PERBANDINGAN ALGORITMA DECISION TREE DAN K-MEANS CLUSTERING UNTUK MENENTUKAN PENGHARGAAN TERHADAP LOYALITAS CUSTOMER

Donnie Varyasetya, Prastowo (2025) PERBANDINGAN ALGORITMA DECISION TREE DAN K-MEANS CLUSTERING UNTUK MENENTUKAN PENGHARGAAN TERHADAP LOYALITAS CUSTOMER. Other thesis, UNSADA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (819kB)
	Text BAB 2.pdf Download (994kB)
	Text BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text BAB 5.pdf Download (761kB)
	Text DAFTAR PUSTAKA.pdf Download (610kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	Text HASIL TURNITIN.pdf Download (541kB)
	Text SUKET TURNITIN.pdf Restricted to Registered users only Download (672kB)

Abstract

PT.Tangguh Buana Roda Indonesia mengalami kesulitan dalam mempertahankan pelanggan setia akibat manajemen pelanggan yang kurang optimal. Penelitian ini mengusulkan penggunaan sistem berbasis data mining untuk mengelompokkan pelanggan loyal menggunakan metode K-Means dan Decision Tree. Evaluasi menunjukkan bahwa kombinasi algoritma K-Means dan Decision Tree memberikan akurasi rata-rata yang lebih tinggi, yakni 93,7175%. Dibandingkan menggunakan Decision Tree saja yang mencapai 92,8525% dan KMeans yang hanya 91,667%. Dengan kombinasi kedua algoritma ini, diharapkan dapat mendukung pemberian penghargaan kepada pelanggan loyal serta memperkuat hubungan antara pelanggan dan perusahaan. Sistem yang telah dibuat ini di buat berbasis web yang akan memudahkan perencanaan strategis untuk meningkatkan loyalitas pelanggan.

Item Type:	Thesis (Other)
Additional Information:	Dosen Pembimbing Bagus Tri Mahardika, S.Kom., MMSI.
Uncontrolled Keywords:	Loyalitas Pelanggan, Data Mining, K-Means Clustering, Decision Tree, Klasifikasi, Clustering
Subjects:	000 Generalities/Karya Umum > 006.312 Data Mining
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Date Deposited:	04 Dec 2025 07:24
Last Modified:	04 Dec 2025 07:24
URI:	http://repository.unsada.ac.id/id/eprint/9285

Actions (login required)

View Item