<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="19295">
<titleInfo>
<title><![CDATA[ANALISIS CUSTOMER LIFETIME VALUE (CLV) TERHADAP SEGMENTASI PELANGGAN MENGGUNAKAN MODEL RFM DENGAN KLASTERISASI K-MEANS DAN K-MEDOIDS]]></title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>120160503 - Nur Fitrianti Fahrudin, S.Kom., M.T.</namePart>
<role><roleTerm type="text">Dosen Pembimbing 1</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>DHEA HALIMATU SA’DIAH / 162020027</namePart>
<role><roleTerm type="text">Penulis</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes"><![CDATA[mixed material]]></typeOfResource>
<genre authority="marcgt"><![CDATA[bibliography]]></genre>
<originInfo>
<place><placeTerm type="text"><![CDATA[Sistem Informasi]]></placeTerm></place>
<publisher><![CDATA[FTI]]></publisher>
<dateIssued><![CDATA[2024]]></dateIssued>
<issuance><![CDATA[monographic]]></issuance>
<edition><![CDATA[0]]></edition>
</originInfo>
<language>
<languageTerm type="code"><![CDATA[en]]></languageTerm>
<languageTerm type="text"><![CDATA[English]]></languageTerm>
</language>
<physicalDescription>
<form authority="gmd"><![CDATA[Text]]></form>
<extent><![CDATA[]]></extent>
</physicalDescription>
<note>Pelanggan adalah aset bagi perusahaan terutama alam persaingan bisnis. Masalah yang sering dihadapi perusahaan adalah mengidentifikasi pelanggan yang tepat sehingga menyebabkan perusahaan kehilangan pelanggan potensial, yang merugikan perusahaan itu sendiri.Customer lifetime value (CLV) digunakan untuk mencari metode yang paling optimal untuk memperlakukan pelanggan secara berbeda tergantung pada potensi nilai yang mungkin mereka miliki di masa mendatang. Dalam perhitungan CLV digunakan model RFM (Recency, Frequency, Monetary) yang membantu dalam memahami perilaku pelanggan. Tujuan penelitian ini untuk mengetahui pengaruh CLV terhadap segmentasi pelanggan.Pada penelitian ini analisis CLV dilakukan dengan model RFM dan dua algoritma clustering K-means dan K-medoid. Evaluasi hasil clustering dilakukan dengan Davies-Bouldin Index (DBI) dan Standar deviasi multivariat. Setelah outlier dihapus menggunakan metode IQR (Interquartile Range) dilakukan evalauasi kembali menggunakan Davies-Bouldin Index (DBI) dan Standar deviasi multivariat. Hasilnya menunjukan dari nilai kedua metrik evaluasi mengalami penurunan yang berarti data hasil segmentasi menjadi lebih homogen. Kata kunci : Segmentasi Pelanggan, Data Mining, CLV, RFM, K-means, KMedoids, DBI, Standar deviasi multivariate</note>
<subject authority=""><topic><![CDATA[Segmentasi Pelanggan]]></topic></subject>
<subject authority=""><topic><![CDATA[Data Mining]]></topic></subject>
<subject authority=""><topic><![CDATA[K-Means]]></topic></subject>
<subject authority=""><topic><![CDATA[Standar deviasi multivariate]]></topic></subject>
<subject authority=""><topic><![CDATA[KMedoids]]></topic></subject>
<subject authority=""><topic><![CDATA[CLV]]></topic></subject>
<subject authority=""><topic><![CDATA[DBI]]></topic></subject>
<subject authority=""><topic><![CDATA[RFM]]></topic></subject>
<classification><![CDATA[]]></classification><identifier type="isbn"><![CDATA[]]></identifier><location>
<physicalLocation><![CDATA[Setiadi Open Source ETD System]]></physicalLocation>
<shelfLocator><![CDATA[058IS/24]]></shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1"><![CDATA[058IS/24]]></numerationAndChronology>
<sublocation><![CDATA[My Library]]></sublocation>
<shelfLocator><![CDATA[058IS/24]]></shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<slims:digitals>
<slims:digital_item id="20931" url="" path="/162020027_058IS.pdf" mimetype="application/pdf"><![CDATA[ANALISIS CUSTOMER LIFETIME VALUE (CLV) TERHADAP SEGMENTASI PELANGGAN MENGGUNAKAN MODEL RFM DENGAN KLASTERISASI K-MEANS DAN K-MEDOIDS]]></slims:digital_item>
</slims:digitals><recordInfo>
<recordIdentifier><![CDATA[19295]]></recordIdentifier>
<recordCreationDate encoding="w3cdtf"><![CDATA[2024-12-05 09:21:18]]></recordCreationDate>
<recordChangeDate encoding="w3cdtf"><![CDATA[2024-12-09 14:09:53]]></recordChangeDate>
<recordOrigin><![CDATA[machine generated]]></recordOrigin>
</recordInfo></mods></modsCollection>