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.

Customer Profiling is a customer profile. Profiling is used to determine the personal data of customers upon purchase. The formation of clusters is one of the techniques used in extracting the pattern is the tendency of the data. This technique is used in the process of Knowledge discovery in databases (KDD). Data mining is usually identical to the process of extracting data that is big enough and grouped into data neatly arranged. The principle of customer profiling is taking the input data in the form of questionnaires from every customer making a purchase. Problems that occur at this time the company is still doing it manually to find batik which is often bought as well as the stock of goods in the warehouse yan. From the problems created an application for cutomer data grouping and identifying customer more interested in models of batik are often purchased by the customer using a K-Mean algorithm. So it will look the same sets of data and different data to optimize inventory customer demand when shopping. From the test results using K-mean clustering method for profiling system Madura batik shop in cluster1, cluster2, cluster3 and cluster4 have a tendency choose batik models gejeh se kerreng and manok.

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal