CUSTOMER SEGMENTATION DENGAN METODE SELF ORGANIZING MAP (STUDI KASUS: UD. FENNY)

• Main Author: A. A. Gde Bagus Ariana
• Format: Article
• Language: Indonesian
• Published: Universitas Udayana 2012-11-01
• Series: Lontar Komputer
• Subjects: Segmentasi, SOM, Recency, Frequency, Monetary
• Online Access: https://ojs.unud.ac.id/index.php/lontar/article/view/3712
• ISSN: 2088-1541; 2541-5832

Saat ini persaingan bisnis pada perusahaan retail tidak hanya dengan menggunakan perangkat sistem informasi namun sudah dilengkapi dengan sistem pendukung keputusan. Salah satu metode sistem pendukung keputusan yang digunakan adalah data mining. Data mining digunakan untuk menemukan pola-pola yang tersembunyi pada database. UD. Fenny sebagai perusahaan retail ingin menemukan pola segmentasi pelanggan dengan menggunakan model RFM (Recency, Frequency, Monetary). Metode data mining untuk melakukan proses segmentasi adalah metode clustering. Clustering merupakan proses penggugusan data menjadi kelompok-kelompok yang memiliki kemiripan secara tidak terawasi (unsupervised). Sebelum melakukan proses clustering, dilakukan proses persiapan data dengan membuat datawarehouse menggunakan skema bintang (star scema). Selanjutnya dilakukan proses clustering dengan menggunakan metode Self Organizing Map (SOM/Kohonen). Metode ini merupakan salah satu model jaringan saraf tiruan yang menggunakan metode unsupervised. Dari hasil percobaan metode SOM melakukan proses clustering dan menggambarkan hasil clustering pada SOM plot. Dengan melakukan proses clustering, pihak pengambil keputusan dapat memahami segmentasi customer dan melakukan upaya peningkatan pelayanan customer.