SEGMENTASI PELANGGAN MENGGUNAKAN METODE FUZZY C-MEANS DENGAN OPTIMALISASI BAT ALGORITHM DAN ANALISIS RFM
Suatu perusahaan harus adaptif dan responsif untuk memenangkan peluang kompetitif dalam pemasaran terhadap perubahan dan peluang pasar sehingga perusahaan dapat memanfaatkan data yang ada. Strategi yang tepat sangat perlu dilakukan agar jumlah pelanggan pada suatu perusahaan tidak berpindah ke perusahaan lain yang memberikan produk yang serupa atau disebut juga dengan churn. Salah satu upaya yang dapat dilakukan adalah dengan memahami karakteristik dan kebutuhan pelanggan melalui segmentasi yang tepat. Penelitian ini menggunakan proses data mining yaitu clustering data dimana yang digunakan adalah metode Fuzzy C-Means (FCM) yang dioptimalkan dengan Bat Algorithm untuk menghasilkan pengelompokan pelanggan yang lebih akurat. FCM dipilih karena kemampuannya dalam menangani data yang memiliki ketidakpastian, namun kelemahannya yang sensitif terhadap inisialisasi pusat cluster awal dapat diatasi dengan penggunaan Bat Algorithm, sebuah metode optimasi metaheuristik yang efektif dalam menemukan solusi global secara cepat. Penentuan nilai k pada penelitian ini di bantu dengan menggunakan metode Elbow dimana hasil k optimalnya adalah pada kluster 2. Hasil pengelompokan menggunakan FCM yang telah dioptimalkan dianalisis dengan menggunakan analisis model RFM (Recency, Frequency, Monetary) untuk menganalisa loyalitas dan perilaku pembelian pelanggan. Pada hasil pengelompokan pada penelitian ini, didapatkan nilai PCI sebesar 0,9026 menunjukkan bahwa pengelompokan yang dilakukan sangat baik dan data terdistribusi dengan jelas ke dalam cluster yang berbeda. Analisis segmentasi pelanggan pada penelitian ini menunjukkan bahwa cluster 0 diidentifikasi sebagai "Lost Customer," sementara cluster 1 terbagi menjadi "Prospect Customer" dan "New Customer." Dengan hasil ini, diharapkan perusahaan dapat mengembangkan strategi pemasaran yang lebih adaptif dan responsif agar dapat meningkatkan loyalitas pelanggan dan mempertahankan daya saing di pasar. Kata Kunci: Data Mining, Clustering, Bat Algorithm, Fuzzy C-Means, Segmentasi Pelanggan
APA Style
. (2024).SEGMENTASI PELANGGAN MENGGUNAKAN METODE FUZZY C-MEANS DENGAN OPTIMALISASI BAT ALGORITHM DAN ANALISIS RFM ().Teknik Informatika:FTI
Chicago Style
.SEGMENTASI PELANGGAN MENGGUNAKAN METODE FUZZY C-MEANS DENGAN OPTIMALISASI BAT ALGORITHM DAN ANALISIS RFM ().Teknik Informatika:FTI,2024.Text
MLA Style
.SEGMENTASI PELANGGAN MENGGUNAKAN METODE FUZZY C-MEANS DENGAN OPTIMALISASI BAT ALGORITHM DAN ANALISIS RFM ().Teknik Informatika:FTI,2024.Text
Turabian Style
.SEGMENTASI PELANGGAN MENGGUNAKAN METODE FUZZY C-MEANS DENGAN OPTIMALISASI BAT ALGORITHM DAN ANALISIS RFM ().Teknik Informatika:FTI,2024.Text
