Implementasi Sistem Inormasi Pengelompokan Pelanggan Berbasis Website Menggunakan Algoritma K-Means Berdasarkan Identifikasi Pola Pembelian

Sari, Suci Puspita (2026) Implementasi Sistem Inormasi Pengelompokan Pelanggan Berbasis Website Menggunakan Algoritma K-Means Berdasarkan Identifikasi Pola Pembelian. Skripsi thesis, UIN Imam Bonjol Padang.

	Text (COVER) COVER-DAFTAR ISI.pdf - Published Version Download (1MB)
	Text (BAB 1) BAB 1.pdf - Published Version Download (343kB)
	Text (BAB 3) BAB 3.pdf - Published Version Download (539kB)
	Text (BAB 5) BAB 5.pdf - Published Version Download (655kB)
	Text (SKRIPSI FULLTEXT) SKRIPSI SUCI FULLTEXT.pdf - Published Version Restricted to Repository staff only Download (7MB)

Abstract

Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi pengelompokan pelanggan berbasis web menggunakan algoritma K-Means di Earnest Apparel. Masalah utama yang dihadapi adalah pemanfaatan data transaksi pelanggan yang suboptimal dan proses pengelolaan data manual, sehingga menyulitkan perusahaan untuk mengidentifikasi pola pembelian pelanggan. Metode yang digunakan dalam penelitian ini adalah Penelitian dan Pengembangan (R&D) dengan pendekatan Knowledge Discovery in Databases (KDD) yang mencakup tahapan pemilihan data, pra-pemrosesan, transformasi, pengumpulan data, evaluasi, dan presentasi pengetahuan.Proses pengelompokan dilakukan menggunakan algoritma K-Means dengan tiga kelompok, yaitu pelanggan baru, pelanggan reguler, dan pelanggan setia berdasarkan variabel frekuensi pembelian, jumlah produk, dan total transaksi.Sistem ini dikembangkan menggunakan metode Waterfall dengan teknologi berbasis web, yaitu PHP, HTML, CSS, JavaScript, dan MySQL. Berdasarkan hasil penelitian, proses pengelompokan (clustering) telah dilakukan pada 617 data pelanggan menggunakan algoritma K-Means Clustering. Proses pengelompokan mencapai kondisi konvergen pada iterasi ke-15, yang menunjukkan bahwa pusat klaster (centroid) tidak mengalami perubahan signifikan sehingga proses iterasi dihentikan. Hasil pengelompokan menunjukkan bahwa pelanggan terbagi menjadi tiga klaster, yaitu Klaster 1 (Pelanggan Baru) dengan 267 pelanggan (43,27%), Klaster 2 (Pelanggan Berulang) dengan 240 pelanggan (38,90%), dan Klaster 3 (Pelanggan Setia) dengan 110 pelanggan (17,83%). Distribusi klaster menunjukkan bahwa sebagian besar pelanggan berada dalam kategori pelanggan baru, diikuti oleh pelanggan reguler dan pelanggan setia. Kondisi ini dapat digunakan sebagai dasar untuk menganalisis karakteristik pelanggan dan mengembangkan strategi pemasaran yang lebih tepat sasaran. Evaluasi hasil pengelompokan menggunakan Indeks Davies-Bouldin (DBI) menghasilkan nilai 1,194486036, menunjukkan bahwa kualitas klaster cukup baik. Selain itu, hasil pengujian sistem menggunakan metode Black Box Testing dan User Acceptance Test (UAT) menunjukkan bahwa sistem telah berjalan sesuai kebutuhan pengguna dan mampu membantu proses pengambilan keputusan. Dengan sistem ini, Earnest Apparel dapat lebih mudah memahami karakteristik pelanggan, menentukan prioritas pelanggan, dan mengembangkan strategi pemasaran yang lebih efektif. Penelitian ini diharapkan dapat berkontribusi pada penerapan penambangan data, khususnya metode pengelompokan, untuk mendukung pengambilan keputusan bisnis berbasis data.

Actions (login required)

View Item