OPTIMALISASI CUSTOMER RELATIONSHIP MANAGEMENT DENGAN MENGANALISA TINGKAT KEPUASAN KONSUMEN PADA SWALAYAN 22 DENGAN METODE RECURRENT NEURAL NETWORK BERBASIS WEB

Putra, Yog Anugrah (2024) OPTIMALISASI CUSTOMER RELATIONSHIP MANAGEMENT DENGAN MENGANALISA TINGKAT KEPUASAN KONSUMEN PADA SWALAYAN 22 DENGAN METODE RECURRENT NEURAL NETWORK BERBASIS WEB. Sarjana thesis, Universitas Putra Indonesia YPTK Padang.

	Text Skripsi_19101152630152_YOGI ANUGRAH PUTRA_Abstrak.pdf Download (77kB)
	Text Skripsi_19101152630152_YOGI ANUGRAH PUTRA_BAB I.pdf Download (198kB)
	Text Skripsi_19101152630152_YOGI ANUGRAH PUTRA_Daftar Pustaka.pdf Download (148kB)
	Text Skripsi_19101152630152_YOGI ANUGRAH PUTRA_Full Text.pdf Restricted to Repository staff only Download (3MB)

Abstract

Optimalisasi Customer Relationship Management (CRM) melalui metode Recurrent Neural Networks (RNN) menawarkan pendekatan canggih untuk meningkatkan kepuasan pelanggan. Penelitian ini menyelidiki penerapan RNN dalam menganalisis dan memprediksi perilaku pelanggan guna meningkatkan kinerja sistem CRM. Dengan menggunakan data transaksi dan interaksi pelanggan dari berbagai sumber, model RNN diterapkan untuk mengidentifikasi pola perilaku dan preferensi pelanggan secara dinamis. Temuan dari penelitian ini menunjukkan bahwa RNN dapat secara efektif menangkap pola waktu dan urutan dalam data pelanggan, sehingga memungkinkan prediksi yang lebih akurat mengenai kebutuhan dan preferensi pelanggan di masa depan. Hasil analisis menunjukkan bahwa penerapan RNN dalam sistem CRM dapat meningkatkan personalisasi layanan dan interaksi pelanggan, yang berkontribusi pada peningkatan kepuasan pelanggan secara signifikan. Penelitian ini merekomendasikan penggunaan RNN untuk mengoptimalkan strategi CRM dengan lebih baik, memberikan wawasan yang lebih mendalam tentang perilaku pelanggan, dan memungkinkan perusahaan untuk menyesuaikan penawaran mereka dengan lebih efektif untuk mencapai kepuasan pelanggan yang lebih tinggi. Kata Kunci : Recurrent Neural Networks, Menentukan Kepuasan konsumen, Customer Relationship Management,

Actions (login required)

View Item