Segmentasi Pelanggan Menggunakan Algoritma K-Means dan Model RFM (Studi Kasus: Industri Pengolahan Limbah Rumah Tangga)

Authors

  • Agustinus David Susanto Universitas Gunadarma

Keywords:

Segmentasi, K-means, RFM, Data Mining, Industri Limbah Rumah Tangga

Abstract

Pada era bisnis modern saat ini persaingan antar perusahaan dalam menarik customer sudah semakin inovatif dan bervariasi. Dengan pemanfaatan teknologi informasi tentu akan menghasilkan data yang akan terus bertambah seiring dengan terus berkembangnya bisnis. Data tersebut seringkali belum dapat dimanfaatkan dengan baik oleh perusahaan untuk dapat membantu pengembangan bisnisnya. ABC (bukan nama sebenarnya) adalah sebuah startup application berbasis mobile yang memberikan layanan pengumpulan limbah rumah tangga yang dapat didaur ulang seperti plastik kertas dan logam. Agar dapat memberikan pelayanan yang baik kepada seluruh customernya tentu perusahaan pengembang ABC harus memiliki strategi yang dapat diterapkan pada proses bisnisnya. Untuk itu diperlukan suatu analisa terhadap pola atau kebiasaan customer sehingga dapat dijadikan acuan dalam menerapkan strategi bisnis yang maksimal. Segmentasi dari customer dapat dilakukan menggunakan teknik data mining dengan algoritma k-means dan model RFM (Recency, Frequency, Monetary). Proses yang dilakukan dalam segmentasi diataranya: pengenalan data, data cleaning, data modeling, pembentukan cluster menggunakan algoritma k-means validasi hasil dengan elbow method dan silhouette coefficient dan visualisasi hasil. Setelah dilakukan serangkaian proses segmentasi dan validasi terhadap data yang ada didapatkan nilai silhouette coefficient yaitu 0.757696 dan 3 cluster optimal dan Cluster 1 merupakan cluster terbaik dengan rata-rata nilai RFM tertinggi dan segmentasi customer kedalam 7 segment customer.

Informasi Artikel


Cite This Article:

Agustinus David Susanto, 2022, Segmentasi Pelanggan Menggunakan Algoritma K-Means dan Model RFM (Studi Kasus: Industri Pengolahan Limbah Rumah Tangga), 21, 2, 03 June 2022, http://dx.doi.org/10.32409/jikstik.21.2.2955

Published

2022-06-03