Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
The Australian Embassy in Jakarta stores a wide array of media release document. Analyzing particular and vital patterns of the documents collection is imperative as it may result new insights and knowledge of significant topic groups of the documents. K-Means algorithm was used as a non-hierarchical clustering method which partitioning data objects into clusters. The method works through minimizing data variation within clusters and maximizing data variation between clusters. Of the documents issued between 2006 and 2016, 839 documents were examined in order to determine term frequencies and generate clusters. Evaluation was conducted by nominating an expert to validate the cluster result. The result showed that there were 57 meaningful terms grouped into 3 clusters. “People to people links”, “economic cooperation”, and “human development” were chosen to represent topics of the Australian Embassy Jakarta media releases from 2006 to 2016. Text mining can be used to cluster topic groups of documents. It provides a more systematic clustering process as the text analysis is conducted through a number of stages with specifically set parameters.

Abstrak :
Persaingan dalam dunia bisnis khususnya perbankan yang semakin ketat membuat para pelakunya harus selalu memikirkan strategi-strategi terobosan yang dapat menjamin keberlangsungan bisnis mereka. Kepuasan pelanggan merupakan salah satu faktor yang sangat perlu diperhatikan untuk mengikat pelanggan agar tetap setia pada produk atau layanan yang ditawarkan. Salah satu aset utama yang dimiliki oleh perusahaan perbankan dewasa ini adalah data transaksi bisnis dalam jumlah yang sangat besar. Hal ini menciptakan sebuah kebutuhan akan adanya teknologi yang dapat memanfaatkannya untuk menggali pengetahuan-pengetahuan baru, yang dapat membantu dalam perencanaan strategi bisnis di masa depan. Dalam hal tersebut teknologi data mining hadir sebagai sebuah solusi yang dapat diterapkan. Dalam tulisan ini akan dibahas implementasi data mining untuk menemukan model berupa association rules yang bisa diinterpretasikan menjadi pengetahuan baru mengenai karakteristik beberapa obyek layanan perbankan Bank XYZ. Pengetahuan baru tersebut nantinya bisa digunakan sebagai bahan analisis untuk menentukan rencana strategis ke depan khususnya dalam rangka meningkatkan kinerja layanan sehingga pelanggan tetap setia terhadap produk dan layanan Bank XYZ. ......The tighter competition in banking industry motivates the actors to always think of new strategies to ensure their business sustainability. Customer satisfaction must be maintained to make customers remain loyal to the offered products or services. One of the main assets of banking organization or corporate is a large number of business transaction data. This creates a need of new technologies to mine new knowledges, which can assist management in making future business strategy plans. Data mining technology is one applicable solution. This thesis describes the implementation of data mining in order to find association rules model which can be further interpreted as new knowledges on banking service characteristic of Bank XYZ. The new knowledges will be useful to determine strategic plans in the future, especially in increasing the performance of products or services. They finally can make the customers loyal to products or services of Bank XYZ.

Abstrak :
Online customers segmentation could be a valuable research topic of marketing strategy. Previous literature mainly studied the differences between non-purchasers and purchasers, lacking further segmentation of online customers themselves. This thesis focuses on online customer segmentation based on a large volume of real transaction data in one of Indonesias e-commerce website. This research proposes a customer clustering technique using the K-Means algorithm and RFM Patterns as an analysis of the customers profile. Then, the market basket analysis is conducted using the Apriori algorithm for every customer profile and cluster to obtain the association rule as well as product relationships purchased by customers. Later on, the result of market basket analysis is utilized as an input for e-commerce companies in designing promotions such as bundling or product recommendation system for segmented customers.

---

Segmentasi pelanggan daring bisa menjadi topik penelitian yang berharga dalam strategi pemasaran. Literatur yang sudah ada cenderung mempelajari perbedaan antara pembeli dan non-pembeli, tanpa menggali lebih lanjut mengenai segmentasi pelanggan daring itu sendiri. Tesis ini berfokus pada segmentasi pelanggan daring berdasarkan data transaksi di salah satu situs penjualan daring di Indonesia. Penelitian ini mengusulkan teknik pengelompokan pelanggan menggunakan algoritma K-Means dan pola RFM sebagai analisis profil pelanggan. Kemudian, analisis keranjang belanja dilakukan dengan menggunakan algoritma Apriori untuk setiap profil pelanggan dan kluster untuk mendapatkan aturan asosiasi serta hubungan produk yang dibeli oleh pelanggan. Kemudian, hasil analisis keranjang belanja tersebut digunakan sebagai masukan untuk perusahaan penjualan daring dalam merancang promosi seperti bundling atau sistem rekomendasi produk untuk pelanggan yang berada dalam profil yang sama.

Abstrak :
Peningkatan pemanfaatan teknologi dalam pengambilan data membuat perusahaan harus mampu mengambil informasi dari sekumpulan data pelanggannya. Hal ini berjalan paralel dengan peningkatan persaingan dalam industri mode muslim di Tanah Air. Pelaku usaha dalam industri mode muslim harus memiliki strategi dan cara yang tepat untuk dapat terus memimpin pasar. Perpaduan antara ilmu pemasaran dengan data mining penting dilakukan agar dapat menerjemahkan data pelanggan menjadi informasi berguna bagi perusahaan. Penelitian dilakukan pada salah satu perusahaan yang bergerak di bidang mode muslim. Penelitian ini bertujuan untuk menemukan segmen pasar potensial dan menjadikannya target perusahaan dalam melakukan aktivitas pemasaran. Segmen yang terbentuk berasal dari variabel Length, Recency, Freuency, dan Monetary (LRFM). Metode yang digunakan dalam penelitian ini adalah klasterisasi dengan algoritme k-means untuk mendapatkan segmentasi pelanggan dan indeks validasi Davies Boulldin untuk menentukan jumlah k terbaik. Setelah terbentuk klaster, analisis masing-masing klaster akan dilakukan untuk menemukan target klaster pelanggan yang potensial. Hasil dari penelitian terbentuk lima klaster dan terpilih dua klaster pelanggan yang akan dijadikan target utama aktivitas pemasaran perusahaan ......The increasing use of technology in the big data world is enabling companies to use consumers' information, which leads to increased competition in the modest fashion industry in Indonesia. Modest fashion business brands need the correct strategy in order to gain the market. The combination of marketing and data mining is translating consumers' data into marketing strategies. This research is being done at a modest fashion company in Indonesia to explore the market segment and target the segment to determine the marketing strategy then. The segmentation is based on Length, Recency, Frequency, and Monetary (LFRM) variable. It is using the k-means algorithm to segment consumers and Davies Bouldin validation index to determine the best k value. Once the cluster is formed, the analysis will be done to find potential customer segments to be the foundation of the marketing strategy. The potential segment is not limited to one segment. The main target of company’s marketing activities are the chosen potential segment.