PREDIKSI LOYALITAS PELANGGAN PADA FAST MOVING CONSUMER GOODS MENGGUNAKAN DATA MINING KLASIFIKASI DENGAN METODE C4.5

Imam, Baihaqi (2021) PREDIKSI LOYALITAS PELANGGAN PADA FAST MOVING CONSUMER GOODS MENGGUNAKAN DATA MINING KLASIFIKASI DENGAN METODE C4.5. Sarjana thesis, Sekolah Tinggi Informatika dan Komputer Indonesia.

	Text ABSTRAK.docx Download (30kB)
	Text BAB I.docx Download (55kB)
	Text BAB II.docx Download (110kB)
	Text BAB III.docx Download (894kB)
	Text BAB IV.docx Restricted to Repository staff only Download (1MB)
	Text BAB V.docx Download (29kB)

Abstract

Mie instan merupakan salah satu produk makanan dari industri Fast Moving Customer Goods (FMCG) yang mana industri yang cukup besar di Indonesia. Namun, persaingan tidak bisa dihindari. Sehingga untuk memenangkan persaingan dari perusahaan lainnya, majamen perusahaan dituntut untuk menentukan strategi mempertahankan loyalitas konsumen. Oleh karena itu, tujuan penelitian ini adalah membuat suatu aplikasi untuk melakukan prediksi terhadap loyalitas pelanggan dan menentukan atribut yang berpengaruh dengan menerapkan Data Mining Klasifikasi dalam bentuk pohon keputusan. Metode aplikasi yang digunakan dalam Klasifikasi untuk prediksi adalah metode C4.5. Dalam algoritma C4.5 dilakukan perhitungan entropy dan information gain dimana atribut loyalitas pelanggan sebagai atribut tujuan (class), sedangkan harga, kemasan, citarasa, variasi, iklan, distribusi, dan kualitas sebagai atribut sumber untuk memperoleh node akar dan node lainnya. Hasil dari penelitian menunjukan bahwa aplikasi dengan menggunakan metode C4.5 menghasilkan akurasi 97.5%, jadi medote C4.5 dapat digunakan untuk membantu manajemen perusahaan mie instan dalam rangka menentukan strategi mempertahankan loyalitas konsumen.

Item Type:	Thesis (Sarjana)
Subjects:	Applied computing > Computers in other domains
Divisions:	Engineering Sciences
Depositing User:	Unnamed user with username editor_perpustakaan
Date Deposited:	16 Aug 2023 08:49
Last Modified:	16 Aug 2023 08:51
URI:	http://repository.stiki.ac.id/id/eprint/1874

Actions (login required)

View Item