Implementasi algoritma k-means untuk menentukan pola perilaku pembelian konsumen

Noor, Faiz Khoirurrizqi (2025) Implementasi algoritma k-means untuk menentukan pola perilaku pembelian konsumen. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_Cover.pdf Download (257kB) | Preview
Preview	Text (ABSTRAK) 2_Abstrak.pdf Download (212kB) | Preview
Preview	Text (KETERANGAN BEBAS PLAGIARISM) 3_SKPlagiarisme.pdf Download (713kB) | Preview
Preview	Text (DAFTAR ISI) 4_Daftar Isi.pdf Download (226kB) | Preview
Preview	Text (BAB I) 5_Bab 1.pdf Download (252kB) | Preview
	Text (BAB II) 6_Bab 2.pdf Restricted to Registered users only Download (490kB) | Request a copy
	Text (BAB III) 7_Bab 3.pdf Restricted to Registered users only Download (301kB) | Request a copy
	Text (BAB IV) 8_Bab 4.pdf Restricted to Registered users only Download (581kB) | Request a copy
	Text (BAB V) 9_Bab 5.pdf Restricted to Registered users only Download (188kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_Daftar Pustaka.pdf Restricted to Registered users only Download (200kB) | Request a copy
	Text (LAMPIRAN) 11_Lampiran.pdf Restricted to Repository staff only Download (299kB) | Request a copy

Abstract

Pertumbuhan data transaksi dalam dunia bisnis menuntut adanya pengolahan data yang tepat agar dapat menghasilkan informasi bernilai bagi pengambilan keputusan. Salah satu pendekatan yang efektif adalah segmentasi konsumen untuk memahami perbedaan perilaku pelanggan. Penelitian ini bertujuan untuk menerapkan algoritma K-Means clustering dengan pendekatan RFM (Recency, Frequency, Monetary) sebagai dasar segmentasi konsumen. Proses penelitian dilakukan menggunakan metodologi CRISP-DM (Cross Industry Standard Process for Data Mining) yang mencakup tahapan business understanding, data understanding, data preparation, modeling, evaluation, hingga deployment secara konseptual. Untuk menentukan jumlah cluster yang optimal secara lebih objektif, digunakan kombinasi empat metrik evaluasi internal, yaitu Elbow Method, Silhouette Score, Davies-Bouldin Index (DBI), dan Calinski-Harabasz Score (CHS). Selanjutnya, kualitas cluster yang terbentuk divalidasi menggunakan Analysis of Variance (ANOVA) guna memastikan perbedaan antar cluster signifikan secara statistik. Hasil penelitian menunjukkan bahwa jumlah cluster optimal yang diperoleh adalah lima cluster (k=5). Pendekatan multi-metrik dengan CRISP-DM ini terbukti mampu meningkatkan objektivitas dalam penentuan jumlah cluster sekaligus menghasilkan profil konsumen dengan karakteristik perilaku berbeda yang dapat dijadikan dasar dalam perumusan strategi pemasaran perusahaan.

Actions (login required)

View Item