Implementasi Metode Clustering Sebagai Penunjang Strategi dalam Manajemen Pelanggan

Nurmilayanti; Nahrun Hartono

doi:10.37859/jf.v13i3.5617

Nurmilayanti UIN Alauddin Makassar
Nahrun Hartono UIN Alauddin Makassar

https://doi.org/10.37859/jf.v13i3.5617

Keywords: segmentasi pelanggan, k-medoids, clustering, analisis RFM, silhouette coefficient

Abstract

Menajemen pelanggan merupakan hal yang paling krusial karena pelanggan adalah salah satu aset yang terpenting bagi sebuah perusahaan atau bisnis. Dengan penerapan manajemen pelanggan yang efektif, perusahaan atau bisnis mampu mencapai kepuasan pelanggan yang menyebabkan terciptanya pelanggan yang loyal. Untuk mencapai hal itu maka pelaku usaha harus mengenali karakteristik setiap pelanggan sehingga perusahaan dapat menyesuaikan strategi yang tepat sesuai dengan karakteristik pelanggan tersebut. Dengan menggunakan algoritma K-Medoids clustering serta analisis dari nilai RFM (Recency, Frequency, Monetary) dapat dilakukan untuk segmentasi pelanggan sehingga pemilik usaha dalam hal ini adalah toko kosmetik Rahmadani dapat mengenali karakteristik pelanggannya. Analisis nilai RFM diukur berdasarkan nilai terbaru transaksi, jumlah transaksi dan total uang selama transaksi. Jumlah data transaksi yang digunakan sebesar 1327 entri dari tahun 2021 sampai 2022. Pengujian optimum nilai cluster dilakukan dengan menggunakan metode silhouette coefficient yang menghasilkan nilai optimum 0.496 untuk 4 cluster. Hasil dari penelitian ini adalah 4 buah cluster dari 1327 data yang telah diolah melalui preprocessing data serta RFM scoring didapatkan data sebesar 178 pelanggan, pada cluster 1 berada pada peringkat kedua, cluster 2 peringkat ketiga, cluster 3 peringkat pertama dan cluster ke 4 berada pada peringkat terakhir.

Downloads

Download data is not yet available.

References

Adiana, B. E., Soesanti, I., & Permanasari, A. E. (2018). Analisis Segmentasi Pelanggan Menggunakan Kombinasi RFM Model Dan Teknik Clustering. Jurnal Terapan Teknologi Informasi, 2(1), 23–32. https://doi.org/10.21460/jutei.2018.21.76

Bahri, S., Marisa Midyanti, D., & Korespondensi, P. (2023). Penerapan Metode K-Medoids Untuk Pengelompokan Mahasiswa Berpotensi Drop Out Application of K-Medoids Method for Dropout Potential Student Grouping. 10(1), 165–172. https://doi.org/10.25126/jtiik.2023106643

Daffa Rafif Agustian, B. A. D. (2022). Analisis clustering demam berdarah dengue. JIKO (Jurnal Informatika Dan Komputer, Vol. 6, no(e-ISSN : 2477-3964 — p-ISSN : 2477-4413), 18–21. ps://scholar.archive.org/work/q732ndje4vht7j4bwmoryyzuba/access/wayback/https://ejournal.akakom.ac.id/index.php/jiko/article/download/504/pdf

Dewi, D. A. I. C., & Pramita, D. A. K. (2019). Analisis Perbandingan Metode Elbow dan Silhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali. Matrix : Jurnal Manajemen Teknologi Dan Informatika, 9(3), 102–109. https://doi.org/10.31940/matrix.v9i3.1662

DQLab. (2020). Teknik Pengolahan Data : Mengenal Missing Values dan Cara-Cara Menanganinya. In New Media Tower (p. 1). https://www.dqlab.id/digital-transformation-pahami-teknik-pengolahan-ini-dalam-industri-data

Firmansah, R. Y., Dedy Irawan, J., & Vendyansyah, N. (2021). Analisis Rfm (Recency, Frequency and Monetary) Produk Menggunakan Metode K-Means. JATI (Jurnal Mahasiswa Teknik Informatika), 5(1), 334–341. https://doi.org/10.36040/jati.v5i1.3282

Hadi, F., Octari Rahmadia, D., Hadi Nugraha, F., Putri Bulan, N., Mustakin, & Monalisa, S. (2017). Penerapan K-Means Clustering Berdasarkan RFM Mofek Sebagai Pemetaan dan Pendukung Strategi Pengelolaan Pelanggan (Studi Kasus: PT. Herbal Penawar Alwahidah Indonesia Pekanbaru). SITEKIN: Jurnal Sains, Teknologi Dan Industri, 15(1), 69–76. http://ejournal.uin-suska.ac.id/index.php/sitekin/article/view/4575

Hartati, A. S. (2020). Penerapan Algoritma K-Means Dalam Pemetaan Pelanggan Potensial Menggunakan Model Recency Frequency Monetary. Jurnal Ekonomi Volume 18, Nomor 1 Maret201, 2(1), 41–49.

Mirantika, N., Syamfithriani, T. S., & Trisudarmo, R. (2023). Implementasi Algoritma K-Medoids Clustering Untuk Menentukan Segmentasi Pelanggan. 17, 196–204.

Nahjan, M. R., Heryana, N., & Voutama, A. (2023). Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko OJ Cell. 7(1), 101–104.

Sari, B. N., & Primajaya, A. (2019). Penerapan Clustering Dbscan Untuk Pertanian Padi Di Kabupaten Karawang. Jurnal Informatika Dan Komputer, 4(1), 28–34. www.mapcoordinates.net/en.

Savitri, A. D., Bachtiar, F. A., & Setiawan, N. Y. (2018). Segmentasi Pelanggan Menggunakan Metode K-Means Clustering Berdasarkan Model RFM Pada Klinik Kecantikan (Studi Kasus : Belle Crown Malang). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 2(9), 2957–2966.

Sulistyawati, A. A. D., & Sadikin, M. (2021). Penerapan Algoritma K-Medoids Untuk Menentukan Segmentasi Pelanggan. Sistemasi, 10(3), 516. https://doi.org/10.32520/stmsi.v10i3.1332

Wardani, N. W. (2020). Penerapan Data Mining dalam Analytic CRM. In J. Simarmata (Ed.), Yayasan Kita Menulis. https://www.researchgate.net/publication/351776255

Wibowo, A., & Handoko, A. R. (2020). Segmentasi Pelanggan Ritel Produk Farmasi Obat Menggunakan Metode Data Mining Klasterisasi Dengan Analisis Recency Frequency Monetary (RFM) Termodifikasi. Jurnal Teknologi Informasi Dan Ilmu Komputer, 7(3), 573. https://doi.org/10.25126/jtiik.2020702925