Segmentasi Karakteristik Pelanggan dengan K-Means Clustering dan Davies-Bouldin Index

Segmentasi Karakteristik Pelanggan dengan K-Means Clustering dan Davies-Bouldin Index

Authors

Keywords:

Segmentasi Pelanggan, K-Means Clustering, Davies-Bouldin Index, Data Mining

Abstract

Pemahaman karakteristik pelanggan merupakan cara agar pemilik usaha mampu mengembangkan produk dan layanannya agar dapat meningkatkan keuntungan. Karakteristik pelanggan yang beraneka ragam merupakan sumber data berharga yang dapat diolah untuk merumuskan strategi usaha. Karakteristik pelanggan sebagai atribut data dapat diklasterisasikan untuk memudahkan menggali Informasi. K-Means Clustering (KMC) merupakan algoritma klasterisasi yang mudah diterapkan, namun memiliki celah dalam hal jumlah klaster yang tepat untuk mengelompokkan pelanggan. Davies-Bouldin Index (DBI) merupakan indicator yang dapat digunakan untuk mengevaluasi sebuah nilai jumlah klaster. Penelitian ini bertujuan untuk mensegmentasikan karakteristik pelanggan menggunakan KMC yang dievaluasi melalui nilai DBI. Penelitian dilakukan dalam 5 tahap, perancangan kuesioner, pengumpulan data, klasterisasi, evaluasi jumlah klaster dan analisis klaster. Data yang terkumpul dari 100 responden diklasterisasikan untuk 5 variasi jumlah klaster, 2 sampai 6 klaster. Setiap hasil klasterisasi dari 5 variasi jumlah klaster dihitung nilai DBI. Klaster dengan nilai DBI terbaik diproses untuk ekstraksi Informasi karakteristik pelanggan. Hasil penelitian menunjukkan jumlah klaster sebanyak 3 memiliki nilai DBI terbaik. Analisa karakteristik dari hasil klasterisasi tersebut menunjukkan

Downloads

Published

2023-08-14

How to Cite

rachmad fitriyanto, & Nurindah. (2023). Segmentasi Karakteristik Pelanggan dengan K-Means Clustering dan Davies-Bouldin Index. Prosiding CORISINDO 2023. Retrieved from https://stmikpontianak.org/ojs/index.php/corisindo/article/view/39
Loading...