PENGEMBANGAN APLIKASI PENGELOLAAN DATA PELANGGAN WAROENK LAUNDRY DENGAN METODE RFM DAN K-MEANS UNTUK PERANCANGAN PROGRAM LOYALITAS PELANGGAN
RIO WIRANATA

Informasi Umum

Kode

112080015

Klasifikasi

005.2 - Programming for specific types of computers, for specific operating systems, for specific user interfaces

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Application For Office Management

Dilihat

271 kali

Informasi Lainnya

Abstraksi

Penggunaan jasa mencuci (laundry) semakin tinggi di kawasan pendidikan Telkom, hal ini disebabkan jumlah mahasiswa di daerah kawasan pendidikan Telkom semakin meningkat, sehingga menyebabkan persaingan usaha di bidang laundry semakin ketat. Pada tahun 2010 Waroenk Laundry mempunyai jumlah pelanggan yang semakin meningkat dan mendominasi market share yaitu sebesar 38%, tetapi pada tahun 2012 terjadi penurunan market share dari 38% menjadi 21%, penurunan ini diakibatkan oleh pelanggan yang berpindah menggunakan jasa laundry lain. Oleh karena itu, Waroenk Laundry perlu membuat rancangan program customer loyalty kepada pelanggan potensial yang dapat meningkatkan kepuasan serta loyalitas pelanggan.<br><br>Data mining adalah proses ekstraksi dari keseluruhan data yang sebelumnya tidak diketahui untuk mendapatkan informasi yang berguna. RFM merupakan metode untuk mengelompokkan pelanggan berdasarkan atribut recency, frequency dan monetary pelanggan dalam melakukan transaksi. Sementara K-Means merupakan salah satu metode clustering dalam data mining untuk mengelompokkan pelanggan berdasarkan karakteristik kesamaan pelanggan ke dalam sejumlah k atau cluster yang telah ditentukan. Kombinasi metode RFM dengan K-Means menghasilkan nilai kualitas cluster yang lebih tinggi untuk menggambarkan karakteristik masing-masing cluster pelanggan.<br><br>Jenis data yang digunakan adalah data transaksi mencuci (laundry) untuk pemodelan menggunakan RFM. Hasil dari model RFM adalah RFM Score, yang kemudian digunakan menjadi inputan untuk pemodelan menggunakan K-Means.<br><br>Setelah memodelkan segmentasi pelanggan menggunakan tiga variabel kombinasi RFM dan K-Means, diperoleh jumlah cluster yang optimal adalah sebanyak tiga cluster untuk pelanggan member dan lima cluster untuk pelanggan non member. Masing-masing cluster mempunyai tingkat RFM Score yang berbeda. Cluster pertama dan kelima untuk pelanggan member dan non member merupakan cluster potensial untuk diberikan program customer loyalty karena mempunyai karakteristik RFM Score yang paling tinggi diantara cluster yang lain. Selain itu, program customer loyalty diberikan juga kepada cluster lain sesuai dengan karakteristik masing-masing cluster. Kata kunci: RFM, K-Means, Customer Loyalty, Waroenk Laundry

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook