Persaingan dalam industri kecantikan menuntut setiap pelaku bisnis di bidang ini untuk menentukan strategi pemasaran agar manajemen tidak melakukan kesalahan dalam memberikan pelayanan kepada pelanggan. Salon Nuii Beauty Glow belum dapat mengklasifikasikan pelanggan mana yang menguntungkan bagi perusahaan. Oleh karena itu, perusahaan mengalami kesulitan untuk menentukan strategi pemasaran yang tepat bagi pelanggannya. Peneliti menggunakan model clustering data mining yang sangat efisien dalam menentukan karakteristik kelompok pelanggan yang terbentuk, dengan menggunakan algoritma K-Means yang memiliki keunggulan dalam pengelompokan. Algoritma k-means clustering merupakan salah satu teknik data mining yang dapat membagi data dalam suatu himpunan menjadi beberapa kelompok, dimana kesamaan data pada satu kelompok lebih besar dibandingkan dengan kesamaan data tersebut dengan data pada kelompok lain. Dari penelitian ini diperoleh 3 cluster pelanggan. Cluster 0 menempati jumlah pelanggan terbanyak yaitu 48 pelanggan, cluster 1 memiliki 10 pelanggan, dan cluster 3 memiliki 12 pelanggan. Ketiga cluster tersebut dikategorikan sesuai dengan karakteristik masing-masing data dengan melakukan uji indeks Davies Bouldin untuk menentukan cluster terbaik. Dan model RFM (Kebaruan, frekuensi, moneter) digunakan untuk memfasilitasi pengelompokan.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.