ANALISIS SEGMENTASI PELANGGAN MENGGUNAKAN KOMBINASI RFM MODEL DAN TEKNIK CLUSTERING

JUTEI (Jurnal Terapan Teknologi Informasi)

Adhistya Erna Permanasari¹  Indah Soesanti¹  Beta Estri Adiana¹ 

[1] Universitas Gadjah Mada, Yogyakarta

关键词: cluster segmentation;    data mining;    clustering;    CRISP-DM;    RFM-model;    K-Means;   

DOI  :  10.21460/jutei.2018.21.76

学科分类：工程和技术（综合）

来源: Universitas Kristen Duta Wacana

【 摘 要 】

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.

【 授权许可】

CC BY-NC-ND