CUSTOMER PROFILING MENGGUNAKAN ALGORITMA K-MEAN PADA USAHA KECIL MENENGAH BATIK MADURA

Customer Profiling adalah profil pelanggan. Profiling digunakan untuk mengetahui data pribadi pelanggan saat pembelian. Pembentukan cluster merupakan salah satu teknik yang digunakan dalam mengekstrak pola kecenderungan suatu data. Teknik ini ini digunakan dalam proses Knowledge discovery in database (KDD). Data mining biasanya identik dengan proses penggalian data-data yang cukup besar dan dikelompokkan menjadi data yang tersusun rapi. Prinsip dari customer profiling adalah pengambilan data input berupa kuisoner dari setiap pelanggan melakukan pembelian. Permasalahan yang terjadi saat ini perusahaan tersebut masih melakukan secara manual untuk mengetahui batik yang sering di beli serta stok barang yang ada di gudang. Dari permasalahan tersebut di buat sebuah aplikasi untuk pengelompokan data cutomer dan mengidentifikasi customer lebih tertarik pada model batik yang sering di beli customer dengan menggunakan Algoritma K-Mean. Sehingga akan terlihat kelompok data yang sama dan data yang berbeda untuk mengoptimalkan persediaan barang yang diminati customer ketika berbelanja. Dari hasil pengujian dengan menggunakan metode K-Mean clustering untuk system profiling toko batik Madura pada cluster1, cluster2, cluster3 dan cluster4 memiliki kecendrungan memilih batik model gejeh se kerreng dan manok.
Kata Kunci : Data Mining, K-Mean, Clustering, Customer Profiling,
Customer Profiling adalah profil pelanggan. Profiling digunakan untuk mengetahui data pribadi pelanggan saat pembelian. Pembentukan cluster merupakan salah satu teknik yang digunakan dalam mengekstrak pola kecenderungan suatu data. Teknik ini ini digunakan dalam proses Knowledge discovery in database (KDD). Data mining biasanya identik dengan proses penggalian data-data yang cukup besar dan dikelompokkan menjadi data yang tersusun rapi. Prinsip dari customer profiling adalah pengambilan data input berupa kuisoner dari setiap pelanggan melakukan pembelian. Permasalahan yang terjadi saat ini perusahaan tersebut masih melakukan secara manual untuk mengetahui batik yang sering di beli serta stok barang yang ada di gudang. Dari permasalahan tersebut di buat sebuah aplikasi untuk pengelompokan data cutomer dan mengidentifikasi customer lebih tertarik pada model batik yang sering di beli customer dengan menggunakan Algoritma K-Mean. Sehingga akan terlihat kelompok data yang sama dan data yang berbeda untuk mengoptimalkan persediaan barang yang diminati customer ketika berbelanja. Dari hasil pengujian dengan menggunakan metode K-Mean clustering untuk system profiling toko batik Madura pada cluster1, cluster2, cluster3 dan cluster4 memiliki kecendrungan memilih batik model gejeh se kerreng dan manok.
Kata Kunci : Data Mining, K-Mean, Clustering, Customer Profiling,