Segmentasi Pelanggan Berdasarkan Analisis Recency, Frequency, Monetary Menggunakan Algoritma K-Means Pada CV. Toedjoe Sinar Group

Sri Wahyuni, Tina Tri Wulansari, Fahrullah Fahrullah

Abstract


CV. Toedjoe Sinar Group merupakan salah satu percetakan di Samarinda yang bergerak di bidang digital printing dengan beragam produk. Percetakan ini tidak hanya fokus pada strategi yang mengutamakan produk, tetapi juga melakukan strategi yang mengutamakan pelanggan. Hal ini diperlukan untuk mengetahui perilaku pelanggan sehingga akan membantu dalam penerapan strategi pemasaran yang tepat untuk meningkatkan pendapatan perusahaan. Sebanyak 8.020 data transaksi pelanggan dari Bulan Januari hingga Maret tahun 2022 digunakan dalam penelitian ini. Pemodelan data yang digunakan dalam pengelompokan pelanggan adalah Recency, Frequency, Monetary (RFM) dan metode clustering K-Means melalui teknik data mining. Penentuan jumlah cluster berdasarkan nilai k menggunakan metode elbow. Penelitian ini menghasilkan nilai k=7 sehingga cluster yang terbentuk sebanyak 7 cluster. Kelompok terbaik yaitu cluster 5 dengan nilai rata-rata Recency sebesar 0,0, Frequency sebesar 140,33 serta rata-rata monetary sebesar 4.3328.833.

Keywords


Algoritma K-Means; RFM; Segmentasi Pelanggan

Full Text:

PDF

References


N. H. Harani and F. A. Nugraha, Segmentasi Pelanggan Menggunakan Python. Kreatif, 2020.

R. P. Justitia, N. Hidayat, and E. Santoso, “Implementasi Metode Agglomerative Hierarchical Clustering Pada Segmentasi Pelanggan Barbershop (Studi Kasus: RichDjoe Barbershop Malang),” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 3, pp. 1048–1054, 2021.

F. Hadi, M. Mustakim, D. O. Rahmadia, F. H. Nugraha, N. P. Bulan, and S. Monalisa, “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, vol. 15, no. 1, pp. 69–76, 2017.

P. I. Pangestu, T. I. Hermanto, and D. Irmayanti, “Analisis Segmentasi Pelanggan Berbasis Model Recency Frequency Dan Monetary (RFM) Menggunakan Algoritma K-Means,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 11, no. 3s1, pp. 930–937, 2023.

B. E. Adiana, I. Soesanti, and A. E. Permanasari, “Analisis segmentasi pelanggan menggunakan kombinasi RFM model dan teknik clustering,” Jurnal Terapan Teknologi Informasi, vol. 2, no. 1, pp. 23–32, 2018.

Suyanto, Data Mining Untuk Klarifikasi dan Klasterisasi Data, 1st ed. Bandung: INFORMATIKA, 2017.

I. Werdiningsih, M. Kom, B. Nuqoba, M. Kom, and S. S. Muhammadun, Data Mining Menggunakan Android, Weka, dan SPSS. Airlangga University Press, 2020.

V. Virtusena, A. Johar, and A. Wijanarko, “Pengelompokan Potensi Kelulusan Mahasiswa Fakultas Teknik Unib Menggunakan Algoritme K-Means (Studi Kasus: Fakultas Teknik Universitas Bengkulu),” Rekursif: Jurnal Informatika, vol. 9, no. 2, pp. 206–225, 2021.

E. Irfiani and S. S. Rani, “Algoritma K-Means Clustering untuk Menentukan Nilai Gizi Balita,” J. Sist. dan Teknol. Inf, vol. 6, no. 4, p. 161, 2018.

M. Yoalifa, H. Haviluddin, M. Wati, N. Puspitasari, and U. Hairah, “Analisa Mutu Sekolah Pada Provinsi Kalimantan Timur Menggunakan Algoritma K-Means,” Sains, Aplikasi, Komputasi dan Teknologi Informasi, vol. 3, no. 2, pp. 53–60, 2023.

M. Wati, M. S. Noorlah, A. Tejawati, A. Septiarini, M. Jamil, and N. Puspitasari, “Implementation of The K-means Clustering for The Public Health Center Data,” in 2022 International Conference on Electrical Engineering, Computer and Information Technology (ICEECIT), IEEE, 2022, pp. 65–69.

M. Wahyudi, M. Masitha, R. Saragih, and S. Solikhun, Data Mining: Penerapan Algoritma K-Means Clustering dan K-Medoids Clustering. Yayasan Kita Menulis, 2020.

L. ‘Izzah1 and A. Jananto, “Penerapan Algoritma K-Means Clustering Untuk Perencanaan Kebutuhan Obat Di Klinik Citra Medika,” Progresif: Jurnal Ilmiah Komputer, vol. 18, no. 1, pp. 69–76, 2022.

A. P. Riani, A. Voutama, and T. Ridwan, “Penerapan K-Means Clustering Dalam Pengelompokan Hasil Belajar Peserta Didik Dengan Metode Elbow,” Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD, vol. 6, no. 1, pp. 164–172, 2023.

N. P. E. Merliana and A. J. Santoso, “Analisa Penentuan Jumlah Cluster Terbaik pada Metode K-Means Clustering,” 2015.

M. Al Ghifari and W. T. H. Putri, “Clustering Courses Based On Student Grades Using K-Means Algorithm With Elbow Method For Centroid Determination,” Inform: Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi, vol. 8, no. 1, pp. 42–46, 2023.




DOI: http://dx.doi.org/10.30872/jurti.v7i2.8748

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Jurnal Rekayasa Teknologi Informasi (JURTI)

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

Alamat Redaksi : 
Program Studi Informatika
Fakultas Teknik 
Jl. Sambaliung No. 9 Kampus Gunung Kelua Samarinda 75119 - Kalimantan Timur
e-mail : jurti.unmul@fkti.unmul.ac.id
Url : http://e-journals.unmul.ac.id/index.php/INF
Contact Person : Medi Taruk [081543438301]

 Creative Commons License

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

StatCounter - Free Web Tracker and Counter