Pengelompokan dan Analisis Pelanggan dengan menggunakan Fuzzy C-Means Clustering

ABSTRAKSI: Pada saat ini volume informasi pelanggan yang dimiliki oleh perusahaan semakin meningkat. Data mining dapat digunakan untuk menggali informasi berharga yang sebelumnya tidak diketahui dari suatu database pelanggan untuk mengetahui karakteristik pelanggan. Informasi tersebut dapat digunakan oleh perusahaan untuk melakukan manajemen pelanggan secara lebih efektif. Tugas akhir ini mengimplementasikan salah satu teknik data mining yaitu clustering untuk melakukan pengelompokan dan analisis pelanggan pada suatu perusahaan Telekomunikasi. Metode clustering yang digunakan adalah Fuzzy C-Means Clustering (FCM). Fuzzy C-Means Clustering adalah suatu teknik pengklasteran fuzzy dimana keberadaan tiap-tiap titik data dalam suatu klaster ditentukan oleh derajat keanggotaan. Karena metode clustering bersifat unsupervised learning maka digunakan cluster validity index untuk menganalisis kualitas hasil segmentasi. Dari hasil yang didapat menunjukkan bahwa Fuzzy C-Means Clustering dapat digunakan untuk melakukan segmentasi pelanggan. Namun dalam penentuan validasi klaster menggunakan cluster validity index untuk fuzzy clustering, perlu menggunakan variasi parameter masukan yang berbeda-beda untuk menentukan hasil segmentasi yang optimal.Kata Kunci : data mining, fuzzy c-means, clustering, pengelompokan pelanggan,ABSTRACT: Nowadays, the amount of customer information that companies have, has increased significantly. Data mining can be used to retrieve valuable informations that are previously unknown to retrieve the customer characteristics. These informations can be used by the company to effectively carry out customer management. This final project implements one of the techniques in data mining, which is clustering to execute customer segmentation and analysis. The clustering method that is used is Fuzzy C-Means Clustering. Fuzzy C-Means Clustering is a fuzzy clustering technique where each data membership in a cluster is determined by a membership degree. Because clustering is an unsupervised method, cluster validity index is used to analyze the quality of the segmentation results.The testing results shows that Fuzzy C-Means Clustering can be used for customer segmentation. However in defining cluster validation using cluster validity index for fuzzy clustering, it is necessary to use a variety of input parameter for defining the optimum segmentation results.Keyword: data mining, fuzzy c-means, clustering, customer segmentation, cluste