<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="59112">
 <titleInfo>
  <title>Aplikasi Analisis Segmentasi Pelanggan untuk Menentukan Strategi Pemasaran Menggunakan Kombinasi Metode K-Means dan Model RFM</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Febri Ahmad</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Riau</placeTerm>
   <publisher>Universitas Islam Indragiri</publisher>
   <dateIssued>2021</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Artikel Jurnal</form>
  <extent>hlm : 152-162</extent>
 </physicalDescription>
 <relatedItem type="series">
  <titleInfo/>
  <title>SISTEMASI : Jurnal Sistem Informasi</title>
 </relatedItem>
</mods>
<note>Abstrak&#13;
&#13;
Selain harus bersaing dengan dealer lain, kenjeran Auto2000 juga harus bersaing dengan cabang Auto2000 lainnya. Salah satu strategi yang digunakan untuk memenangkan persaingan adalah melalui penerapan segmentasi pelanggan. Saat ini kenjeran Auto2000 belum memiliki mekanisme segmentasi pelanggan, permasalahan yang dihadapi adalah tidak dapat mengklasifikasikan pelanggan karena jumlah datanya yang besar dan belum ada alat yang mendukung segmentasi. Berdasarkan permasalahan tersebut, maka diusulkan solusi aplikasi segmentasi pelanggan yang dapat membantu kenjeran Auto2000 melakukan segmentasi. Untuk mengetahui karakteristik pelanggan digunakan model RFM. Sedangkan metode K-Means digunakan untuk melakukan segmentasi, namun metode ini memiliki kelemahan yaitu sulit untuk menentukan jumlah cluster yang terbaik. Untuk mengatasi masalah ini, metode Koefisien Silhouette digunakan. Metode ini digunakan untuk membantu metode K-Means dalam menentukan jumlah cluster terbaik yang akan digunakan. Berdasarkan hasil pengujian, aplikasi telah berjalan sesuai fungsinya yaitu mampu mengelompokkan pelanggan menjadi beberapa kelompok dan menemukan kelompok pelanggan potensial.</note>
<note type="statement of responsibility"></note>
<subject authority="">
 <topic>Sistem Informasi</topic>
</subject>
<classification>SISTEMASI</classification>
<identifier type="isbn">23028149</identifier>
<location>
 <physicalLocation>Perpustakaan Teknik UPI YAI </physicalLocation>
 <shelfLocator>SISTEMASI V10N1 Januari 2021</shelfLocator>
 <holdingSimple>
  <copyInformation>
   <numerationAndChronology type="1">SISTEMASI3-013</numerationAndChronology>
   <sublocation>Perpustakaan FT UPI YAI</sublocation>
   <shelfLocator>SISTEMASI V10N1 Januari 2021</shelfLocator>
  </copyInformation>
 </holdingSimple>
</location>
<slims:image>cover_issue_30_en_US.png.png</slims:image>
<recordInfo>
 <recordIdentifier>59112</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2023-02-20 14:51:02</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2023-02-20 14:51:02</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>