Segmentasi Pelanggan Berdasarkan Analisis RFM Menggunakan Algoritma K-Means Sebagai Dasar Strategi Pemasaran (Studi Kasus PT Coversuper Indonesia Global)
DOI:
https://doi.org/10.24002/konstelasi.v1i1.4293Abstract
PT. Coversuper Indonesia Global adalah perusahaan yang bergerak dibidang aksesoris otomotif. Persaingan dalam bisnis khususnya perusahaan yang bergerak dibidang aksesoris otomotif semakin banyak. Agar dapat meningkatkan penjualan produk yang dijual, para pelaku bisnis di bidang ini harus mempunyai strategi. Berdasarkan permasalahan tersebut maka digunakan Data Mining dengan teknik cluster untuk mengetahui potensi dan karakteristik dari setiap pelanggan mereka dalam melakukan pembelian produk. Tugas akhir ini menggunakan metode kombinasi model RFM dan clustering K-Means yang bertujuan untuk melakukan segmentasi pelanggan. Model RFM digunakan sebagai atribut kuantitatif untuk variabel masukan. Selanjutnya menggunakan algoritma K-means untuk melakukan clustering pelanggan. Hasil tugas akhir ini adalah 4 segmen pelanggan yang dimiliki oleh perusahaan dan karakteristik masing-masing pelanggan. Berdasarkan akurasi yang didapat pada perhitungan menggunakan sistem segmentasi pelanggan dari 29 kali pengujian, terdapat 29 pelanggan (100%) dengan karakteristik yang dihasilkan sistem sesuai dengan pengetahuan user, 0 pelanggan (0%) tidak sesuai dengan pengetahuan user. Dengan nilai akurasi tersebut maka dapat dikategorikan baik. Karakteristik pelanggan ini akan membantu PT Coversuper Indonesia Global untuk mengambil keputusan dalam memprioritaskan tenaga dan sumber dayanya ke pelanggan tertentu (potensial).
References
C.-H. Cheng and Y.-S. Chen, "Classifying the segmentation of customer value via RFM model and RS theory," Expert Systems with Applications, p. 4176–4184, 2009.
Y. Nugraheni, "Tesis data mining dengan metode fuzzy untuk Customer relationahip management (CRM) pada perusahaan retail," 2011.
M. I. Istiana, "Segmentasi Pelanggan Menggunakan Algoritma K-Means Sebagai Dasar Strategi Pemasaran pada LAROIBA Seluler," 2013.
A. Husna, “Segmentasi Pelanggan Menggunakan Model RFM Dan Teori Roughset Untuk Memahami Karakteristik Pelanggan (STUDI KASUS: PT.ABBOTT INDONESIA,Tbk Cabang Malang),” 2015.
R. D. F. Ruli, "Penearapan CLustering K-means Pada Customer Segmentation Berbasis Recency Frequency Monetary RFM ) (Studi Kasus : Pt. Sinar Kencana Intermoda Surabaya)," Seminar Nasional Matematika dan Aplikasinya, pp. 418-427, 2017.
S. Rudiarto, "Implementasi Algoritma K-means Clustering Pada Aplikasi Pencari Pelanggan Potensial Pada Restoran XYZ," Jurnal Imu Teknik Dan Komputer, 2018.
R. Nainggolan, R. Perangin-angin, E. Simarmata and F. A. Tarigan, "Improved the Performance of the K-Means Cluster Using the," Journal of Physics: Conference Series, 2019.
A. V. Angelie, "Segmentasi Pelanggan Menggunakan Clustering K-Means dan Model RFM (Studi Kasus: PT. Bina Adidaya Surabaya)," 2017.
E. Ngai, L. Xiu and D. Chau, "Application of data mining techniques in customer relationship management:," Expert Systems with Applications, p. 2592–2602, 2009.
B. Setyobudi, "Application of Segmentation in Determining Policy Analysis Marketing Strategy," vol. 2, pp. 124-132, 2011.
B. Shim, K. Choi and Y. Suh, "CRM strategies for a small-sized online shopping mall based on association rules," Expert Systems with Applications, pp. 7736-7742, 2012.
D. Peppers and M. Rogers, Managing Customer relationships, New Jersey: John Wiley & Sons,Inc, 2011.
A. M. Hughes, in Strategic Database marketing, Cambridge, Probus Publising, 1994, p. 300.
J. Tabak, Geometry: The Language of Space and Form, New York: Facts On File, Inc, 2014.
B. E. Adiana, i. Soesanti and A. E. Permanasari, "ANALISIS SEGMENTASI PELANGGAN MENGGUNAKAN KOMBINASI RFM MODEL DAN TEKNIK CLUSTERING," Jurnal Terapan Teknologi Informasi, vol. 2, pp. 23-32, 2018.
