ALGORITMA DECISION TREE (ID3) DAN K- NEAREST NEIGHBOUR (K-NN) DALAM PREDIKSI COSTUMER CHURN BERDASARKAN SEGMENTASI PELANGGAN (STUDI KASUS RADITY CRAFT TASIKMALAYA)

Agustina Indriyani, Hanifa (2019) ALGORITMA DECISION TREE (ID3) DAN K- NEAREST NEIGHBOUR (K-NN) DALAM PREDIKSI COSTUMER CHURN BERDASARKAN SEGMENTASI PELANGGAN (STUDI KASUS RADITY CRAFT TASIKMALAYA). Sarjana thesis, Universitas Siliwangi.

	Text 01. Cover.pdf Download (25kB)
	Text 05.06Abstrak.pdf Download (34kB)
	Text 07. KATA PENGANTAR.pdf Download (71kB)
	Text 08.09.10.11 DAFTAR ISI, DAFTAR TABEL, DAFTAR GAMABAR, DAFTAR LAMPIRAN.pdf Download (101kB)
	Text BAB I.pdf Download (108kB)
	Text BAB II.pdf Download (310kB)
	Text BAB III.pdf Download (141kB)
	Text BAB IV.pdf Restricted to Registered users only Download (674kB)
	Text BAB V.pdf Restricted to Registered users only Download (17kB)
	Text DAFTAR PUSTAKA.pdf Download (150kB)

Abstract

Pelanggan bagi perusahaan adalah aset utama, karenanya berbagai cara ditempuh oleh perusahaan agar pelanggan tidak menghentikan pembelian. Perusahaan juga harus mampu mempertahankan pelanggan potensial sehingga dapat mencegah pelanggan menghentikan pembelian dan berpindah ke perusahaan pesaing (churn). Hal tersebut tentunya tidak diinginkan oleh pihak perusahaan, sehingga berdasarkan permasalahan tersebut untuk mengetahui terlebih dahulu pelanggan yang memiliki kecenderungan untuk churn pada suatu waktu, yaitu dengan melakukan prediksi costumer churn. Pada penelitian ini menggunakan metodologi CRISP- DM dengan model Recency, Frequency, dan Monetary (RFM) yang digunakan untuk mengidentifikasi karakter pelanggan dan membentuk segmentasi pelanggan, sehingga menghasilkan beberapa kelas pelanggan. Data yang digunakan untuk mendapatkan fitur RFM adalah data yang berasal dari data transaksi pelanggan. Data tersebut merupakan data yang digunakan untuk memprediksi costumer churn dengan menggunakan algoritma Decision Tree (ID3) dan algoritma K- Nearest Neighbour (KNN). Penelitian ini dilakukan untuk mengetahui tingkat akurasi dan kecepatan kedua algoritma menggunakan data testing untuk memprediksi pelanggan yang melakukan churn berdasarkan segmentasi pelanggan perusahaan. Kata kunci: Pelanggan, Costumer Churn, CRISP-DM, RFM, Segmentasi Pelanggan, Algoritma Decision Tree (ID3) dan Algoritma K- Nearest Neighbour (K-NN).

Actions (login required)

View Item