<?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="59142">
 <titleInfo>
  <title>Penerapan Algoritma K-Medoids Untuk Menentukan Segmentasi Pelanggan</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Sulistyawati Anggi Ayu Dwi</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 : 516-526</extent>
 </physicalDescription>
 <relatedItem type="series">
  <titleInfo/>
  <title>SISTEMASI : Jurnal Sistem Informasi</title>
 </relatedItem>
</mods>
<note>Abstrak&#13;
&#13;
Strategi pemasaran berorientasi pelanggan memiliki peranan penting dalam mengelola hubungan baik dengan pelanggan. Agar strategi pemasaran tepat sasaran, segmentasi pelanggan dapat digunakan untuk mengelompokkan pelanggan berdasarkan karakteristik yang sama. Dalam penyusunan strategi pemasaran dapat memanfaatkan TI di bidang komputasi, salah satunya adalah data mining. Pemanfaatan teknologi komputasi untuk pengolahan data yang belum maksimal mengakibatkan penumpukan data yang miskin informasi. Pada penelitian ini dilakukan penerapan teknik clustering dengan menggunakan algoritma K-Medoids pada dataset transaksi penjualan untuk menentukan segmentasi pelanggan. Penyusunan strategi pemasaran ditentukan berdasarkan tipe dan karakteristik pelanggan pada setiap cluster atau segmen pelanggan yang terbentuk. Uji validitas cluster menggunakan Silhouette Index dan Davies Boulbin Index dilakukan untuk menentukan jumlah cluster yang paling optimal. Hasil penelitian ini menunjukan bahwa jumlah cluster optimal adalah 3 (tiga) cluster dengan nilai maksimum Silhouette Index adalah 0,375 dan nilai minimum Davies Doulbin Index adalah 1,030. Segmen pelanggan hasil penelitian adalah lost customer, core customer, dan new customer.</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 V10N3 September 2021</shelfLocator>
 <holdingSimple>
  <copyInformation>
   <numerationAndChronology type="1">SISTEMASI5-002</numerationAndChronology>
   <sublocation>Perpustakaan FT UPI YAI</sublocation>
   <shelfLocator>SISTEMASI V10N3 September 2021</shelfLocator>
  </copyInformation>
 </holdingSimple>
</location>
<slims:image>cover_issue_30_en_US.png.png</slims:image>
<recordInfo>
 <recordIdentifier>59142</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2023-02-21 10:12:31</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2023-02-21 10:12:31</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>