Analisis Loyalitas Customer Perusahaan Konveksi dengan Model RFM dan Algoritma k-Means

Authors

DOI:

https://doi.org/10.26623/transformatika.v21i2.7248

Keywords:

customer relationship management, recency, frequency, monetary, clustering, k-means

Abstract

Strategi yang baik diperlukan suatu perusahaan dalam menjalankan usahanya. CV. Karunia Jaya merupakan salah satu perusahaan yang bergerak dalam bidang konveksi yanag menjual pakaian bayi. Dalam pelayanan terhadap customer CV. Karunia Jaya belum menerapkan strategi Customer Relationship Management (CRM). Untuk mengetahui loyalitas customer maka perlu dilakukan segmentasi pelanggan terhadap customer. Penelitian ini menggunakan data transaksi dari tahun 2021-2022. Algoritma k-means digunakan dalam penentuan cluster berdasarkan model Recency, Frequency, dan Moneetary (RFM), dibantu dengan tools Weka 3.8.6. Metode elbow digunakan untuk mencari jumlah cluster terbaik dari sekelompok data. Hasil dari penelitian ini yaitu terdapat 27 customer yang terbagi dalam tiga cluster, 21 customer potensi rendah, tiga customer potensi sedang, dan tiga customer potensi tinggi. Perusahaan dapat memberikan layanan yang berbeda terhadap setiap kelompok customer, sehingga hal tersebut dapat menguntungkan perusahaan.

References

B. Y. Setyaleksana, Suharyono, and E. Yulianto, “Pengaruh Customer Relationship Management (CRM) Terhadap Kepuasan dan Loyalitas Pelanggan (Survei pada Pelanggan GraPARI Telkomsel di Kota Malang),” Jurnal Administrasi Bisnis (JAB)|Vol, vol. 46, no. 1, pp. 45–51, 2017.

Y. O. Pailan, Y. H. Chrisnanto, and A. I. Hadianna, “Segmentasi Loyalitas Pelanggan Berbasis RFM (Recency, Frequency, Monetary) Menggunakan K-Means pada PD. Persada Ikan,” Prosiding Seminar Nasional Sistem Informasi dan Teknologi (SISFOTEK), vol. 4, no. 1, pp. 167–171, 2020.

I. Maskanah, A. Primajaya, and A. Rizal, “Segmentasi Pelanggan Toko Purnama dengan Algoritma K-Means dan Model RFM untuk Perancangan Strategi Pemasaran,” JURNAL INOVTEK POLBENG - SERI INFORMATIKA, vol. 5, no. 2, pp. 218–228, 2020.

Jamal and D. Yanto, “Analisis RFM dan Algoritma K-Means untuk Clustering Loyalitas Customer,” Jurnal ENERGY (Jurnal Ilmiah Ilmu-ilmu Teknik), vol. 9, no. 1, pp. 18–27, 2019.

S. A. Sutresno, A. Iriani, and E. Sediyono, “Metode K-Means Clustering dengan Atribut RFM untuk Mempertahankan Pelanggan,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 4, no. 3, pp. 433–440, 2018, doi: 10.28932/jutisi.v4i3.878.

B. Rizki, N. G. Ginasta, M. A. Tamrin, and A. Rahman, “Customer Loyality Segmentation on Point of Sale System Using Recency-Frequency-Monetary (RFM) and K-Means,” Jurnal Online Informatika, vol. 5, no. 2, pp. 130–136, Dec. 2020, doi: 10.15575/join.v5i2.511.

P. Delaya, A. Handojo, and A. Setiawan, “Aplikasi Segmentasi Pelanggan menggunakan Algoritma RFM/P dan Kmeans Clustering pada PT. XYZ,” Jurnal Infra, vol. 9, no. 2, 2021, Accessed: Jul. 04, 2023. [Online]. Available: https://garuda.kemdikbud.go.id/documents/detail/2283104

Z. W. Wijaya, A. Djunaidy, and F. Mahananto, “Segmentasi Pelanggan Menggunakan Algoritma K-Means dan Analisis RFM di Ova Gaming E-Sports Arena Kediri,” JURNAL TEKNIK ITS, vol. 10, no. 2, pp. 230–237, 2021.

B. E. Adiana, I. Soesanti, and A. E. Permanasari, “Analisis Segmentasi Pelanggan Menggunakan Kombinasi RFM Model dan Teknik Clustering,” JUTEI (Jurnal Terapan Teknologi Informasi), vol. 2, no. 1, pp. 23–32, 2018, doi: 10.21460/jutei.2017.21.76.

W. A. Taqwim, N. Y. Setiawan, and F. A. Bachtiar, “Analisis Segmentasi Pelanggan Dengan RFM Model Pada Pt. Arthamas Citra Mandiri Menggunakan Metode Fuzzy C-Means Clustering,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 2, pp. 1986–1993, 2019, [Online]. Available: http://j-ptiik.ub.ac.id

P. Anitha and M. M. Patil, “RFM model for customer purchase behavior using K-Means algorithm,” Journal of King Saud University - Computer and Information Sciences, vol. 34, no. 5, pp. 1785–1792, May 2022, doi: 10.1016/j.jksuci.2019.12.011.

B. Christian and L. Hakim, “Penerapan Algoritma Fuzzy C-Means Pada Penentuan Lokasi Gudang Pendukung PT. XYZ,” AITI: Jurnal Teknologi Informasi, vol. 16, no. 1, pp. 31–48, 2019.

R. Siagian, P. Sirait, and A. Halim, “Penerapan Algoritma K-Means dan K-Medoids untuk Segmentasi Pelanggan pada Data Transaksi E-Commerce,” SISTEMASI: Jurnal Sistem Informasi, vol. 11, no. 2, pp. 260–270, 2022, [Online]. Available: http://sistemasi.ftik.unisi.ac.id

B. E. Adiana, I. Soesanti, and A. E. Permanasari, “Analisis Segmentasi Pelanggan Menggunakan Kombinasi RFM Model dan Teknik Clustering,” JUTEI (Jurnal Terapan Teknologi Informasi), vol. 2, no. 1, pp. 23–32, 2018, doi: 10.21460/jutei.2017.21.76.

D. Susilowati, H. Hairani, I. P. Lestari, K. Marzuki, and L. Z. A. Mardedi, “Segmentasi Lokasi Promosi Penerimaan Mahasiswa Baru Menggunakan Metode RFM dan K-Means Clustering,” MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 21, no. 2, pp. 275–282, Mar. 2022, doi: 10.30812/matrik.v21i2.1542.

R. Gustriansyah, N. Suhandi, and F. Antony, “Clustering optimization in RFM analysis based on k-means,” Indonesian Journal of Electrical Engineering and Computer Science, vol. 18, no. 1, pp. 470–477, 2019, doi: 10.11591/ijeecs.v18.i1.pp470-477.

V. A. Ekasetya and A. Jananto, “Klusterisasi Optimal Dengan Elbow Method Untuk Pengelompokan Data Kecelakaan Lalu Lintas Di Kota Semarang,” Dinamika Informatika, vol. 12, no. 1, pp. 20–28, 2020.

Published

2023-08-15

Issue

Vol. 21 No. 1 (2023): July 2023

Section

Artikel

License

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.

Creative Commons License
Transformatika is licensed under a  Creative Commons Attribution 4.0 International License.