IMPLEMENTASI K-MEANS CLUSTERING DALAM SEGMENTASI PELANGGAN BERDASARKAN USIA, PENDAPATAN, DAN MODEL RFM (STUDI KASUS: LANTIKYA STORE JOMBANG)

beni tiyas kristanti, Achmad Junaidi, Eka Prakarsa Mandyartha

Abstract


Lantikya Store Jombang merupakan salah satu toko retail di Kabupaten Jombang yang belum menerapkan strategi pemasaran yang memberikan pelayanan yang berbeda berdasarkan karakteristik dan tipe pelanggan. Segmentasi pelanggan adalah proses membagi pelanggan kedalam kelompok berdasarkan karakteristik atau perilaku yang berbeda untuk menunjukkan tingkat keragaman di antara pelanggan. Karakteristik dan perilaku pelanggan dilihat berdasarkan usia, pendapatan, rencency (terakhir melakukan transaksi), frequency (jumlah kedatangan), dan monetery (jumlah uang yang dikeluarkan) atau disebut dengan RFM (Rencency, Frequency, dan Monetery). Pengelompokkan dilakukan dengan salah satu algoritma yaitu K-Means dengan jumlah data yaitu 1140 data. Pada penelitian ini menghasilkan 4 kelompok berdasarkan perbandingan hasil dari metode pencarian kelompok yaitu elbow method, silhouette method, dan gap statistic. Analisis yang dilakukan untuk menyususun startegi pemasaran dihitung berdasarkan nilai variabel dengan metode Analytic Hierarchy Process (AHP) dan Customer Lifetime Value (CLV). Karakteristik dan tipe pelanggan yang dihasilkan dari 4 kelompok pelanggan yaitu usia generasi milenial yang memiliki pendapatan tinggi dengan tipe pelanggan untuk retensi umum dan pelanggan bernilai penting, serta usia generasi Z yang memiliki pendapatan rendah dengan tipe pelanggan untuk pengembangn umum dan pelanggan yang hilang.

Full Text:

PDF 2099-2112

References


A. Prahendratno and G. S. Mahendra, Business Intelegent, no. June. 2023.

H. & Tahir, Transformasi Bisnis di Era Digital (Teknologi Informasi dalam Mendukung Transformasi Bisnis di Era Digital), no. August. 2023.

Efori Buulolo, Data Mining Untuk Perguruan Tinggi. Sleman: Deepublish, 2020.

Rachma, “Analisis Data untuk Maksimalkan Peluang Bisnis di Marketplace,” smkdev. Accessed: Jan. 21, 2023. [Online]. Available: https://www.smk.dev/analisis-data-untuk-maksimalkan-peluang-bisnis-di-marketplace/

L. L. K. Leon G. Schiffman, Consumer Behavior. Pearson Education, 2009.

Tiris Sudrartono, “Pengaruh Segmentasi Pasar Terhadap Tingkat Penjualan Produk Fashion Umk,” Coopetition J. Ilm. Manaj., vol. 10, no. 1, pp. 53–64, 2019, doi: 10.32670/coopetition.v10i1.40.

S. D. K. Wardani, A. S. Ariyanto, M. Umroh, and D. Rolliawati, “Perbandingan Hasil Metode Clustering K-Means, Db Scanner & Hierarchical Untuk Analisa Segmentasi Pasar,” JIKO (Jurnal Inform. dan Komputer), vol. 7, no. 2, p. 191, 2023, doi: 10.26798/jiko.v7i2.796.

F. D. Wahyuningtyas, A. Arafat, A. Stiawan, and D. Rolliawati, “Komparasi Algoritma Hierarchical, K-Means, dan DBSCAN pada Analisis Data Penjualan Melalui Facebook,” Explor. J. Sist. Inf. dan Telemat., vol. 14, no. 1, p. 7, 2023, doi: 10.36448/jsit.v14i1.2931.

D. S. Alireza Bab-Hadiashar, Data Segmentation and Model Selection for Computer Vision. 2012.

S. N. Ashma et al., “Segmentasi Pelanggan Berdasarkan Keluhan Dengan Menggunakan K- Means Cluster Analysis Pada PT Infomedia Nusantara,” pp. 276–280, 2020.

Mulaab, Data Mining: Konsep dan Aplikasi. Malang: Media Nusa Creative, 2017.

G. W. N. Dicky Nofriansyah, Algoritma Data Mining dan Pengujian. Sleman: Deepublish, 2019.

T. S. Madhulatha, “An overview of clustering methods,” IOSR J. Eng., vol. 2, no. 4, pp. 719–725, 2012, doi: 10.3233/ida-2007-11602.

S. Asmiatun, N. Wakhidah, A. N. Putri, U. Semarang, and K. Jalan, “Penerapan Metode K-Medoids Untuk Pengelompokkan Kondisi Jalan Di Kota Semarang 1,2,” vol. 6, no. 2, 2020.

H. L. Ramadhania and L. Zakaria, “Aplikasi Metode Sillhouette Coefficient , Metode Elbow dan Metode Gap Staticstic dalam Menentukan K Optimal pada Analisis K-Medoids,” vol. 04, no. 01, pp. 1–10, 2023.

F. A. Dewa and M. T. Jatipaningrum, “SEGMENTASI E-COMMERCE DENGAN CLUSTER K-MEANS DAN FUZZY C-MEANS (Studi Kasus: Media Sosial di Indonesia yang diunduh di Play Store),” J. Stat. Ind. dan Komputasi, vol. 4, no. 1, pp. 53–67, 2019.

E. H.-V. Rocío González Martínez, Ramón Alberto Carrasco, Jesús García-Madariaga, Carlos Porcel Gallego, “A comparison between Fuzzy Linguistic RFM Model and traditional RFM model applied to Campaign Management. Case study of retail business,” no. Itqm, pp. 0–8, 2019, doi: 10.1016/j.procs.2019.11.286.

K. Tsiptsis and A. Chorianopoulos, Data Mining Techniques in CRM: Inside Customer Segmentation. 2009.

Y. K. Jain and S. K. Bhandare, “International Journal of Computer and Communication Technology Min Max Normalization Based Data Perturbation Method for Privacy Protection,” vol. 4, no. 4, 2013, doi: 10.47893/IJCCT.2013.1201.

S. Azwar, “Asumsi-Asumsi Dalam Inferensi Statistika,” Bul. Psikol., vol. 9, no. 1, pp. 8–17, 2015.

G. G. Agustin Garcia Asuero, Ana Sayago, “The Correlation Coefficient: An Overview,” Crit. Rev. Anal. Chem., 2006, doi: 10.1080/10408340500526766.

N. I. Rumi, “USULAN STRATEGI PEMASARAN BERDASARKAN KRITERIA PRIORITAS MARKETING MIX DENGAN METODE MULTIDIMENSIONAL SCALLING (MDS) DAN ANALYTICAL HIERARCHY PROCESS (AHP) (STUDI KASUS DI UD.BUBUHAN),” 2023.

D. R. Liu and Y. Y. Shih, “Integrating AHP and data mining for product recommendation based on customer lifetime value,” Inf. Manag., vol. 42, no. 3, pp. 387–400, 2005, doi: 10.1016/J.IM.2004.01.008.

K. L. K. Philip Kotler, Manajemen Pemasaran. Erlangga, 2009.

D. B. Saputra, “Implementasi Fuzzy C-Means Dan Model Rfm Untuk Segmentasi Pelanggan ( Studi Kasus : Pt . Xyz ) Implementation of Fuzzy C-Means and Rfm Model for Customer Segmentation ( Case Study : Pt . Xyz ) Implementasi Fuzzy C-Means Dan Model Rfm Untuk Segmentasi Pela,” 2018.

C. Patriajaya, “Karakteristik demografi sebagai dasar segmentasi dan target pasar untuk penetapan strategi bauran pemasaran pasar lem Dove di Surabaya [CD-ROM],” 2012.

N. K. B. Ela Elliyana, Tri Siwi Agustina, Habibie Kadir, Yuliani, Bayu Imanuddin, H. Mohdari, Febrisi Dwita, Y. S. Lidiana, Abdurohim, and S. R. H. Gazali, E. Elia Ardyan, Lili Marlinah, Dasar-dasar Pemasaran. Malang: Ahlimedia Press, 2022.

Rizky and Rosalina Noor, “Pengaruh Harga, Pendapatan, dan Halal Awareness Terhadap Keputusan Pembelian Produk Kosmetik Impor Pada Konsumen Pengguna E-commerce Sociolla (Studi Pada Mahasiswa di Universitas Brawijaya),” J. Ilm. Fak. Ekon. dan Bisnis, pp. 1–14, 2020.

C. Marcus, “A practical yet meaningful approach to customer segmentation,” J. Consum. Mark., 1998.

Y.-Y. Shih and C.-Y. Liu, “A method for customer lifetime value ranking — Combining the analytic hierarchy process and clustering analysis,” J. Database Mark. Cust. Strateg. Manag., vol. 11, no. 2, pp. 159–172, 2003, doi: 10.1057/palgrave.dbm.3240216.

Suryana, “Metodologi Penelitian: Model Prakatis Penelitian Kuantitatif dan Kualitatif,” 2010.

A. Alamsyah et al., “Customer Segmentation Using the Integration of the Recency Frequency Monetary Model and the K-Means Cluster Algorithm,” Sci. J. Informatics, vol. 9, no. 2, pp. 189–196, 2022, doi: 10.15294/sji.v9i2.39437.

D. I. Panji Indra Pangestu,Teguh Iman Hermanto, “ANALISIS SEGMENTASI PELANGGAN BERBASIS MODEL RECENCY FREQUENCY DAN MONETARY ( RFM ) MENGGUNAKAN ALGORITMA K-MEANS,” J. Inform. dan Tek. Elektro Terap., vol. 11, no. 3, 2023.




DOI: http://dx.doi.org/10.23960/jitet.v12i3.4677

Refbacks

  • There are currently no refbacks.


This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Publisher
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Lampung
Jl. Prof. Soemantri Brojonegoro No. 1 Bandar Lampung 35145
Email: jitet@eng.unila.ac.id
Website : https://journal.eng.unila.ac.id/index.php/jitet

Copyright (c) Jurnal Informatika dan Teknik Elektro Terapan (JITET)
pISSN: 2303-0577   eISSN: 2830-7062