Perusahaan logistik menangani berbagai jenis pesanan dari pelanggan yang memiliki kebutuhan, preferensi, dan perilaku berbeda. Mengidentifikasi pola pemesanan ini dapat memberikan keunggulan kompetitif yang signifikan. Menganalisis data pesanan adalah langkah penting untuk mengidentifikasi segmen pelanggan dengan karakteristik dan kebutuhan yang serupa. Teknik clustering, seperti K-Means dan K-Medoids, digunakan untuk mengelompokkan pelanggan ke dalam segmen-segmen ini. Tujuan utama penelitian adalah mengidentifikasi segmen pelanggan yang serupa berdasarkan pola pemesanan, membandingkan kedua algoritma, dan memberikan rekomendasi strategi penjualan yang efektif dan efisien. Memahami karakteristik dan preferensi setiap segmen pelanggan memungkinkan perusahaan logistik mengembangkan strategi yang lebih tepat sasaran. Hasil analisis menunjukkan perbedaan distribusi dan karakteristik masing-masing cluster antara algoritma K-Means dan K-Medoids. K-Means menghasilkan cluster dengan variasi yang lebih besar, sedangkan K-Medoids menghasilkan cluster yang lebih terfokus pada nilai tertentu.

S10303

INF 0214 2024

Bekasi

Tersedia