BUDDHI DHARMABUDDHI DHARMA

Tech-ETech-E

PT. Koba Metal Indonesia adalah salah satu perusahaan roll‑reforming yang memproduksi barang‑barang baja ringan dan sedang berkembang pesat saat ini. Salah satu aspek penting dalam manajemen pelanggan adalah kemampuan perusahaan dalam mempertahankan pelanggannya. Upaya mempertahankan pelanggan menjadi krusial bagi PT. Koba Metal Indonesia mengingat banyaknya perusahaan yang beroperasi di sektor yang sama. Untuk mencegah kehilangan pelanggan, mengetahui kelompok pelanggan yang berpotensi sangat penting sehingga perusahaan dapat mempertahankan pelanggan potensial tersebut dengan memberikan layanan yang unggul, dll. Penerapan data mining dapat membantu perusahaan menganalisis data transaksi penjualan untuk memperoleh data pelanggan potensial. Oleh karena itu, dirancang sebuah aplikasi yang menerapkan data mining untuk memilih pelanggan potensial menggunakan metode clustering dan algoritma K‑Means. Selanjutnya, informasi tersebut dikelompokkan menjadi grup‑grup pelanggan potensial. Selain itu, aplikasi RapidMiner juga digunakan untuk memeriksa akurasi data dari desain aplikasi yang dibangun. Diharapkan desain aplikasi ini dapat membantu perusahaan dalam memilih dan mempertahankan pelanggan potensial guna mengembangkan bisnisnya.

Koba Metal dapat dikelompokkan menjadi tiga kategori (potensial, kurang potensial, dan tidak potensial) menggunakan model clustering K‑Means, dimana pelanggan potensial diidentifikasi melalui pusat klaster dengan nilai tertinggi.Proses penentuan klaster meliputi penetapan jumlah dan titik pusat klaster, perhitungan jarak data ke pusat, serta iterasi berulang hingga posisi klaster stabil, yang menghasilkan akurasi sebesar 93 % pada aplikasi RapidMiner.Dengan demikian, aplikasi berbasis RapidMiner yang mengintegrasikan algoritma K‑Means memungkinkan identifikasi dan pemeliharaan pelanggan potensial secara efektif untuk meningkatkan kinerja bisnis.

Penelitian lanjutan dapat menyelidiki apakah penerapan algoritma clustering alternatif, seperti DBSCAN atau hierarchical clustering, mampu meningkatkan akurasi dan stabilitas dalam mengidentifikasi pelanggan potensial dibandingkan dengan K‑Means yang digunakan pada studi ini, terutama dalam menangani data yang mengandung noise atau bentuk klaster yang tidak berbentuk bulat. Selanjutnya, penting untuk mengevaluasi pengaruh penambahan variabel tambahan—misalnya frekuensi kunjungan toko, nilai loyalitas pelanggan, data demografis, atau riwayat interaksi digital—terhadap kualitas segmentasi dan kemampuan model dalam memprediksi nilai penjualan, sehingga dapat menghasilkan profil pelanggan yang lebih komprehensif dan relevan. Terakhir, pengembangan sistem real‑time berbasis platform cloud yang secara otomatis mengimpor data penjualan terbaru, melakukan proses clustering secara berkelanjutan, dan menyajikan visualisasi interaktif bagi manajer pemasaran dapat meningkatkan kecepatan pengambilan keputusan serta memungkinkan penyesuaian strategi pemasaran secara adaptif terhadap perubahan perilaku konsumen. Dengan mengintegrasikan ketiga arah penelitian tersebut, diharapkan dapat menghasilkan kerangka kerja yang lebih robust untuk mendukung upaya perusahaan dalam mempertahankan dan memperluas basis pelanggan potensial.

  1. Home Page. home page foundation profit organization govern digital object identifier system behalf agencies... Doi.OrgHome Page home page foundation profit organization govern digital object identifier system behalf agencies Doi Org
  1. #perilaku konsumen#perilaku konsumen
  2. #depth first search#depth first search
Read online
File size1002.48 KB
Pages9
Short Linkhttps://juris.id/p-2mD
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test