Академический Документы
Профессиональный Документы
Культура Документы
Abstract
Advances in information technology produces wide range of choices in accessing information including
reading books. The increase in the number of readers who turning to electronic books making sales of
printed books has decreased in the recent years. PT Gramedia Asri Media is one of book retail company
in Indonesia. Gramedia implement CRM by launching a member card named Kompas Gramedia Value
Card (KGVC). Promotion given has not been able to increase book transaction of KGVC members.This
research focus on make customer segmentation in CRM at PT Gramedia Asri Media. Data mining
process is done by clustering using K-means algorithm for segmenting customers based on RFM, as
well as hierarchical clustering algorithms for segmentation of customers based on the number of books
type. Evaluation is done on cluster result using elbow method, silhouette method, and Calinski-
Harabasz index. Customer segmentation based on the RFM produce two optimal clusters, occasional
customers and dormant customers. Customer segmentation based on the number of types of books
purchased produce 3 optimal cluster, namely low, medium, and high. With these results, it is expected
to help the company classifying KGVC members to determine the appropriate strategies, so company
can increase the number of books transactions.
Abstrak
Kemajuan teknologi informasi menghasilkan berbagai pilihan dalam mengakses informasi termasuk
membaca buku. Peningkatan jumlah pembaca yang beralih ke buku elektronik mengakibatkan angka
penjualan buku cetak mengalami penurunan pada beberapa tahun terakhir. PT Gramedia Asri Media
merupakan salah satu perusahaan ritel buku di Indonesia. Gramedia menerapkan CRM dengan me-
nerbitkan kartu member Kompas Gramedia Value Card (KGVC). Promosi yang diberikan belum mam-
pu meningkatkan transaksi buku member KGVC. Penelitian ini bertujuan untuk membuat segmentasi
pelanggan pada CRM di PT Gramedia Asri Media. Proses data mining dilakukan dengan melakukan
clustering menggunakan algoritma K-means untuk segmentasi pelanggan berdasarkan RFM, serta
algoritma hierarchical clustering untuk segmentasi pelanggan berdasarkan banyaknya jenis buku. Eva-
luasi terhadap hasil cluster menggunakan elbow method, silhouette method, dan Calinski-Harabasz
index. Segmentasi pelanggan berdasarkan RFM menghasilkan 2 cluster yang optimal, yaitu occasional
customers dan dormant customers. Segmentasi pelanggan berdasarkan banyaknya jenis buku yang di-
beli menghasilkan 3 cluster yang optimal, yaitu rendah, sedang, dan tinggi. Dengan hasil penelitian ini,
diharapkan dapat membantu perusahaan mengelompokkan member KGVC dalam menentukan stra-
tegi yang sesuai sehingga dapat meningkatkan jumlah transaksi buku.
1
2 Jurnal Sistem Informasi (Journal of Information Systems), Volume 13, Issue 1, April 2017
Gambar 1. Visualisasi Data berdasarkan Analisis RFM Gambar 2. Visualisasi Log-transformed RFM
Christina Deni Rumiarti, et al., Segmentasi Pelanggan pada Customer Relationship Management 3
Gambar 3. Visualisasi Standarisasi data variabel RFM Gambar 4. Jumlah Optimal Cluster berdasarkan Elbow Method
4 Jurnal Sistem Informasi (Journal of Information Systems), Volume 13, Issue 1, April 2017
Menurut Liu dkk. [7], Calinski-Harabasz index Evaluation (Evaluasi Model): Evaluasi clustering
(CH) mengevaluasi validitas cluster berdasarkan menggunakan tiga metode yaitu, elbow method,
perhitungan between sum of squares dan within silhouette method, dan Calinski-Harabasz index.
sum of squares. CH mengukur ratio dari separation
berdasarkan jarak maksimum between cluster cen- Kesimpulan dan Saran: Penyusunan kesimpulan
ters, dan mengukur compactness berdasarkan jum- dan saran dilakukan berdasarkan analisis dan pem-
lah jarak antara objek dan pusat cluster. Konfi- bahasan yang dilakukan penulis untuk menjawab
gurasi compact dan well-separated dari cluster di- pertanyaan penelitian terkait segmentasi pelanggan
harapkan memiliki nilai inter-cluster variance pada CRM di PT Gramedia Asri Media.
yang tinggi dan intra-cluster variance yang relatif
rendah [8]. Pengumpulan data dilakukan dengan obser-
vasi terlebih dahulu terhadap data yang dibutuhkan
2. Metode Penelitian penelitian ini. Data yang dikumpulkan adalah data
member KGVC dan data transaksi yang berasal
Tahapan penelitian dilakukan berdasarkan pada dari basisdata Oracle. Data tersebut kemudian di-
metodologi data mining, yaitu CRISP-DM. Taha- ubah ke dalam format file .csv agar dapat diolah
pan deployment dalam CRISP-DM tidak dibahas lebih lanjut untuk pembentukan clustering. Tahap
pada penelitian ini. Berikut ini penjelasan tahapan preprocessing, pembentukan cluster, dan evaluasi
penelitian yang dilakukan penulis: hasil cluster dilakukan menggunakan software R
Version 3.3.1.
Business Understanding (Pemahaman Bisnis): Ta- Instrumen penelitian yang dikaji oleh penulis
hap ini bertujuan untuk memahami kondisi perusa- berdasarkan pada variabel RFM (recency, frequ-
haan dan permasalahan yang dihadapi saat ini. ency, dan monetary). Tabel I menunjukkan daftar
instrumen penelitian yang menjadi acuan penulis
Tinjauan Pustaka: Penulis melakukan tinjauan pus- pada saat pembentukan cluster menggunakan algo-
taka dengan studi literatur terkait teori yang relevan ritma K-means.
dan melakukan kajian terhadap penelitian sebelum-
nya yang relevan. 4. Hasil dan Pembahasan
Gambar 6. Jumlah Optimal Cluster berdasarkan Calinski-Harabasz Gambar 5. Jumlah Optimal Cluster berdasarkan Average
index Silhouette
Christina Deni Rumiarti, et al., Segmentasi Pelanggan pada Customer Relationship Management 5
TABEL 3 TABEL 4
CONTOH DATASET BUKU CONTOH DATASET BUKU
CHIL- FICTION AGRI- ART_ Persentase Label
Mean / Rata-rata
CUSTID DRENS LITERA- CUL- ARCHI- Jumlah Pelanggan
Cluster Jumlah
BOOKS TURE TURE TECTURE Pelanggan
Pembelian Buku
97244478 1 1 0 0 (%)
742689 1 82,80 2 Rendah
85499161 1 0 0 0 2 16,66 5 Medium
76318 3 0,54 7 Tinggi
33788457 1 0 0 0
573423
adalah Rp 1.000–Rp 453.657.000. Semakin besar
Data yang dikumpulkan adalah data member nilainya mengindikasikan bahwa member KGVC
KGVC dan data transaksi. Pelanggan yang masih semakin banyak nilai pembelanjaannya pada perio-
aktif per tanggal 1 Agustus 2016 diolah untuk seg- de 1 Januari 2016–31 Juli 2016.
mentasi. Data member KGVC diambil dari data pe- Seperti terlihat pada Gambar 1, nilai mone-
langgan seluruh toko Gramedia yang masih aktif tary pelanggan berada pada sumbu y dan frequency
pada tanggal 31 Juli 2016. Sedangkan data transaksi pembelian berada pada sumbu x. Nilai recency di-
merupakan transaksi produk buku dari member visualisasikan dalam 80/20, yaitu 80 persen dan 20
KGVC pada periode 1 Januari 2016 sampai 31 Juli persen berdasarkan total nilai pembelanjaan. Nilai
2016. Data transaksi yang digunakan dalam pene- RFM tidak terdistribusi secara normal, yaitu dis-
litian adalah seluruh data transaksi buku dari mem- tribusi miring (skewed distribution).
ber KGVC yang masih aktif pada tanggal 31 Juli Menurut Zumel dan Mount [9], distribusi data
2016. Data yang diambil merupakan transaksi de- positif yang sangat miring, seperti nilai pelanggan,
ngan jumlah nilai lebih dari nol rupiah. Dengan kata pendapatan, penjualan, dan harga saham dapat di-
lain, transaksi pengembalian buku tidak diambil pa- modelkan sebagai lognormal distribution. Untuk
da tahap pengumpulan data. Berdasarkan 389.686 keperluan modeling, penggunaan natural loga-
pelanggan yang masih aktif pada tanggal 31 Juli rithm, yaitu log base 10, atau log base 2 umumnya
2016, jumlah transaksi pada periode 1 Januari – 31 tidak bermasalah dan tidak memengaruhi nilai ha-
Juli 2016 adalah 1.535.002 transaksi. Berdasarkan sil. Pada penelitian ini, supaya nilai RFM terdis-
transaksi tersebut, hanya 153.347 pelanggan yang tribusi normal, maka nilai RFM tersebut diubah
melakukan transaksi pada periode tersebut. menjadi lognormal distribution terlebih dahulu se-
belum dilakukan modeling.
Data Preparation Berdasarkan Gambar 2, terlihat bahwa penye-
baran data lebih baik dibandingkan Gambar 1, ya-
Variabel input yang digunakan untuk analisis clus- itu sebelum data RFM ditransformasikan menjadi
ter adalah recency (R), frequency (F), dan mone- lognormal distribution. Pelanggan dengan frequen-
tary (M). Rentang nilai variabel recency adalah 1– cy tinggi dan monetary tinggi dapat terlihat pada
213 hari. Semakin kecil nilainya mengindikasikan sudut kanan atas grafik. Sedangkan pelanggan de-
bahwa aktivitas transaksi terbaru yang dilakukan ngan frequency rendah dan monetary rendah ter-
oleh member KGVC. Rentang nilai variabel fre- lihat pada sudut kiri grafik.
quency adalah 1–222 transaksi/pelanggan. Sema- Langkah ter akhir data preparation adalah
kin besar nilainya mengindikasikan bahwa member standarisasi data. Standarisasi akan membuat va-
KGVC semakin sering berbelanja pada periode 1 riabel RFM sebanding satu sama lain dalam per-
Januari 2016–31 Juli 2016. Dalam kurun waktu 7 hitungan algoritma clustering. Visualisasi standari-
bulan, ada pelanggan yang baru berbelanja satu ka- sasi data variabel RFM dapat dilihat pada Gambar
li dan ada juga pelanggan yang sudah berbelanja 3. Pada penelitian ini, variabel RFM memiliki skala
sebanyak 222 kali. Rentang nilai variabel monetary
(a) (b)
Gambar 7. (a) Persentase Jumlah Member KGVC dan (b) Gambar 8. Persentase Jumlah Member KGVC berdasarkan
Nilai Transaksi Buku Member KGVC Tiap Cluster Umur pada Segmentasi RFM
6 Jurnal Sistem Informasi (Journal of Information Systems), Volume 13, Issue 1, April 2017
Calinski-Harabasz Index
Gambar 10. Persentase Jumlah Member KGVC berdasarkan Gambar 9. Persentase Jumlah Member KGVC berdasarkan
Jenis Kelamin pada Segmentasi RFM Tingkat Pendidikan pada Segmentasi RFM
Christina Deni Rumiarti, et al., Segmentasi Pelanggan pada Customer Relationship Management 7
Persentase jumlah member KGVC ditinjau tecture & photography, business & economics,
dari segi jenis kelamin ditunjukkan pada Gambar children`s books, computing & internet, cooking,
10. Member KGVC yang termasuk dalam diet & health, education & teaching, engineering,
occasion-nal customers lebih banyak pelanggan entertainment, fiction & literature, home & gar-
perempuan dengan persentase 64,03. Sedangkan den, law, magazines.tabloid and journal, medical,
member KGVC yang termasuk dalam dormant others, parenting & family, philosophy, psycho-
customers lebih banyak pelanggan laki-laki dengan logy, reference & dictionary, religion & spiritua-
persen-tase 64,32. Berdasarkan perbandingan ini lity, schoolbooks indonesia curriculum, school-
menun-jukkan bahwa member KGVC berjenis books singapore curriculum, science & nature,
kelamin perempuan lebih potensial dibandingkan self-improvement, social sciences, dan sports &
pelang-gan laki-laki. adventure. Contoh dataset yang digunakan pada
Persentase jumlah member KGVC ditinjau penelitian ini seperti yang ditunjukkan pada
dari segi tingkat pendidikan ditunjukkan pada TABEL 3.
Gambar 9. Member KGVC dengan tingkat pendi- Data yang digunakan adalah variabel Y dan N
dikan universitas mendominasi masing-masing pe- seperti ditunjukkan Gambar 11. Y adalah jumlah
langgan pada cluster 1 dan 2. Sebanyak 55,47 per- pelanggan yang membeli buku jenis tertentu, se-
sen pelanggan dengan tingkat pendidikan univer- dangkan N adalah jumlah pelanggan yang tidak
sitas merupakan occasional customers. Demikian membeli buku jenis tertentu.
juga sebanyak 50,64 persen pelanggan dengan Sebelum dilakukan clustering, terlebih dahu-
tingkat pendidikan universitas merupakan domant lu dihitung nilai varian pada dataset yang terdiri
customers. Segmen member KGVC dengan tingkat dari categorical data. Berdasarkan elbow method,
pendidikan berbeda memiliki persentase populasi seperti terlihat pada Gambar 13, nilai k=3 dengan
yang hampir sama pada masing-masing cluster. persentase varian = 4,63 persen adalah cluster yang
Persentase jumlah member KGVC ditinjau optimal.
dari segi jenis pekerjaan ditunjukkan pada Gambar
12. Pelanggan yang tidak diketahui jenis pekerjaan Visualisasi hasil pembentukan cluster meng-
mendominasi masing-masing cluster, yaitu cluster gunakan algoritma hierarchical clustering dapat
1 sebanyak 31,22 persen sedangkan cluster 2 se- dilihat pada Gambar 14. Hasil cluster yang optimal
banyak 32,22 persen. Occasional customers terdiri pada segmentasi pembelian buku adalah 3 cluster.
dari pelanggan dengan sebagian besar variasi jenis TABEL 4 menunjukkan persentase jumlah pelang-
pekerjaan dan persentase jumlah member KGVC gan, dan nilai mean setiap cluster yang terbentuk
lebih banyak dibandingkan dormant customers. dari hasil segmentasi pembelian buku pada 3 clus-
Sedangkan persentase member KGVC yang masih ter. Cluster 1 dengan label pelanggan pembelian
pelajar (students) justru lebih banyak berada pada
segmen dormants customer.
rendah terdiri dari 82,80 persen pelanggan dan III. Member KGVC dengan tingkat pendidikan uni-
rata-rata pembelian 2 jenis buku. Cluster 2 dengan versitas mendominasi masing-masing pelanggan
label pelanggan pembelian sedang terdiri dari pada cluster pembelian buku “rendah”, “sedang”,
16,66 persen pelanggan dan rata-rata pembelian 5 dan “tinggi”. Persentase pelanggan dengan tingkat
jenis buku. Cluster 3 dengan label pelanggan pem- pendidikan universitas pada segmen “tinggi” me-
belian tinggi terdiri dari 0,54 persen pelanggan dan miliki persentase paling tinggi, yaitu 70,59 persen.
rata-rata pembelian 7 jenis buku. Tetapi, pelanggan dengan tingkat pendidikan SMP
Persentase jumlah member KGVC berdasar- dan SMA tidak termasuk pada segmen pelanggan
kan umur pada segmentasi pembelian buku ditun- “tinggi”.
jukkan pada Lampiran Gambar ILampiran Gambar. Persentase jumlah member KGVC berdasar-
Pelanggan beru-mur 41-50 tahun merupakan kan jenis pekerjaan pada segmentasi pembelian bu-
mayoritas pelanggan yang berada pada segmen ku ditunjukkan pada Lampiran Gambar IV. Pelang-
pelanggan dengan pem-belian jenis buku yang gan yang tidak diketahui jenis pekerjaan (others)
“tinggi”, yaitu sebesar 32,35 persen. Pelanggan mendominasi masing-masing cluster, yaitu cluster
berumur > 60 tahun merupakan pelanggan yang 1 sebanyak 51,99 persen, cluster 2 sebanyak 49,81
tidak diketahui umur sebenarnya. Pelanggan persen, dan cluster 3 sebanyak 50,00 persen. Se-
tersebut merupakan mayoritas pelang-gan yang mentara itu, persentase member KGVC yang masih
berada pada segmen pelanggan dengan pembelian pelajar (students) tidak termasuk pada cluster 3.
jenis buku “rendah” dan “sedang”. Per-sentase
jumlah pelanggan pada cluster “rendah” se-besar Rekomendasi Strategi Marketing
33,59 persen, sedangkan persentase jumlah
pelanggan pada cluster “sedang” sebesar 29,87 per- Berdasarkan segmentasi pelanggan yang dihasil-
sen. kan, diperlukan strategi marketing untuk mening-
Persentase jumlah member KGVC berdasar- katkan profit perusahaan dan loyalitas pelanggan.
kan umur pada segmentasi pembelian buku ditun- Rekomendasi strategi marketing yang diusulkan
jukkan pada Lampiran Gambar II. Member KGVC oleh penulis adalah segmen pelanggan berdasarkan
yang ter-masuk dalam segmen pelanggan dengan nilai RFM. Hal ini dikarenakan variabel yang di-
pembelian buku “rendah” dan “tinggi” adalah ma- ambil terdiri dari kapan pelanggan terakhir kali
yoritas pelanggan dengan jenis kelamin perem- berbelanja, frekuensi kunjungan, dan nilai transak-
puan. Persentase jumlah pelanggan pada cluster si buku yang dibeli. Penulis tidak merekomenda-
“rendah” sebesar 62,93 persen, sedangkan persen- sikan strategi marketing terhadap segmen pelang-
tase jumlah pelanggan pada cluster “tinggi” sebe- gan berdasarkan pembelian jenis buku dikarenakan
sar 52,94 persen. Member KGVC yang termasuk segmen pelanggan ini hanya berdasarkan jenis
dalam segmen pelanggan dengan pembelian buku buku yang dibeli oleh pelanggan. Berikut penjela-
“sedang” adalah mayoritas pelanggan laki-laki de- san lebih lanjut terkait beberapa rekomendasi stra-
ngan persentase 52,08 persen. Berdasarkan perban- tegi marketing untuk occasional customers dan
dingan ini menunjukkan bahwa member KGVC dormant customers.
berjenis kelamin perempuan lebih potensial diban-
dingkan pelanggan laki-laki. Occasional Customers
Persentase jumlah member KGVC berdasar-
kan tingkat pendidikan pada segmentasi pembelian Pelanggan occasional merupakan pelanggan yang
buku seperti ditunjukkan pada Lampiran Gambar memiliki KGVC dengan frekuensi kunjungan yang
jarang tetapi memiliki nilai transaksi rata-rata yang
tinggi. Gramedia perlu mengembangkan aktivitas
promosi untuk meningkatkan frekuensi kunjungan
pelanggan pada cluster ini. Selain itu, loyalitas
pelanggan harus tetap dijaga dan ditingkatkan de-
ngan memberikan benefit terhadap pelanggan se-
tiap kali pelanggan tersebut melakukan kunjungan.
Strategi marketing tersebut misalnya dengan mem-
berikan pelanggan reward, yaitu diskon atau hadi-
ah tertentu setelah mengumpulkan struk tran-saksi
dengan nilai rupiah tertentu pada periode tertentu.
Peningkatan nilai transaksi pada pelanggan
occasional dapat dilakukan dengan mengembang-
kan berbagai aktivitas promosi. Informasi terkait
Gambar 13. Persentase Varian pada Setiap Dimensi jenis buku baru yang sering dibeli oleh pelanggan
berdasarkan Dataset Buku KGVC perlu diinformasikan oleh Gramedia kepa-
Christina Deni Rumiarti, et al., Segmentasi Pelanggan pada Customer Relationship Management 9
da pelanggan secara periodik. Selain itu, peningka- kunjung tetapi memiliki nilai transaksi rata-rata
tan nilai transaksi ini dapat dikembangkan dengan yang tinggi. Dormant customers merupakan pe-
metode data mining dalam cross-/up-selling cam- langgan yang tidak potensial. Sedangkan jumlah
paign dan market basket analysis. Cross-/up-sel- cluster optimal berdasarkan pembelian buku se-
ling campaign bertujuan untuk menjual buku tam- banyak tiga cluster.
bahan atau alternatif buku yang lebih memberikan Jumlah cluster optimal pada segmentasi nilai
benefit yang lebih banyak kepada pelanggan. Mar- pelanggan yang dihasilkan dalam penelitian ini
ket basket analysis bertujuan untuk menawarkan berdasarkan pada nilai tertinggi silhouette method
buku yang biasanya dibeli secara bersama-sama dan calinski-harabasz index. Nilai average silhou-
oleh pelanggan. ette pada dua cluster adalah 0.42. Nilai Calinski-
Harabasz index pada dua cluster adalah 1.31.
Dormant Customers Faktor penting yang harus diperhitungkan ke-
tika mengembangkan strategi pemasaran adalah
Pelanggan dormant merupakan pelanggan yang segmentasi pelanggan. Segmentasi pelanggan ini
kurang potensial karena memiliki nilai RFM paling merupakan langkah awal dalam menganalisis pe-
rendah. Aktivitas promosi untuk mempertahankan langgan supaya dapat meningkatkan transaksi bu-
pelanggan yang kurang potensial memang tidaklah ku yang dilakukan oleh member KGVC. Segmen-
mudah. Gramedia perlu mengidentifikasi terlebih tasi pelanggan yang dihasilkan dalam penelitian ini
dahulu pelanggan KGVC yang lebih memberikan adalah segmentasi nilai pelanggan dan segmentasi
kontribusi dan dapat ditingkatkan tingkat kunju- pembelian buku. Dengan adanya segmentasi ini di-
ngannya. Hal ini dapat dilakukan dengan meng- harapkan dapat membantu perusahaan dalam me-
analisis faktor-faktor yang menyebabkan pelang- ngelompokkan member KGVC sehingga perusa-
gan pada segmen ini kurang potensial. Pelanggan haan dapat menentukan strategi yang sesuai untuk
dormant perlu diberikan perhatian dan Gramedia setiap kelompok pelanggan.
harus meningkatkan komunikasi untuk memper- Penelitian ini masih memiliki kekurangan
tahankan pelanggan supaya tetapi setia berbelanja yang dapat disempurnakan pada penelitian selan-
menggunakan KGVC di Gramedia. Misalnya, jutnya. Berdasarkan hasil penelitian dan kesim-
pemberian diskon khusus bagi pelanggan KGVC pulan yang telah dibuat, penulis memberikan saran
tertentu untuk meningkatkan frekuensi dan minat untuk penelitian selanjutnya. Segmentasi pelang-
berbelanja. gan pada penelitian ini menggunakan satu algo-
ritma clustering, yaitu algoritma K-means. Pene-
5. Kesimpulan litian selanjutnya dapat bereksperimen mengguna-
kan berbagai algoritma clustering.
Kesimpulan yang diperoleh berdasarkan analisis Penelitian selanjutnya dapat dikembangkan
dan pembahasan adalah bahwa segmentasi pelang- dengan metode data mining yang lain untuk me-
gan yang dihasilkan pada CRM di PT Gramedia lakukan cross-/up-selling campaign dan market
Asri Media sebanyak 2 cluster, yaitu occasional basket analysis. Cross-/up-selling campaign digu-
customers, dan dormant customers. Occasional nakan untuk menjual produk tambahan atau alter-
customers merupakan pelanggan yang jarang ber- natif produk yang lebih menguntungkan pelang-
10 Jurnal Sistem Informasi (Journal of Information Systems), Volume 13, Issue 1, April 2017
gan. Market basket analysis digunakan untuk me- [5] Larose, D. T., & Larose, C. D. (2015). Data
ngidentifikasi produk-produk terkait yang biasanya Mining and Predictive Analytics. New Jersey:
dibeli secara bersama-sama oleh pelanggan. John Wiley & Sons.
[6] Kodinariya, T. M., & Makwana, P. R. (2013).
Referensi Review on Determining Number of Cluster in
K-Means Clustering. International Journal of
[1] Kompas Gramedia. (2016). Data Warehouse. Advance Research in Computer Science and
Jakarta: Kompas Gramedia. Management Studies, 90-95.
[2] Berry, M. J., & Linoff, G. S. (2004). Data Mi- [7] Liu, Y., Li, Z., Xiong, H., Gao, X., & Wu, J.
ning Techniques for Marketing, Sales, and (2010). Understanding of Internal Clustering
Customer Relationship Management Second Validation Measures. International Conferen-
Edition. Indianapolis, Indiana: Wiley Publish- ce on Data Mining (pp. 911-916). Beijing:
ing. IEEE.
[3] Tsiptsis, K., & Chorianopoulos, A. (2009). [8] Celebi, M. E., & Aydin, K. (2016). Clustering
Data Mining Techniques in CRM: Inside Cus- Evaluation in High-Dimensional Data. In N.
tomer Segmentation. West Sussex: John Wiley Tomašev, & M. Radovanović, Unsupervised
& Sons Ltd. Learning Algorithms (pp. 71-107). Switzer-
[4] Maheshwari, A. K. (2015). Business Intelli- land: Springer International Publishing.
gence and Data Mining. New York: Business [9] Zumel, N., & Mount, J. (2014). Practical Data
Expert Press. Science with R. Shelter Island: Manning Pu-
blications Co.
Lampiran
Lampiran Gambar I. Persentase Jumlah Member KGVC Lampiran Gambar II. Persentase Jumlah Member KGVC
berdasarkan Umur pada Segmentasi Pembelian Buku berdasarkan Jenis Kelamin pada Segmentasi Pembelian Buku
Lampiran Gambar III. Persentase Jumlah Member KGVC Lampiran Gambar IV. Persentase Jumlah Member KGVC
berdasarkan Tingkat Pendidikan pada Segmentasi Pembelian berdasarkan Jenis Pekerjaan pada Segmentasi Pembelian Buku