IMPLEMENTASI METODE CLUSTERING PADA DISTRO BINTANG PLUSH STORE SEBAGAI MEDIA UNTUK MENINGKATKAN PROMOSI

RAHMAN, S M FATHUR (2025) IMPLEMENTASI METODE CLUSTERING PADA DISTRO BINTANG PLUSH STORE SEBAGAI MEDIA UNTUK MENINGKATKAN PROMOSI. Other thesis, UNIVERSITAS BINA DARMA.

	Text (BAB 0) BAB 0.pdf Download (1MB)
	Text (BAB 1) BAB1.pdf Download (450kB)
	Text (DAFTAR PUSTAKA) DAPUS.pdf Download (416kB)
	Text (FULLBAB SKRIPSI) FULLBAB.pdf Restricted to Repository staff only Download (5MB)
	Text (LAMPIRAN) LAMP.pdf Download (1MB)

Abstract

Industri fesyen ritel, khususnya sektor distro, mengalami pertumbuhan pesat di Indonesia seiring meningkatnya minat generasi muda terhadap gaya hidup dan ekspresi diri. Distro Bintang Plush Store, sebagai salah satu pelaku dalam industri ini, menghadapi tantangan dalam efektivitas strategi promosinya yang masih bersifat umum dan kurang personal. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut melalui segmentasi pelanggan berbasis data transaksi menggunakan algoritma K-Means Clustering. Metodologi penelitian mencakup tahapan identifikasi masalah, studi literatur, pengumpulan data transaksi, prapemrosesan data (pemilihan fitur, pembersihan, dan standardisasi), serta penerapan K-Means menggunakan Python pada platform Google Colaboratory. Dua fitur utama, yaitu Quantity dan TotalAmount, digunakan dalam proses clustering.Hasil analisis menunjukkan bahwa jumlah klaster optimal adalah tiga, yaitu Klaster 0 (Pelanggan Ekonomi), Klaster 1 (Pelanggan Premium), dan Klaster 2 (Pelanggan Reguler). Evaluasi dengan Silhouette Score sebesar 0,50 menandakan kualitas clustering yang cukup baik. Temuan ini memungkinkan Distro Bintang Plush Store untuk menerapkan strategi promosi yang lebih terpersonalisasi sesuai karakteristik masing-masing segmen, meningkatkan efisiensi pemasaran, serta memperkuat loyalitas pelanggan. Penelitian ini juga memberikan kontribusi praktis dalam pengembangan strategi pemasaran berbasis data pada sektor ritel fesyen lokal.

Actions (login required)

View Item