Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pertambahan UMKM di kota yang pesat tidak di dukung dengan jumlah area yang digunakan untuk berdagang akibatnya berdagang di tempat yang tidak semestinya. Hal ini berdampak pada kenyamanan warga kota dan keindahan kota yang menjadi semrawut dan jauh dari kata tertib. Di sisi lain, keberadaan UMKM membantu menaikkan perekonomian Jakarta, mengurangi angka pengangguran dan memenuhi kebutuhan para konsumen UMKM.Skripsi ini menjelaskan keberadaan UMKM dan tempat berdagang yang seharusnya serta mengetahui pentingnya keberadaan UMKM pada ruang publik kota. Skripsi ini juga melihat bagaimana fasilitas perdagangan menjadi unsur penting dalam kota. Berbagai macam fasilitas perdagangan menyediakan tempat berdagang UMKM sesuai dengan peraturan daerah yang berlaku. Ruang publik juga membutuhkan kehadiran Usaha Mikro dan Kecil sebagai fasilitas yang menghidupkan suasana. Oleh karena itu dibutuhkan penataan yang baik agar menciptakan kota yang indah dan rapih demi kenyamanan warga kota.

---

The rapid increment of MSMEs in city are not supported by the area of trading itself, as a result, they trade in undue places. This has an impact on the comfort of the citizen and the beauty of the city which becomes chaotic and far from the orderliness. On the other hand, the presence of MSMEs helps raise the economy of Jakarta, reduce unemployment and meet the needs of MSMEs consumers.

This thesis explains the existence of MSMEs and the appropriate place for trading as well as the importance of MSMEs in urban public space. This thesis also describes how trade facilities become an important element in a city. Various trade facilities provide a place for SMEs to run their business in accordance with local regulations. Public space also requires the presence of Micro and Small Business as a facility which enliven the atmosphere of city. Therefore, it needs a good arrangement in order to create a well ordered city for the convenience of citizens."

"Persaingan yang ketat mendorong perusahaan untuk membangun manajemen hubungan pelanggan yang kuat untuk mempertahankan loyalitas pelanggan. Penggalian informasi terkait dengan customer lifetime value (CLV) mendukung perusahaan untuk memperlakukan setiap pelanggan secara berbeda berdasarkan kontribusi pelanggan terhadap keuntungan perusahaan. Penelitian ini bertujuan untuk mengidentifikasi karakteristik dan nilai dari masing-masing kelompok pelanggan berdasarkan customer lifetime value menggunakan model length, recency, frequency, dan monetary (LRFM), sehingga memberikan wawasan bagi perusahaan untuk menghasilkan strategi retensi pelanggan yang sesuai. Dalam studi ini, CLV dievaluasi di perusahaan distribusi farmasi dan alat Kesehatan di Indonesia. Pertama, algoritma k-means diterapkan untuk melakukan klasterisasi pelanggan. Terdapat delapan klaster yang terbentuk dalam penelitian ini. Selanjutnya, metode analytic hierarchy process (AHP) digunakan untuk mendapatkan informasi terkait dengan bobot kepentingan model LRFM. Hasil perhitungan AHP menunjukkan bahwa frekuensi adalah variabel yang paling penting di sektor ini. Selanjutnya, CLV dihitung dan diberi peringkat untuk delapan klaster optimal yang dihasilkan. Hasil penelitian menunjukkan bahwa klaster 3, klaster 6, dan klaster 8 adalah pelanggan yang paling bernilai bagi perusahaan. Pada tahap akhir, dilakukan penentuan jenis strategi retensi yang sesuai terhadap klaster yang terbentuk.

---

Dealing with intense competition encourages companies to build strong customer relationship management to maintain customer loyalty. Extracting information related to customer lifetime value (CLV) supports the company to treat each customer differently based on their contribution to the company profits. This study aims to identify the characteristics and values of each customer group based on customer lifetime value using the length, recency, frequency, and monetary (LRFM) model, hence providing insights for the company to generate suitable customer retention strategies. In this study, CLV is evaluated at the pharmaceutical and medical device distribution company in Indonesia. First, k-means algorithm was applied to cluster customers. There are eight clusters formed in this study. Subsequently, the analytic hierarchy process (AHP) method was used to gain information related to the weight of importance of LRFM model. AHP results demonstrated that frequency is the most important variable in this sector. CLV was finally calculated and ranked for the resulting eight optimum clusters. The results showed that cluster 3, cluster 6, and cluster 8 were the most valuable customers for the company. Appropriate retention strategies were also determined for the clusters formed."