ANALISIS SEGMENTASI PELANGGAN MENGGUNAKAN KOMBINASI RFM MODEL DAN TEKNIK CLUSTERING
| Main Authors: | Adiana, Beta Estri, Soesanti, Indah, Permanasari, Adhistya Erna |
|---|---|
| Format: | Article info Book Bahasa Indonesia application/pdf Journal |
| Bahasa: | ind |
| Terbitan: |
Fakultas Teknologi Informasi
, 2018
|
| Subjects: | |
| Online Access: |
https://jutei.ukdw.ac.id/index.php/jurnal/article/view/76 https://jutei.ukdw.ac.id/index.php/jurnal/article/view/76/24 |
Daftar Isi:
- Intisari – Persaingan yang ketat di bidang bisnis memotivasi sebuah usaha kecil dan menengah (UKM) untuk mengelola pelayanan terhadap konsumen tetap (pelanggan) secara maksimal. Meningkatkan kesetiaan pelanggan dengan mengelompokkan pelanggan menjadi beberapa kelompok dan menentukan strategi pemasaran yang tepat dan efektif untuk setiap kelompok. Segmentasi pelanggan dapat dilakukan melalui pendekatan data mining dengan metode clustering. Tujuan utamanya segmentasi pelanggan dan mengukur kesetiaan mereka terhadap sebuah produk UKM. Dengan menggunakan metode CRISP-DM yang terdiri dari enam fase, yakni pemahaman bisnis (business understanding), pemahaman data (data understanding), persiapan data (data preparation), pemodelan (modelling), evaluasi (evaluation), dan penerapan (deployment). Algoritma K-means digunakan untuk pembentukan klaster dan RapidMiner sebagai tool yang digunakan untuk mengevaluasi klaster-klaster yang terbentuk. Pembentukan klaster didasarkan pada analisa RFM ( Recency, Frequency, dan Monetary). Davies Bouldin Index (DBI) digunakan untuk menemukan jumlah cluster (k) yang optimal. Hasilnya kelompok pelanggan yang terbentuk ada tiga kelompok dengan kelompok pertama berjumlah 30 pelanggan masuk dalam kategori typical customer, kelompok kedua terdapat 8 pelanggan yang masuk dalam kategori superstar dan kelompok ketiga berjumlah 89 pelanggan pada kategori dormant customer.
- Intense competition in the business field motivates a small and medium enterprises (SMEs) to manage customer services to the maximal. Improve of customer royalty by grouping cunstomers into some of groups and determining appropriate and effective marketing strategies for each group. Customer segmentation can be performed by data mining approach with clustering method. The main purpose of this paper is customer segmentation and measure their loyalty to a SME’s product. Using CRISP-DM method which consist of six phases, namely business understanding, data understanding, data preparatuin, modeling, evaluation and deployment. The K-Means algorithm is used for cluster formation and RapidMiner as a tool used to evaluate the result of clusters. Cluster formation is based on RFM (recency, frequency, monetary) analysis. Davies Bouldin Index (DBI) is used to find the optimal number of clusters (k). The customers are divided into 3 clusters, total of customer in first cluster is 30 customers who entered in typical customer category, the second cluster there are 8 customer whho entered in superstar customer and 89 customers in third cluster is dormant cluster category.