RESTA, Handrisza Arya (2024) Segmentasi Pelanggan Dan Penentuan Rekomendasi Produk Pada Umkm Warung Sehat Hidroponik Dengan Graphical User Interface Berbasis Website. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER_HANDRISZA ARYA RESTA_H1D020006_SKRIPSI_2024.pdf Download (233kB)
	PDF (Legalitas) LEGALITAS_HANDRISZA ARYA RESTA_H1D020006_SKRIPSI_2024.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK_HANDRISZA ARYA RESTA_H1D020006_SKRIPSI_2024.pdf Download (339kB)
	PDF (BabI) BAB I_HANDRISZA ARYA RESTA_H1D020006_SKRIPSI_2024.pdf Restricted to Repository staff only Download (297kB)
	PDF (BabII) BAB II_HANDRISZA ARYA RESTA_H1D020006_SKRIPSI_2024.pdf Restricted to Repository staff only Download (407kB)
	PDF (BabIII) BAB III_HANDRISZA ARYA RESTA_H1D020006_SKRIPSI_2024.pdf Restricted to Repository staff only Download (603kB)
	PDF (BabIV) BAB IV_HANDRISZA ARYA RESTA_H1D020006_SKRIPSI_2024.pdf Restricted to Repository staff only Download (4MB)
	PDF (BabV) BAB V_HANDRISZA ARYA RESTA_H1D020006_SKRIPSI_2024.pdf Download (336kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA_HANDRISZA ARYA RESTA_H1D020006_SKRIPSI_2024.pdf Download (531kB)

Abstract

Usaha Mikro, Kecil, dan Menengah (UMKM) merupakan bagian penting dari perekonomian di banyak negara di seluruh dunia, khususnya di Indonesia. UMKM memiliki peran penting dalam pertumbuhan ekonomi, pemberdayaan masyarakat, penciptaan lapangan kerja, dan pengurangan ketidaksetaraan ekonomi dalam masyarakat. UMKM Warung Sehat Hidroponik mengalami kesulitan dalam melakukan pemasaran dan penawaran produk mereka. Segmentasi pelanggan dan penentuan rekomendasi produk dapat membantu pihak UMKM Warung Sehat Hidroponik untuk melakukan pemasaran berdasarkan segmen pelanggan mereka dan memberikan rekomendasi produk berdasarkan perilaku pelanggan. Algoritma K-Means Clustering dengan model RFM (Recency, Frequency, dan Monetary) digunakan untuk menentukan segmentasi pelanggan, dan algoritma FP-Growth digunakan untuk melakukan penentuan rekomendasi produk. Tahapan yang dilakukan yaitu akuisisi data, pre-processing data, analisis model RFM dan normalisasi nilai RFM, penentuan jumlah cluster menggunakan metode Elbow, penentuan segmentasi pelanggan menggunakan algoritma K-Means Clustering, penentuan rekomendasi produk menggunakan algoritma FP-Growth, dan pengembangan GUI (Graphical User Interface). Nilai k optimal yang terbentuk dengan metode Elbow adalah k=3. Terdapat 3 segmen yang dihasilkan dalam proses segmentasi pelanggan, yaitu segmen Pelanggan Tidak Aktif, Pelanggan Baru, dan Pelanggan Aktif. Jumlah pelanggan dalam segmen Pelanggan Tidak Aktif sebanyak 6 pelanggan, Pelanggan Baru sebanyak 15 pelanggan, dan Pelanggan aktif sebanyak 17 pelanggan. Implementasi algoritma FP-Growth menghasilkan 118 itemset dan 200 aturan asosiasi. Nilai confidence tertinggi sebesar 0,75, dan nilai confidence terendah sebesar 0,08. Produk terlaris yang tertinggi adalah BB dengan frekuensi terjual sebanyak 135 kali. Pengembangan GUI dilakukan menggunakan metode agile dengan framework streamlit.

Actions (login required)

View Item