Segmentasi Loyalitas Pelanggan dengan Model RFM Menggunakan Algoritma Clarans

Abstract

Dalam menentukan upaya kelompok-kelompok pelanggan yang setia perlu melakukan pemeriksaan yang cermat menentukan karakteristik setiap pelanggan dalam bertransaksi. Dengan memiliki karakteristik untuk membuat suatu pengelompokan pelanggan juga perlukan dalam konsep segmentasi pelanggan. Hal tersebut diperlukan karena untuk mengetahui perilaku-perilaku pelanggan sehingga dapat membantu dalam penerapan strategi penjualan yang tepat untuk meningkatkan keuntungan bagi pihak perusahaan. Tujuan penelitian ini yaitu mengidentifikasi kelompok pelanggan - pelanggan dengan algoritma CLARANS berdasarkan model RFM. Metode CLARANS adalah metode klasterisasi yang berbasis partisi k-medoid, dengan menggunakan graf abstraksi untuk menentukan k-medoidsnya. Dalam penelitian ini membahas mengenai segmentasi loyalitas pelanggan yang menggunakan metode CLARAN dan berdasarkan model RFM. Berdasarkan hasil analisis interpretasi RFM yang dilakukan memiliki objek yang terbentuk sebanyak 3 cluster dengan 787 pelanggan berada di cluster 1, 1456 pelanggan berada di cluster 2, 2798 pelanggan berada di cluster 3. Adapun hasil pengujian akurasi terdapat beberapa nilai K, hasil nilai yang paling tinggi dengan mendekati 1 yaitu pada nilai K = 3 dengan nilai Silhouette Coefficient 0.766840732467501 dimana nilai K = 3 tersebut dikategorikan “Klasifikasi Kuatâ€. Dapat di simpulkan penelitian ini dapat mengelompokan tingkat loyalitas pelanggan menggunakan model RFM dan algoritma CLARANS. Berdasarkan hasil analisis interpretasi RFM yang dilakukan memiliki objek yang terbentuk sebanyak 3 cluster dengan 787 pelanggan berada di cluster 1, 1456 pelanggan berada di cluster 2, 2798 pelanggan berada di cluster 3. Adapun hasil pengujian akurasi terdapat beberapa nilai K, hasil nilai yang paling tinggi dengan mendekati 1 yaitu pada nilai K = 3 dengan nilai Silhouette Coefficient 0.766840732467501 dimana nilai K = 3 tersebut dikategorikan “Klasifikasi Kuatâ€. Dapat di simpulkan penelitian ini dapat mengelompokan tingkat loyalitas pelanggan menggunakan model RFM dan algoritma CLARANS. Berdasarkan hasil analisis interpretasi RFM yang dilakukan memiliki objek yang terbentuk sebanyak 3 cluster dengan 787 pelanggan berada di cluster 1, 1456 pelanggan berada di cluster 2, 2798 pelanggan berada di cluster 3. Adapun hasil pengujian akurasi terdapat beberapa nilai K, hasil nilai yang paling tinggi dengan mendekati 1 yaitu pada nilai K = 3 dengan nilai Silhouette Coefficient 0.766840732467501 dimana nilai K = 3 tersebut dikategorikan “Klasifikasi Kuatâ€. Dapat di simpulkan penelitian ini dapat mengelompokan tingkat loyalitas pelanggan menggunakan model RFM dan algoritma CLARANS. hasil nilai yang paling tinggi dengan mendekati 1 yaitu pada nilai K = 3 dengan nilai Koefisien Silhouette 0.766840732467501 dimana nilai K = 3 tersebut dikategorikan “Klasifikasi Kuatâ€. Dapat di simpulkan penelitian ini dapat mengelompokan tingkat loyalitas pelanggan menggunakan model RFM dan algoritma CLARANS. hasil nilai yang paling tinggi dengan mendekati 1 yaitu pada nilai K = 3 dengan nilai Koefisien Silhouette 0.766840732467501 dimana nilai K = 3 tersebut dikategorikan “Klasifikasi Kuatâ€. Dapat di simpulkan penelitian ini dapat mengelompokan tingkat loyalitas pelanggan menggunakan model RFM dan algoritma CLARANS.