi alternatif dalam pengelompokan pelanggan sesuai dengan minat masing-masing pelanggan. Pada penelitian ini, segmentasi pelanggan untuk e-commerce dilakukan menggunakan model RFM (Recency, Frequency, Monetary) dan klasterisasi menggunakan algoritma K-Means Clustering. Jumlah kelas (k) paling optimal diperoleh dari metode Elbow dengan nilai k=4. Hasil klasterisasi membentuk 4 segmen pelanggan yaitu segmen Platinum, Gold, Silver dan Bronze. Dua segmen prioritas yaitu Platinum dan Bronze. Segmen Platinum memiliki jumlah anggota paling sedikit tetapi memiliki rata-rata loyalitas tertinggi. Segmen Bronze memiliki jumlah anggota paling banyak dengan rata-rata loyalitas terendah. Hal ini dapat menjadi bahan pertimbangan pihak e-commerce dalam menentukan keputusan strategi pemasaran di masa yang akan datang terutama untuk dua segmen prioritas. Visualisasi atau GUI untuk hasil pengujian ini berbasis website dengan framework Streamlit yang menyajikan hasil klasterisasi dan dashboard pada Looker Studio untuk menampilkan report hasil analisis segmentasi pelanggan. Adanya visualisasi berbasis website dan dashboard dapat membantu pembaca dalam mengetahui hasil pengujian dengan mudah dan interaktif.

Item Type: Thesis (Skripsi)
Nomor Inventaris: H24029
Uncontrolled Keywords: E-commerce, K-Means Clustering, RFM, Segmentasi Pelanggan
Subjects: C > C690 Computer programming
E > E167 Electronic commerce
Divisions: Fakultas Teknik > S1 Teknik Informatika
Depositing User: Mrs Nur Hasna Amatullah
Date Deposited: 18 Jan 2024 01:09
Last Modified: 18 Jan 2024 01:09
URI: http://repository.unsoed.ac.id/id/eprint/25168

Actions (login required)

View Item View Item