IMPLEMENTASI ALGORITMA FUZZY C-MEANS DAN METODE RECENCY FREQUENCY MONETARY (RFM) PADA APLIKASI DATA MINING UNTUK PENGELOMPOKAN PELANGGAN

  • Nindya Rahmawati Syarif Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Budi Luhur
  • Windarto Windarto Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Budi Luhur
Keywords: Fuzzy C-Means, Recency, Frequency, Monetar, Customer Relationship Managemen, Clustering

Abstract

Pada dunia retail, konsumen merupakan salah satu aset yang sangat berpengaruh. Oleh sebab itu konsumen menjadi alasan perusahaan retail harus merencanakan dan mempunyai strategi yang baik dalam memperlakukan konsumennya. Dengan banyaknya jumlah konsumen yang dimiliki oleh suatu perusahaan retail, maka masalah yang harus dihadapi adalah bagaimana menentukan konsumen potensial dan menerapkan strategi pemasaran yang tepat sehingga mendatangkan keuntungan bagi pihak perusahaan. Maka dari itu, dengan menerapkan konsep CRM (Customer Relationship Management), perusahaan dapat melakukan penerapan konsumen potensial dengan melakukan segmentasi pengelompokan konsumen. Penelitian ini membahas tentang proses data mining menggunakan data konsumen dan data transaksi pada PT Eka Cipta Rasa. Proses data mining dimulai dengan melakukan proses clustering menggunakan algoritma Fuzzy C-Means (FCM). Output dari FCM adalah deretan pusat cluster dan beberapa derajat keanggotaan untuk setiap titik data. Hasil clustering digunakan untuk melakukan segmentasi kelas konsumen dengan menggunakan model Fuzzy RFM. Model Fuzzy RFM yaitu dengan menggabungkan teori himpunan fuzzy dengan model RFM dengan segmentasi berdasarkan atribut Recency, Frequency, dan Monetary. Umumnya perusahaan retail menggunakan metode ini untuk proses segmentasi konsumennya. Pengelompokkan (cluster) pelanggan berdasarkan karakteristik dan sifat saat bertransaksi dapat dijadikan suatu alternatif dalam pemecahan masalah. Dalam hal  ini, pelanggan akan dibagi menjadi 4 kelompok atau cluster pelanggan diantaranya  Golden, Silver, Bronze, dan Iron adapun variabel yang menjadi acuan pengelompokannya adalah tanggal pembelian akhir , frekuensi beli, dan total pembelian. Data yang digunakan merupakan data transaksi pelanggan periode Januari sampai Juni 2016. Total data adalah 4007 transaksi dari 328 pelanggan. Setelah data tersebut diolah dengan algoritma Fuzzy C-Means dan metode RFM, hasil akhir pada proses ini menunjukkan iterasi berakhir pada iterasi ke – 9 dengan total fungsi objektif sebesar 102,2 dan perubahan fungsi objektif sebesar 51,1. Cluster pelanggan yang dihasilkan adalah Golden : 38, Silver: 186, Bronze : 103 dan Iron : 0 .

Downloads

Download data is not yet available.

References

Berry, M., & Linoff, G. S. 2004. Data Mining Techniques : For Marketing,. Indianapolis, Indiana: Wiley Publishing, Inc.
Dyantina, O., Afrina, M., & Ibrahim , A. .2012. Penerapan Customer Relationship Management (CRM) Berbasis Web (Studi Kasus Pada Sistem Informasi di Toko YEN-YEN. Jurnal Sistem Informasi (JSI), 516-529.
Kotler, P., & Keller, K. L. 2009. Manajemen Pemasaran Jilid 13. Jakarta: Erlangga.
Suyanto, S.T., M.Sc., D. 2017. Data Mining Untuk Klasifikasi dan Klasterisasi Data. Bandung: Penerbit Informatika.
Tama, B. A. 2009. Implementasi Teknik Data Mining di dalam Konsep Customer Relationship Management (CRM). Konferensi Nasional Sistem dan Informatika, ISSN 109-011.
Ramadhana, C., W, Y. D., & K.W, K. D. 2013. Data Mining dengan Algoritma Fuzzy C-Means Clustering Dalam Kasus Penjualan di PT Sepatu Bata. SEMINAR NASIONAL TEKNOLOGI INFORMASI & KOMUNIKASI TERAPAN 2013 (SEMANTIK 2013), ISBN: 979-26-0266-6.
Published
2018-12-04
How to Cite
Syarif, N. and Windarto, W. (2018) “IMPLEMENTASI ALGORITMA FUZZY C-MEANS DAN METODE RECENCY FREQUENCY MONETARY (RFM) PADA APLIKASI DATA MINING UNTUK PENGELOMPOKAN PELANGGAN”, Sebatik, 22(2), pp. 88-94. Available at: http://jurnal.wicida.ac.id/index.php/sebatik/article/view/313 (Accessed: 26August2019).