To be followed, there are also many

To be followed, there are also many researches reported about customer retention model. Such as, Yin proposed a customer reten¬tion model based on bundled commodities mining, where the sim¬ilarly fuzzy classification method was used to classify the customers (Yin, 2008). Chu et al. proposed a hybridized architec¬ture to deal with customer retention problems and not only through predicting churn probability but also by proposing reten¬tion policies (Chu, Tsai, & Ho, 2007). Chellappa and Kumar argued that product competition on the Web was not for generic products but, rather, for expected and augmented product bundles, and found that even in the absence of price premiums, variance in the ability to offer online services could affect pricing strategies and possibly contribute to online price dispersion (Chellappa & Ku-mar, 2005). Ng and Liu proposed a solution that integrated various techniques of data mining, such as feature selection via induction, deviation analysis, and mining multiple concept-level association rules to form an intuitive and novel approach to gauging customer loyalty and predicting their likelihood of defection (Ng & Liu, 2000). Gupta and Kim applied a integrated structural equation modeling approach to decision support for customer retention in a virtual community, and the application results provided insights for practitioners on how to retain their customers (Gupta & Kim, 2008). Hidalgo et al. analyzed the convenience for the firm of improving customer retention by matching the lowest price in the Chilean private pension system, and the results suggested that matching the industry’s price leader reduced the firm’s customer lifetime value (Hidalgo, Manzur, Olavarrieta, & Farı´ as, 2008). Swee¬ney and Swait argued that brand credibility on customer loyalty could have a significant role to play in managing long-term cus¬tomer relationships (Sweeney & Swait, 2008). Saccani et al. dis¬cussed the configuration of the after-sales supply chain which was potential contribution to company profitability, customer retention and product development (Saccani, Johansson, & Perona,
2007). Tsai and Huang drew on marketing and consumer behavior literature to formulate a conceptual framework that considered community-based, customization-based, desire-based, and con¬straint-based drivers of online customer retention (Tsai & Huang, 2007).
Finally, as to the third aspect of the related work: data mining by priori knowledge, the related work is as follows. El-Hajj et al. proposed an approach that allowed the efficient mining of frequent itemsets patterns, while pushing simultaneously both monotone and anti-monotone constraints during and at different strategic stages of the mining process (El-Hajj, Zaiane, & Nalos, 2005). Elha¬dary et al. proposed an efficient robust combined clustering tech¬nique using neural networks for large image databases that required the user to provide a maximum number of clusters (Elha¬dary, Tolba, Elsharkawy, & Karam, 2007). Zhang and Zhang pro-posed a multiagent data warehousing and multiagent data mining approach for brain modeling, and an algorithm named Neighbor-Miner was proposed for the approach with agent simi¬larity as a priori knowledge (Zhang & Zhang, 2004). Wang et al. presented a gene expression programming decision tree system which could construct a decision tree for classification about the distribution of data, and the method could solve n-class problem in a single run (Wang, Li, Han, & Lin, 2009). Taher and El-Ghazawi, presented a technique suitable for multitasking and for cases of single applications that can change the course of processing in a non-deterministic fashion based on data or priori knowledge (Ta¬her et al., 2006). Qu, Wang, and Liu (2004) presented a model for data mining from spectra library by using the filed measured data to drive the model, and the obtained crop structure variables and its probability distribution were regarded as priori knowledge. Kuramochi and Karypis proposed a computationally efficient algo¬rithm for finding frequent patterns corresponding to geometric subgraphs in a large collection of geometric graphs with low sup-port values (Kuramochi & Karypis, 2007). Bodon and Rónyai pre¬sented a version of the TRIE data structure which outperformed hash-trees in some data mining applications, and also presented a simpler and scalable algorithm which turned out to be faster for lower support thresholds (Bodon & Rónyai, 2003).

Results (Indonesian) 1:

Yang akan diikuti, ada juga banyak penelitian dilaporkan tentang model retensi pelanggan. Seperti, Yin mengusulkan model reten¬tion pelanggan berdasarkan paket komoditas, pertambangan, dimana metode klasifikasi kabur sim¬ilarly digunakan untuk mengklasifikasikan pelanggan (Yin, 2008). Chu et al. mengajukan architec¬ture dilokalisasi untuk berurusan dengan masalah retensi pelanggan dan tidak hanya melalui memprediksi churn probabilitas tetapi juga oleh mengusulkan reten¬tion kebijakan (Chu, Tsai, & Ho, 2007). Chellappa dan Kumar berpendapat bahwa produk kompetisi di Web itu bukan untuk produk-produk generik, tetapi sebaliknya, untuk produk yang diharapkan dan ditambah kumpulan, dan menemukan bahwa bahkan dalam ketiadaan harga premi, varians dalam kemampuan untuk menawarkan layanan online bisa mempengaruhi strategi harga dan mungkin berkontribusi terhadap penyebaran harga online (Chellappa & Ku-mar, 2005). Ng dan Liu mengusulkan sebuah solusi yang terintegrasi berbagai teknik pertambangan data, seperti pilihan fitur melalui induksi, analisa penyimpangan, dan pertambangan beberapa aturan konsep tingkat Asosiasi untuk membentuk intuitif dan novel pendekatan untuk mengukur loyalitas pelanggan dan memprediksi kemungkinan mereka pembelotan (Ng & Liu, 2000). Gupta dan Kim diterapkan pendekatan dukungan keputusan untuk retensi pelanggan dalam komunitas virtual model persamaan struktural yang terpadu, dan hasil aplikasi memberikan wawasan bagi praktisi tentang cara untuk mempertahankan pelanggan mereka (Gupta & Kim, 2008). Hidalgo et al. dianalisis kenyamanan bagi perusahaan untuk meningkatkan retensi pelanggan dengan mencocokkan harga terendah dalam sistem pensiun swasta Chili, dan hasil menyarankan bahwa pencocokan pemimpin industri harga berkurang perusahaan masa nilai pelanggan (Hidalgo, Manzur, Olavarrieta, & Farı´ sebagai, 2008). Swee¬Ney dan Swait berpendapat bahwa merek kredibilitas pada loyalitas pelanggan bisa memiliki peran penting untuk bermain dalam mengelola hubungan jangka panjang cus¬tomer (Sweeney & Swait, 2008). Dis¬cussed Saccani et al. konfigurasi rantai pasokan purna jual yang potensial kontribusi untuk profitabilitas perusahaan, pelanggan retensi dan pengembangan produk (Saccani, Johansson, & Perona,2007). Tsai dan Huang menarik pada literatur pemasaran dan konsumen perilaku merumuskan kerangka kerja konseptual yang dianggap berbasis masyarakat, berbasis kustomisasi, berbasis keinginan, dan berbasis con¬straint driver retensi pelanggan online (Tsai & Huang, 2007).Akhirnya, mengenai aspek ketiga karya terkait: data pertambangan oleh pengetahuan priori, pekerjaan yang terkait adalah sebagai berikut. El-Hajj et al. mengusulkan pendekatan yang memungkinkan penambangan efisien sering itemsets pola, sambil mendorong secara bersamaan kedua monoton dan anti-monoton kendala selama dan berbagai tahap strategis proses pertambangan (El-Hajj, Zaiane, & Nalos, 2005). Elha¬Dary et al. mengajukan efisien kuat gabungan clustering tech¬nique menggunakan jaringan saraf untuk gambar besar database yang diperlukan pengguna untuk menyediakan jumlah maksimum cluster (Elha¬dary, Tolba, Elsharkawy, & Karam, 2007). Zhang dan Zhang pro-berpose multiagent data pergudangan dan multiagent data pertambangan pendekatan untuk model otak, dan algoritma tetangga-Miner bernama diusulkan untuk pendekatan dengan agen simi¬larity sebagai apriori pengetahuan (Zhang & Zhang, 2004). Wang et al. disajikan ekspresi gen pemrograman sistem pohon keputusan yang bisa membangun sebuah pohon keputusan untuk klasifikasi tentang distribusi data, dan metode yang dapat memecahkan masalah n-kelas dalam satu menjalankan (Wang, Li, Han, & Lin, 2009). Taher dan El-Ghazawi, disajikan sebuah teknik yang cocok untuk multitasking dan untuk kasus-kasus satu aplikasi yang dapat mengubah arah pengolahan dalam mode bebas-deterministik didasarkan pada data atau priori pengetahuan (Ta¬her et al., 2006). Qu, Wang dan Liu (2004) disajikan sebuah model untuk data pertambangan dari spektrum Perpustakaan dengan menggunakan data diukur filed untuk mendorong model, dan variabel struktur tanaman diperoleh dan distribusi probabilitas yang dianggap sebagai pengetahuan priori. Kuramochi dan Karypis mengusulkan algo¬rithm produk efisien untuk menemukan pola-pola yang sering sesuai geometris subgraphs dalam koleksi besar geometris grafik dengan rendah nilai-nilai sup-port (Kuramochi & Karypis, 2007). Bodon dan Rónyai pre¬sented versi struktur TRIE data yang mengungguli hash-pohon di beberapa aplikasi data pertambangan, dan juga disajikan algoritma yang lebih sederhana dan terukur yang ternyata menjadi lebih cepat untuk lebih rendah ambang dukungan (Bodon & Rónyai, 2003).

Results (Indonesian) 2:

Yang harus diikuti, ada juga banyak penelitian melaporkan tentang model retensi pelanggan. Seperti, Yin mengusulkan model pelanggan reten¬tion berdasarkan pertambangan komoditas dibundel, di mana metode klasifikasi kabur sim¬ilarly digunakan untuk mengklasifikasikan pelanggan (Yin, 2008). Chu et al. mengusulkan architec¬ture hibridisasi untuk menangani masalah retensi pelanggan dan tidak hanya melalui memprediksi probabilitas churn tetapi juga dengan mengusulkan kebijakan reten¬tion (Chu, Tsai, & Ho, 2007). Chellappa dan Kumar berpendapat bahwa persaingan produk di Web tidak untuk produk generik, melainkan, untuk diharapkan dan ditambah bundel produk, dan menemukan bahwa bahkan tanpa adanya premi harga, varian dalam kemampuan untuk menawarkan layanan online dapat mempengaruhi strategi harga dan mungkin berkontribusi dispersi harga online (Chellappa & Ku-mar, 2005). Ng dan Liu mengusulkan sebuah solusi yang terintegrasi berbagai teknik data mining, seperti pemilihan fitur melalui induksi, analisis penyimpangan, dan pertambangan beberapa aturan asosiasi konsep-tingkat untuk membentuk pendekatan intuitif dan baru untuk mengukur loyalitas pelanggan dan memprediksi kemungkinan mereka pembelotan ( Ng & Liu, 2000). Gupta dan Kim diterapkan pendekatan model persamaan struktural terpadu untuk pendukung keputusan untuk retensi pelanggan dalam komunitas virtual, dan hasil aplikasi yang disediakan wawasan bagi para praktisi tentang bagaimana untuk mempertahankan pelanggan mereka (Gupta & Kim, 2008). Hidalgo dkk. dianalisis kenyamanan untuk perusahaan meningkatkan retensi pelanggan dengan mencocokkan harga terendah dalam sistem pensiun swasta Chili, dan hasilnya menunjukkan bahwa pencocokan pemimpin harga industri berkurang nilai seumur hidup pelanggan perusahaan (Hidalgo, Manzur, Olavarrieta, & Farı' sebagai, 2008). Swee¬ney dan Swait berpendapat bahwa kredibilitas merek terhadap loyalitas pelanggan bisa memiliki peran penting untuk bermain dalam mengelola hubungan cus¬tomer jangka panjang (Sweeney & Swait, 2008). Saccani dkk. dis¬cussed konfigurasi rantai purna jual pasokan yang potensi kontribusi terhadap profitabilitas perusahaan, retensi pelanggan dan pengembangan produk (Saccani, Johansson, & Perona,
2007). Tsai dan Huang menarik pada pemasaran dan sastra perilaku konsumen untuk merumuskan kerangka kerja konseptual yang dianggap berbasis masyarakat, berbasis kustomisasi, keinginan berbasis, dan driver berbasis con¬straint retensi pelanggan online (Tsai & Huang, 2007).
Akhirnya, untuk aspek ketiga dari pekerjaan yang berhubungan: data mining dengan pengetahuan apriori, pekerjaan terkait adalah sebagai berikut. El-Hajj et al. mengusulkan sebuah pendekatan yang memungkinkan pertambangan efisien itemset frequent pola, sambil mendorong secara bersamaan baik monoton dan anti-monoton kendala selama dan pada tahap strategis yang berbeda dari proses penambangan (El-Hajj, Zaiane, & Nalos, 2005). Elha¬dary dkk. mengusulkan kuat dikombinasikan pengelompokan efisien tech¬nique menggunakan jaringan saraf untuk database gambar besar yang diperlukan pengguna untuk memberikan jumlah maksimum cluster (Elha¬dary, Tolba, Elsharkawy, & Karam, 2007). Zhang dan Zhang pro-menimbulkan pergudangan data yang multi agen dan pendekatan data mining multi agen untuk pemodelan otak, dan algoritma bernama Tetangga-Miner diusulkan untuk pendekatan dengan agen simi¬larity sebagai pengetahuan apriori (Zhang & Zhang, 2004). Wang et al. disajikan ekspresi gen sistem pohon keputusan pemrograman yang dapat membangun pohon keputusan untuk klasifikasi tentang distribusi data, dan metode bisa memecahkan masalah n-kelas dalam menjalankan tunggal (Wang, Li, Han, & Lin, 2009). Taher dan El-Ghazawi, disajikan teknik cocok untuk multitasking dan untuk kasus-kasus aplikasi tunggal yang dapat mengubah proses pengolahan dengan cara non-deterministik berdasarkan data atau pengetahuan apriori (Ta¬her et al., 2006). Qu, Wang, dan Liu (2004) disajikan model untuk data mining dari perpustakaan spektrum dengan menggunakan data diukur mengajukan untuk mendorong model, dan variabel struktur tanaman diperoleh dan distribusi probabilitas dianggap sebagai pengetahuan apriori. Kuramochi dan Karypis mengusulkan algo¬rithm efisien komputasi untuk menemukan pola-pola yang sering berhubungan dengan subgraphs geometris koleksi besar grafik geometris dengan nilai-nilai sup-port rendah (Kuramochi & Karypis, 2007). Bodon dan Rónyai pre¬sented versi dari struktur data TRIE yang mengungguli hash-pohon di beberapa aplikasi data mining, dan juga disajikan algoritma sederhana dan terukur yang ternyata lebih cepat untuk ambang batas dukungan yang lebih rendah (Bodon & Rónyai, 2003).