KMeans Clustering Menggunakan RapidMiner dalam Segmentasi Pelanggan dengan Evaluasi Davies Bouldin Index Untuk Menentukan Jumlah Cluster Paling Optimal
Keywords:
K-Means Clustering, Data Mining, Daviel Bouldin IndexAbstract
Usaha kecil dan menengah (UKM) didorong untuk memberikan layanan pelanggan terbaik oleh persaingan ketat di sektor bisnis. Segmentasi pelanggan merupakan suatu konsep yang mengacu pada penggabungan calon pelanggan ke dalam kelompok atau segmen tertentu dimana melalui segmentasi pelanggan ini, penjual bisa menjangkau pelanggan yang tepat. Penelitian ini bertujuan untuk memilih jumlah grup yang paling ideal dalam segmentasi pelanggan. Hasil penelitian yang diperoleh dengan memakai prosedur pemecahan K-Means dalam clustering data pelanggan dapat memberikan hasil segmentasi pelanggan yang sesuai dengan harapan, sehingga penjual dapat dengan mudah memahami karakteristik pelanggannya berdasarkan clusternya, pemasukannya, pengeluarannya maupun umur dan gendernya. Kemudian dengan evaluasi Davies Boildin juga memberikan solusi pemilihan jumlah cluster yang tepat sehingga performanya lebih optimal dan menghasilkan hasil segmentasi pelanggan yang lebih akurat.
Downloads
Downloads
Published
Issue
Section
License
Copyright (c) 2023 BATIRSI - Bahari Teknik Informatika dan Sistem Informasi
This work is licensed under a Creative Commons Attribution 4.0 International License.
LICENCE TERM
Diterbitkan Oleh: LPPM STMIK YMI TEGAL p-ISSN: 2502-3691 (print), e-ISSN 2502-4361 (online)
Jurnal Ilmu Komputasi STMIK Tegal: Bahari Teknik Informatika dan Sistem Informasi (BATIRSI) is licensed under a Creative Commons Attribution 4.0 International License.