CLUSTERING DATASET CUSTOMERS DENGAN MENGGUNAKAN METODE K-MEANS
Keywords:
Clustering, K-Means, CustomersAbstract
Keunggulan kompetitif yang berkelanjutan sangat penting bagi sebagian besar perusahaan yang ingin mempertahankan atau memperluas posisinya dan mengoptimalkan probabilitas dan pertumbuhan keuntungannya. Keunggulan yang baik adalah yang dapat menarik klien/pelanggan. Segmentasi pelanggan sangat penting untuk mencapai misi ini. Teknik clustering dapat membantu dalam pengelompokan pelanggan dalam membuat kelompok yang terdiri objek target berdasarkan informasi dalam data yang membedakan objek dan hubungan di antara objek tersebut. Dengan mengelompokkan pelanggan ke dalam beberapa kelompok dapat membedakan antara pelanggan yang lebih disukai dan yang kurang disukai. Pada hal ini kami menyelidiki masalah audit internal yang terkait dengan protokol dengan tujuan untuk melihat nilai yang diberikan oleh mall kepada customer berdasarkan perilaku customer. Algoritma clustering yang digunakan adalah algoritma K-means. Pada metode algoritma K-Means diperoleh jumlah cluster dengan metode elbow yaitu k = 2. Cluster yang terbentuk yaitu cluster 1 dengan jumlah 11 pelanggan yang dan cluster 2 dengan jumlah 14 pelanggan.
References
Ahmad Fawaid Ridwan, S. S. (2021). IDX30 Stocks Clustering with K-Means Algorithm based on Expected Return and Value at Risk. International Journal of Quantitative Research and Modeling, Vol. 2, No. 44, pp. 201-208.
Bryar a Hassan, T. A. (2021). A novel cluster detection of COVID-19 patients and medical disease conditions using improved evolutionary clustering algorithm star. National Centerfor Biotechnology Information.
Cebeci Z., F. Y. (2015). Comparison of K-Means and Fuzzy C-Means Algorithms on Different Cluster Structures. Journal of Agricultural Informatics.
Dodi Alexsander Manalu, G. G. (2022). IMPLEMENTASI METODE DATA MINING K-MEANS CLUSTERING TERHADAP DATA PEMBAYARAN TRANSAKSI MENGGUNAKAN BAHASA PEMROGRAMAN PYTHON PADA CV DIGITAL DIMENSI. Jornal of Technology Information.
Irvansah Satria Pamungkas, D. M. (2021). Klasterisasi Pengunjung Mall untuk Menentukan Target Pasar Ponsel Terbaru Menggunakan Algoritma K-Means Clustering. Jurnal Informatika Universitas Pamulang, Vol.6, No.3.
Rina Yuliana Sari, H. O. (2022). ALGORITMA K-MEANS DENGAN METODE ELBOW UNTUK MENGELOMPOKKAN KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN KOMPONEN PEMBENTUK INDEKS PEMBANGUNAN MANUSIA. Jurnal Smart Teknologi, Vol. 3, No. 2.
Sagar, A. (2019). Customer Segmentation Using K Menas Clustering. Towards Data Science.
Teuku Muhammad Dista, F. F. (2022). Clustering Pengunjung Mall Menggunakan Metode K-Means dan Particle Swarm Optimization. Jurnal Media Informatika Budidarma.
Wahyu Wijaya Kristianto, C. R. (2022). Penerapan Data Mining Pada Penjualan Produk Menggunakan Metode K- Means Clustering (Studi Kasus Toko Sepatu Kakikaki. Journal Pendidikan Teknologi Informasi (JUKANTI).
