Optimalisasi Strategi Penjualan Barang Komputer Melalui Penerapan Teknik Data Mining
Keywords:
Data mining , Data mining, analisis data, barang komputer, strategi pemasaranAbstract
Optimalisasi strategi penjualan barang komputer melalui penerapan teknik data mining, yang merupakan metode analisis data yang dapat mengungkap pola dan tren tersembunyi dalam perilaku konsumen. Dengan meningkatnya persaingan di pasar barang komputer, pemahaman yang mendalam tentang preferensi dan kebutuhan pelanggan menjadi sangat penting. Penelitian ini menggunakan metode clustering untuk segmentasi pelanggan, klasifikasi untuk prediksi perilaku pembelian, dan analisis asosiasi untuk menemukan hubungan antara produk. Data yang dianalisis mencakup lebih dari 10.000 transaksi penjualan selama satu tahun. Hasil menunjukkan bahwa penerapan teknik data mining berhasil meningkatkan volume penjualan sebesar 25% dalam enam bulan setelah implementasi, serta meningkatkan tingkat retensi pelanggan hingga 15%. Selain itu, analisis asosiasi mengungkapkan bahwa 40% pelanggan yang membeli laptop juga cenderung membeli aksesori komputer, yang memberikan peluang untuk cross-selling. Dengan demikian, penerapan data mining tidak hanya meningkatkan volume penjualan, tetapi juga meningkatkan kepuasan pelanggan melalui penawaran yang lebih relevan dan personal, menjadikannya kunci dalam menciptakan keunggulan kompetitif di industri barang komputer
References
Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining Association Rules Between Sets of Items in Large Databases. ACM SIGMOD Record, 22(2), 207-216.
Bose, I., & Mahapatra, D. (2001). Business Data Mining: A Machine Learning Perspective. Technovation, 21(3), 211-223.
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From Data Mining to Knowledge Discovery in Databases. AI Magazine, 17(3), 37-54.
Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques. Morgan Kaufmann.
Kumar, V., & Reinartz, W. (2016). Creating Enduring Customer Value. Journal of Marketing, 80(6), 36-68.
Ngai, E. W. T., Xiu, L., & Chau, D. C. K. (2011). Application of Data Mining Techniques in Customer Relationship Management: A Literature Review and Future Research Directions. Expert Systems with Applications, 38(3), 12960-12978.
Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining Association Rules Between Sets of Items in Large Databases. ACM SIGMOD Record, 22(2), 207-216.
Bose, I., & Mahapatra, D. (2001). Business Data Mining: A Machine Learning Perspective. Technovation, 21(3), 211-223.
Han, J., Kamber, M., & Pei, J. (2011). Data Mining: Concepts and Techniques. Morgan Kaufmann.
Kumar, V., & Reinartz, W. (2016). Creating Enduring Customer Value. Journal of Marketing, 80(6), 36-68.
Ngai, E. W. T., Xiu, L., & Chau, D. C. K. (2011). Application of Data Mining Techniques in Customer Relationship Management: A Literature Review and Future Research Directions. Expert Systems with Applications, 38(3), 12960-12978.
Suwarjono, B., Hindasyah, A., & Tukiyat, T. (2021). Pengembangan sistem informasi Direct Debit Donor Programme (DDDP) dengan pendekatan incremental life cycle model (studi kasus lembaga konservasi lingkungan di Jakarta). Jurnal Teknik Informatika, 14(1). https://doi.org/10.15408/jti.v14i1.17074
