Perpustakaan Digital ITB

Gembira Houseware merupakan toko serba ada di Gorontalo yang melakukan kegiatan bisnisnya melalui penjualan alat dapur dan rumah tangga baik kepada pembeli eceran, grosir, dan hotel restoran. Tidak ada perbedaan distingtif antar kategori pelanggan dilihat dari rata-rata kuantitas pembelian, frekuensi pembelian, pengeluaran pelanggan, kategori produk yang dibeli, dan persentase diskon yang diberi pada masing-masing kategori pelanggan. Untuk mempertahankan eksistensinya, diperlukan suatu langkah personalisasi untuk meningkatkan penjualan. Penelitian ini bertujuan untuk memberikan usulan rekomendasi produk pada pelanggan-pelanggan tertentu hasil segmentasi pelanggan Gembira Houseware berdasarkan nilai recency, frequency, dan monetary dari data penjualan dari September 2018 hingga Oktober 2019. Untuk mencapai tujuan tersebut, data penjualan 13 bulan harus dibersihkan dan ditransformasi mengikuti konsep data preparation pada konsep data mining sehingga diperoleh data bersih siap olah. Selanjutnya dibuat pengelompokkan pelanggan baru berdasarkan nilai recency, frequency, dan monetary dengan K-means clustering. Pengelompokkan menghasilkan 4 cluster dan dipilih satu kelompok pelanggan yang akan diberikan rekomendasi produk. Rekomendasi produk dirancang menggunakan algoritma pada collaborative filtering; cosine similarity dan singular value decomposition dan akan dipilih algoritma terbaik dalam menentukan rekomendasi produk. Pengolahan menghasilkan empat kelompok pelanggan dengan pelanggan pada kelompok golden customer sebagai pelanggan target yang akan diberikan rekomendasi produk karena memiliki profil recency, frequency, dan monetary tertinggi yang menunjukkan pelanggan loyal yang layak diretensi. Kepada 1657 pelanggan golden customer, diberikan 88895 usulan rekomendasi produk berdasarkan algoritma singular value decomposition. Algoritma ini menghasilkan rekomendasi produk dengan performansi F-measure 17%, lebih baik dibandingkan kondisi saat ini.