Hasil Pencarian  ::  Simpan CSV :: Kembali

"

Pertumbuhan industri kosmetik dan kecantikan semakin berkembang secara signifikan di Indonesia. Tingkat persaingan yang timbul antar pemilik usaha sejenis mendorong perusahaan untuk bisa menjaga loyalitas pelanggan. Manajemen Hubungan Pelanggan memiliki peranan yang cukup penting untuk menjaga hubungan pelanggan, salah satunya adalah dengan mengidentifikasi nilai hidup pelanggan atau Customer Lifetime Value (CLV). Nilai hidup pelanggan yang tinggi menunjukan loyalitas pelanggan yang semakin tinggi. Sehingga, penelitian ini bertujuan untuk mengidentifikasi persebaran karakteristik kelompok segmen pelanggan yang diukur berdasarkan salah satu metrik CLV yaitu variabel Length, Recency, Frequency dan Monetary (LRFM) pada beberapa wilayah. Proses segmentasi pelanggan dilakukan dengan membandingkan beberapa Metode Clustering. Hasil penelitian membuktikan bahwa terdapat tiga kelompok segmen yang terdiri dari kelompok pertama dengan nilai hidup yang tinggi dan loyal terhadap perusahaan, kelompok kedua dengan karakteristik pelanggan pendatang baru yang tidak tetap dan kelompok terakhir merupakan pelanggan tidak tetap dan sudah hilang. Selanjutnya, untuk memperoleh analisis lebih mendalam maka dilakukan proses visualisasi terhadap informasi spasial pelanggan. Kesimpulan akhir dari visualisasi spasial menunjukkan bahwa persebaran segmen pelanggan loyal berada pada wilayah di Pulau Jawa khususnya pada Provinsi Jawa Barat, DKI Jakarta, dan Banten. Luaran penelitian ini diharapkan dapat menjadi acuan dalam mempertahankan pelanggan potensial dan memperluas pangsa pasar perusahaan.

---

Beauty and cosmetics industry in Indonesia has growth significantly. The increasing of competitiveness encourages local companies to maintain their customer loyalty by enhancing Customer Relationship Management (CRM). CRM has an important role to maintain customer relationship by identifying Customer Lifetime Value (CLV). The high value of CLV shows higher customer loyalty. Therefore, this research aims to specify customer segment distribution that has similar lifetime value in several areas based on CLV metrics that consists of Length, Recency, Frequency and Monetary (LRFM). The customer segmentation process is done by comparing several Clustering Methods. The results of the study prove that there are three customer segments consisting of the first group with the characteristics of high value and loyal customers, the second group with the characteristics of uncertain new customers and the last group is uncertain lost customers. Moreover, to obtain more in-depth analysis towards segmentation result, a visualization process is carried out by considering customer spatial information. The result of spatial visualization shows that segmentation distribution of loyal customer is located in West Java, DKI Jakarta and Banten. In summary, these findings can be used as a reference to retain loyal customers, discover potential area and expand company’s market share

"

"CRM yang sukses seperti meningkatkan loyalitas pelanggan, dan profit perusahaan berawal dari identifikasi pelanggan berdasarkan nilai dan loyalitas pelanggan. Dalam penelitian ini, Customer Lifetime Value (CLV) digunakan untuk mensegmentasi pelanggan seluler berdasarkan nilai pelanggan. Atribut yang dipilih dari database pelanggan yaitu variabel recency, frequency dan monetary (RFM). Dalam segmentasi pelanggan digunakan metode k-means, salah satu metode dalam data mining dengan menggunakan Euclidean Distance dalam menentukan nilai k optimal (jumlah segmentasi optimal). Pembobotan variabel RFM menggunakan Analytic Hierarchy Process (AHP) untuk mengevaluasi customer lifetime value (CLV). Pada akhirnya, penelitian ini akan dilakukan analisis CLV pada masing-masing kelompok pelanggan yang dibagi dalam beberapa kuartal. Tujuan utama penelitian ini yaitu sebagai acuan pemberi keputusan strategi pemasaran perusahaan berdasarkan segmentasi pelanggan mereka.

---

A firm starts from identifying customers’ value and loyalty in identifying different segments of customer for to building successful customer relationship management (CRM) such as improve customer loyalty and revenue of the firm. In this paper, CLV is used to telecom market segmentation. The RFM (recency, frequency and monetary ) model variables were used to segment database, the K-means cluster analysis was also employed in data mining with K-optimum according to Euclidean Distance. The Analytic Hierarchy Process (AHP) was applied to determine the relative weights of RFM variables in evaluating customer customer lifetime value (CLV). Finally, this paper analysing customer lifetime value of each segments by tren of customer value in different quartal. The general aim of this study is to provide a quide to marketing decisions of the firm based on their customer segmentation."

"Produk susu bubuk balita yang beragam membuat konsumen memiliki banyak pilihan sehingga penting bagi produsen menjaga loyalitas pelanggan yang telah ada dengan memahami perilaku churn pelanggan. Churn pelanggan didefinisikan sebagai kecenderungan pelanggan untuk berhenti melakukan bisnis dengan sebuah perusahaan. Penelitian ini berfokus memprediksi pola churn pelanggan sehingga perusahaan dapat menentukan strategi untuk mengurangi churn. Penelitian ini membahas mengenai prediksi churn pelanggan berdasarkan segmen produk susu bubuk balita menggunakan model Length, Recency, Frequency, Monetary (LRFM). Responden penelitian ini adalah pelanggan PT. XYZ yang pernah bertransaksi untuk produk susu bubuk balita kelas premium (susu A) dan segmen biasa (susu B) selama periode tahun 2021. Variabel pada penelitian ini meliputi variabel LRFM dan CLV yang dibentuk dengan pembobotan variabel LRFM. Pertama metode Fuzzy C-Means Clustering digunakan untuk melakukan pelabelan target pelanggan selanjutnya metode klasifikasi K-Nearest Neighbor (KNN) digunakan untuk memprediksi churn. Hasilnya terdapat tiga kelompok pelanggan untuk masing-masing susu A dan susu B. Pelabelan yang dihasilkan yaitu pelanggan churn dengan nilai CLV rendah, potential to churn dengan nilai CLV menengah, dan loyal dengan nilai CLV tinggi. Susu B menunjukkan jumlah pelanggan churn sebesar 43,4% lebih banyak dibandingkan susu A sebanyak 34%. Tahapan akhir penelitian ini adalah menganalisis kinerja metode KNN berdasarkan nilai akurasi, recall, dan f1-score terhadap kedua susu A dan susu B. Hasil dari tugas akhir ini menunjukkan bahwa kinerja metode KNN bergantung pada pemilihan jumlah tetangga terdekat dan proporsi pemisahan data.

---

The variety of powdered toddler milk products gives consumers many choices, so producers need to maintain the loyalty of existing customers by understanding customer churn behaviour. Customer churn is defined as the tendency of a customer to stop doing business with a company. This study focuses on predicting customer churn patterns so companies can determine strategies to reduce churn. This study discusses the prediction of customer churn based on the segment of toddler powdered milk products using the Length, Recency, Frequency, Monetary (LRFM) model. The respondent of this research are the customers of PT. XYZ who have transacted for premium segment powdered milk products for toddlers (milk A) and ordinary segment (milk B) during 2021. Variables in the data include LRFM and CLV variables which are formed by weighting the LRFM variable. At first, Fuzzy C-Means Clustering algorithm was applied for labelling target customer and then, K-Nearest Neighbor (KNN) Classifier as churn prediction was used. As a result, there are three groups of customers for each milk A and milk B. The resulting labels are the churn customer group with low CLV value, potential to churn group with medium CLV, and loyal customer group with high CLV value. Milk B shows the number of customers churn by 43,4% more than milk A as much as 34%. In the final stage of this research, the author analyze the performance of the KNN method based on the value of accuracy, recall, and f1-score for both milk A and milk B. The results of this final project show that the performance of the KNN method depends on the selection of the number of nearest neighbors and the proportion of data splitting used."

"ABSTRACTMasyarakat Ekonomi ASEAN MEA yang terwujud pada tahun 2015, membawa banyak kesempatan dan tantangan kepada Indonesia sebagai salah satu negara anggotanya. Untuk menjawab tantangan MEA Indonesia akan mendorong Usaha Kecil dan Menengah UKM dan mengembangkan pengimplementasian industri 4.0. Terdapat lima sektor industri nasional yang akan menjadi unggulan untuk memperkuat fundamental struktur manufaktur Tanah Air dalam mengimplementasikan sistem revolusi industri keempat, dimana salah satu sector tersebut adalah fashion. Dalam usaha memenuhi tanggung jawab tersebut UKM harus dapat meningkatkan daya saing mereka dengan cara mempertahankan pelanggan dan pemanfaatan teknologi. Tujuan dati penelitian ini adalah mendapatkan strategi CRM untuk UKM dibidang fashion melalui segmentasi pelanggan berdasarkan customer lifetime value CLV melalui pendekatan model Recency, Frequency, dan Monetary RFM dan strategi customer development berdasarkan association rules. Didapatkan beberapa strategi customer development dari berbagai kluster yang telah dihasilkan dan strategi cross-selling dari pengolahan pola pembelian pelanggan dengan menggunakan association rules. Strategi tersebut diberikan sehingga UKM dapat perform dalam memanfaatkan e-commerce serta dapat meningkatkan loyalitas pelanggannya serta meningkatkan daya saing.

---

ABSTRACTThe Asean Economic Communities AEC, which has been happening since 2015, brought various challenges and opportunities for Indonesia as a member of ASEAN. To sucessfully face AEC challenges, Indonesia will stimulate Small and Medium Enterprises SMEs and develop the implementation of industry 4.0. There are five national industrial sectors that will be superior to strengthen the fundamentals of the country 39 s economic structure in implementing the fourth industrial revolution system, where one of these sectors is fashion industry. As an effort to fulfill their responsibilities, SMEs needs to be able to improve their market capability by retaining their customers and emerging techologies. As for the purpose of this research is to design CRM strategy for SMEs in the fashion sector by creating customers 39 characteristics segmentation based on customer lifetime value CLV using the Recency, Frequency, and Monetary RFM approach and customer development strategy that is relevant with the products as a result from association rule method. There are several customer development strategies from various clusters that have been generated and cross selling strategies from processing customer purchasing patterns using association rules so that these SMEs can perform by utilizing e commerce as well as improving customers 39 loyality and improving market capabilities. "

"ABSTRAKPenelitian ini menjelaskan mengenai penerapan segmentasi konsumen berdasarkan CLV agar dapat menghasilkan profil konsumen bagi perusahan untuk memberikan perlakuan yang tepat bagi masing ndash; masing konsumen. Dalam memproses data yang akan digunakan, penelitian ini mengunakan segmentasi RFM sebagai langkah awal untuk mengidentifiksi data dan dilanjutkan dengan klasterisasi menggunakan K-Means agar mendapatkan gambaran data konsumen yang lebih jelas. Hasil dari penelitian ini menunjukan adanya lima jenis profile konsumen yang berbeda berdasarkan perhitungan RFM dan K-Means. Setiap kelompok memiliki karakteristik yang berbeda yang dapat digunakan oleh perusahaan untuk membentuk strategi dalam memberikan pendekatan kepada konsumen. Terdapat juga perbandingan antara kelompok konsumen yang akan dihasilkan apabila perusahaan menggunakan segmentasi konsumen menggunakan CLV dengan saat tidak menggunakan CLV. Dengan memberikan perlakuan yang tepat bagi konsumen yang dapat memberikan keuntungan bagi perusahaan dimasa yang akan datang, maka perusahaan dapat membentuk strategi yang lebih efektif dan tepat sasaran.

---

ABSTRACTThis research focus on how to make a consumer segmentation based on CLV in order to create a customer profile for the company to provide appropriate treatment for each consumer. In order to process the data, this research uses RFM segmentation as the first step to identify the data and continued with K Means clustering to get a better interpretation of consumer data. The results of this research show five different types of consumer profiles based on RFM and K Means calculations. Each cluster has a different characteristic that can be used for a company to define a better strategy in order to approach their customer. There is also a comparison between the consumer groups if the company uses consumer segmentation using CLV or when not using CLV. By providing the right treatment for profitable customer, the company can form an effective and targeted strategy in the future. "

"Penerapan strategi pemasaran memainkan peranan penting dalam upaya meningkatkan jumlah penjualan dan penetrasi pasar, terutama pada kondisi pasar yang kompetitif. Dalam pendekatan geomarketing, analisis spasial dari pola persebaran pelanggan digunakan sebagai bahan pertimbangan untuk menentukan strategi pemasaran yang komperhensif. Oleh karena itu, penelitian ini dilakukan dengan tujuan untuk melihat pola spasial persebaran pelanggan layanan jaringan internet berbasis fixed broadband dari data pelanggan yang berbasis kepada sistem informasi geografis. Penelitian ini dilakukan menggunakan metode analisis spasial, yaitu spatial join, query, kernel density estimation, dan space time pattern mining. Hasil yang diperoleh dari penelitian ini memberikan gambaran mengenai pemetaan wilayah pelanggan dalam bentuk peta tematik dan heatmap.

---

The implementation of marketing strategy plays an important role in increasing the number of sales and market penetration, especially in competitive market. In geomarketing approach, spatial analysis of customer distribution patterns is used as a parameter to determine a comprehensive marketing strategy. Therefore, this study was conducted to find the spatial patterns of fixed broadband customer distribution from geographic information system based customer data. This research was conducted using spatial analysis methods, which are spatial join, query, kernel density estimation, and space time pattern mining. The results obtained from this study provide an overview of customer area mapping in the form of thematic map and heatmap."

"Pemilihan portofolio adalah salah satu bidang penelitian yang menarik dan penting di bidang keuangan karena masa depan dan ketidak beraturan pasar keuangan yang tidak dapat diprediksi. Setiap investor berharap mendapatkan tingkat pengembalian yang tinggi untuk portofolio mereka dengan risiko sekecil mungkin dan hal ini sulit dicapai, sehingga investor mencoba menyeimbangkan kinerja dan risiko portofolio melalui diversifikasi. Tujuan penelitian ini adalah untuk menyelidiki strategi pemilihan portofolio melalui metode clustering dan Genetic Algorithm. Clustering digunakan untuk diversifikasi portofolio dengan membentuk sekelompok aset homogen berdasarkan karakteristik rasio keuangan mereka. Ada tujuh rasio keuangan yang akan digunakan, yaitu EPS, PER, PEG, ROE, DER, Current Ratio, dan Profit Margin. Dalam skripsi ini digunakan algoritma Density Based Clustering of Application with Noise sebagai metode clustering DBSCAN. Setelah fase clustering, Genetic Algorithm digunakan untuk membentuk portofolio optimum. Genetic Algorithm secara otomatis memilih portofolio dengan risiko dan pengembalian yang optimal berdasarkan hasil clustering dengan memutuskan aset dan bobot masing-masing yang akan dimasukkan dalam portofolio. Algoritma genetika didasarkan pada model Mean Variance Cardinality Constrained Portofolio Optimization MVCCPO dan disebut metode Genetic Algorithm dengan kendala. Metode ini berhasil memberikan tingkat pengembalian dan Sharpe ratio yang lebih tinggi 25,35 dan 17,20 dibandingkan dengan indeks S P 500 pada periode waktu yang sama dengan tingkat pengembalian dan Sharpe ratio masing-masing 12,34 dan 2,7.

---

Portfolio selection is one of the interesting and important fields of research in finance because of the unpredictable future and randomness of the financial market. Every investor is hoping to get a high rate of return for their portfolio with as little risk as possible, which is hard to achieve, so investors try to balance the performance and risk of the portfolio through diversification. The motivation of this research is to investigate the portfolio selection strategies through clustering method and application of genetic algorithm. Clustering is used to diversify the portfolio by forming a homogenous cluster of assets with respect to their financial ratios characteristic. There are seven financial ratio characteristics that is used, they are EPS, PER, PEG, ROE, DER, Current Ratio and Profit Margin.

In this thesis, Density Based Clustering Algorithm with Application of Noise used as the clustering method DBSCAN. After the clustering phase, genetic algorithm used for portfolio selection. Genetic Algorithm automatically select the optimum risk and return portfolio based on the clustered asset by deciding which assets and their respective weights included in the portfolio. The genetic algorithm is based on the Mean Variance Cardinality Constrained Portofolio Optimization MVCCPO model and called a Constrained Genetic Algorithm. The method succesfully give a higher level of return 25,35 and Sharpe ratio 17,20 compared to S P 500 index in the same period of time 12.34 and 2.7 respectively."

"

Pertumbuhan ekonomi pada sektor Fashion khususnya pakaian etnik modern di Indonesia memberikan peluang yang besar bagi para pemilik usaha fashion etnik modern, termasuk Usaha Mikro, Kecil, dan Menengah (UMKM). Dengan daya saing yang semakin meningkat, UMKM perlu membangun manajemen hubungan pelanggan yang kuat untuk meningkatkan dan mempertahankan loyalitas pelanggan. Pencarian informasi mengenai karakteristik pelanggan lebih lanjut dilakukan dengan menggunakan Customer Lifetime Value (CLV) untuk melihat kontribusi pelanggan terhadap profitabilitas perusahaan. Penelitian ini bertujuan untuk memetakan segmentasi pelanggan dengan menggunakan metode K-Means Clustering dan Agglomerative Hierarchical Clustering berdasarkan variabel Recency, Frequency, dan Monetary (RFM). Terdapat 4 (empat) segmen yang terbentuk dalam penelitian ini. Selanjutnya, metode Analytical Hierarchy Process (AHP) digunakan untuk memperoleh bobot kepentingan dari model RFM. Hasil AHP menunjukkan bahwa frequency adalah variabel yang paling penting pada penelitian ini. Selanjutnya, dilakukan perhitungan Customer Lifetime Value (CLV) untuk mengetahui nilai dan karakteristik pelanggan dengan memberikan peringkat pada 4 (empat) segmen optimal yang dihasilkan. Selain metode CLV, metode Customer Value Matrix (CVM) juga digunakan untuk mengetahui karakteristik pelanggan pada setiap klaster. Setiap klaster akan diberikan rekomendasi strategi peningkatan loyalitas pelanggan berdasarkan karakteristik masing-masing klaster yang terbentuk.

---

Economic growth in the fashion sector, especially modern ethnic clothing in Indonesia, provides great opportunities for modern ethnic fashion business owners, including Micro, Small and Medium Enterprises (MSMEs). With increasing competitiveness, MSMEs need to build strong customer relationship management to increase and maintain customer loyalty. Extracting information regarding characteristics of customers is carried out using Customer Lifetime Value (CLV) to measure the contribution of customers to company profits. This research aims to establish customer segmentation using K-Means Clustering and Agglomerative Hierarchical Clustering methods based on Recency, Frequency, and Monetary (RFM) variables. There are 4 (four) segments formed in this study. Furthermore, the Analytical Hierarchy Process (AHP) method is used to obtain the importance weight of the RFM model. The results show that frequency is the most important variable in this study. Then, a Customer Lifetime Value (CLV) calculation is performed to find out the value and characteristics of customers by ranking the 4 (four) optimal segments that are generated. In addition to the CLV method, the Customer Value Matrix (CVM) method is also used to determine customer characteristics in each cluster. Each cluster will be given recommendations on strategies to increase customer loyalty based on the characteristics of each cluster formed.

"

"Density-Based Spatial Clustering of Application with Noise (DBSCAN) merupakan salah satu metode klastering berdasarkan kepadatan data yang menggunakan parameter radius jarak dari titik data tersebut dan jumlah minimal titik data untuk menghasilkan sebuah klaster. Traveling Salesman Problem (TSP) merupakan aplikasi dari optimasi yang menentukan sebuah rute yang diawali dan diakhiri di titik yang sama dengan hasil jarak paling minimum. Permasalahan konektivitas pelayaran perintis merupakan bagian yang sangat penting untuk menjaga agar daerah 3T (Terdepan, Terpencil, dan Tertinggal) terkoneksi. Wilayah Papua Barat memiliki moda transportasi yang terbatas dan Indeks Desa Membangun (IDM) yang paling rendah yaitu 0.5045 yang mengakibatkan tingginya angka desa 3T pada wilayah tersebut, untuk meningkatkan angka IDM di wilayah tersebut dibutuhkan moda transportasi yang dapat diakses secara rutin untuk merangsang perekonomian dan mobilitas penduduk. Penelitian ini bertujuan untuk mendapatkan rute pelayaran baru dengan meminimalkan jarak dan waktu tempuh. Dengan menggunakan DBSCAN dan TSP diperoleh 7 rute baru untuk 7 unit kapal perintis, dengan total jarak yaitu 3393 Nautical Miles dan rata-rata waktu pelayaran yaitu 3 hari, frekuensi kunjungan dapat dilakukan 4 kali dalam 12 hari pelayaran.

---

The Density-Based Spatial Clustering of Application with Noise (DBSCAN) is a clustering method based on data density that uses the radius parameter of the distance from the data point and the minimum number of data points to create a cluster. Traveling Salesman Problem (TSP) is an optimization application that determines a route that starts and ends at the same point with the minimum distance. The problem of pioneer ship connectivity is a very important for part of connecting the Isolated Places in Indonesia. The West Papua region is one of the regions in Indonesia that has limited transportation modes and the lowest Village Development Evaluation is 0.5045, Affecting the high number of underdeveloped villages in that region. Therefore, to increase the Village Development Evaluation number in West Papua, hence the underdeveloped villages can be accessed regularly to stimulate the economy and mobility. This research aims to obtain a new shipping route by minimizing the distance and travel time. By using DBSCAN and TSP, 7 new routes were obtained for 7 pioneer ships, with a total distance is 3393 Nautical Miles and an average voyage time are 3 days, the frequency of visits can be done 4 times in a 12-day cruise."

"Perkembangan teknologi setiap tahunnya semakin berkembang lebih maju dan cepat, salah satunya adalah dalam hal penggunaan internet. Dengan semakin banyaknya pengguna internet dan pelaku industri telekomunikasi di Indonesia sehingga menimbulkan persaingan ketat antar perusahaan telekomunikasi. Oleh karena itu, perusahaan telekomunikasi harus meningkatkan daya saing mereka dengan cara mempertahankan pelanggan dan pemanfaatan teknologi, serta melakukan pengukuran tingkat kematangan dalam skala aktivitas atau proses bisnis. Penelitian ini bertujuan untuk mengetahui perilaku pelanggan melalui segmentasi pelanggan berdasarkan Customer Lifetime Value (CLV) dengan pendekatan model Recency, Frequency, dan Monetary (RFM), melakukan pengukuran tingkat kematangan proses bisnis terkait Customer Care berdasarkan framework eTOM, dan merancang rekomendasi peningkatan loyalitas pelanggan untuk setiap segmen. Metode K-Means Clustering digunakan untuk melakukan segmentasi pelanggan yang menghasilkan 4 klaster dan nilai CLV dipakai untuk menentukan nilai dari setiap klaster pelanggan dengan variabel RFM. Kemudian pemetaan klaster menggunakan Customer Value Matrix (CVM) dilakukan untuk memastikan karakteristik klaster pelanggan. Kemudian nilai CLV digunakan sebagai bobot pengukuran untuk melakukan pemeringkatan dengan metode TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) pada 10 alternatif yang diusulkan kepada para ahli untuk dapat diterapkan oleh perusahaan telekomunikasi sehingga meningkatkan loyalitas pelanggan dan meningkat daya saing perusahaan.

---

The development of technology is growing more advanced and faster every year, including in terms of internet usage. The number of internet users and telecommunication industries in Indonesia increasing continuously, it has created high competition between telecommunication companies. Therefore, telecommunication company need to improve their competitiveness by retain loyalty customers and utilizing technology and also have a maturity level measurement in activities or business processes. The purpose of this study are to determine customer behavior through customer segmentation based on Customer Lifetime Value (CLV) using the Recency, Frequency, and Monetary (RFM) model, measure the maturity level of business process related to Customer Care based on the eTOM framework, and design recommendations to increase customer loyalty for each segment. Customers are segmented using the K-Means Clustering method, which yields four clusters, and the CLV value is used to determine the value of each customer cluster with the RFM variable. The Customer Value Matrix (CVM) is used to determine the characteristics of the customer clusters through cluster mapping. Then the CLV value is used as a measurement weight to rank with TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) method on the 10 alternatives proposed to the experts to be implemented by telecommunication company so they can increase customer loyalty and increase company competitiveness."