Implementasi Algoritma K-Means Untuk Klasterisasi Anggota Koperasi Lemdiklat Polri Menggunakan Prepocessing Rfm Berbasis Web

Abstrak

Nasabah yang tergabung dalam Koperasi Lemdiklat Polri merupakan entitas penting yang mempengaruhi perkembangan koperasi. Penelitian ini bertujuan untuk membandingkan atau membandingkan metode klasterisasi dengan mengelompokkan anggota koperasi menjadi tiga klaster sesuai dengan karakteristiknya yaitu anggota sangat aktif, anggota aktif, dan anggota tidak aktif. Memungkinkan Anda melihat anggota koperasi mana yang memerlukan pembayaran saat berbelanja, dan siapa yang paling aktif membeli dari koperasi tempat Anda dapat bersaing dengan anggota lain. Metode yang digunakan dalam penelitian ini adalah metode algoritma K-Means berdasarkan analisis recency, frequency and currency (RFM). Algoritma yang digunakan diimplemntasikan dengan menggunakan bahasa pemograman PHP dan berbasis web. K-Means memiliki kelebihan yaitu sangat cepat dalam proses clustering disbanding dengan K-Medoids pada pemilihan data point sebagai pusatnya dan K-Means bisa menghasilkan nilai rasio simpangan baku yang lebih kecil. Lokasi penelitian dilakukan pada Koperasi Lemdiklat Polri, data yang dilakukan klaster sebanyak 16.465 data pembelian dengan 221 anggota yang menghasilkan data sangat aktif, tidak aktif, dan aktif, guna mendukung strategi pemasaran agar semakin banyak anggota koperasi.