Search engine for discovering works of Art, research articles, and books related to Art and Culture
ShareThis
Javascript must be enabled to continue!

IMPLEMENTASI SEGMENTASI PELANGGAN MENGGUNAKAN ALGORITMA K-MEANS DENGAN MODEL RFM (STUDI KASUS PANDHAWA SEJAHTERA DROPSHIP)

View through CrossRef
Pandhawa Sejahtera Dropship merupakan usaha di bidang jasa titip jual atau dropshipper. Usaha ini menghadapi tantangan dalam menyusun strategi pemasaran yang tepat sasaran karena belum adanya segmentasi pelanggan berbasis data transaksi. Penelitian ini bertujuan untuk menerapkan segmentasi pelanggan menggunakan metode Recency, Frequency, Monetary (RFM) serta membandingkan algoritma K-Means dan Fuzzy C-Means dalam mengelompokkan pelanggan berdasarkan data transaksi. Data transaksi yang digunakan sebanyak 2.376 record dengan periode satu tahun. Tahapan metode yang dilakukan meliputi preprocessing data, perhitungan nilai RFM, normalisasi data menggunakan Min-Max, penentuan jumlah cluster optimal dengan Elbow Method dan Silhouette Score, serta evaluasi kualitas cluster menggunakan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah 3 (k=3) dengan nilai Silhouette Score 0,6242. Ketiga cluster yang terbentuk adalah Cluster 0 (Champions) sebanyak 362 customer (25%) dengan karakteristik recency rendah (45,2 hari), frequency tinggi (3,8 kali), dan monetary tinggi (Rp 1.256.780); Cluster 1 (Regular) sebanyak 724 customer (50%) dengan karakteristik recency sedang (215,3 hari), frequency rendah (1,2 kali), dan monetary sedang (Rp 345.670); serta Cluster 2 (At Risk) sebanyak 362 customer (25%) dengan karakteristik recency tinggi (345,6 hari), frequency sangat rendah (1,0 kali), dan monetary rendah (Rp 124.890). Berdasarkan perbandingan metode, algoritma K-Means menghasilkan nilai DBI sebesar 0,77 dan Silhouette Score 0,54, lebih baik dibandingkan Fuzzy C-Means dengan nilai DBI 1,05 dan Silhouette Score 0,39. Dengan demikian, algoritma K-Means dinyatakan sebagai metode terbaik untuk segmentasi pelanggan pada data transaksi Pandhawa Sejahtera Dropship. Hasil segmentasi ini dapat dijadikan dasar penyusunan strategi pemasaran yang lebih terarah dan efisien.  
Title: IMPLEMENTASI SEGMENTASI PELANGGAN MENGGUNAKAN ALGORITMA K-MEANS DENGAN MODEL RFM (STUDI KASUS PANDHAWA SEJAHTERA DROPSHIP)
Description:
Pandhawa Sejahtera Dropship merupakan usaha di bidang jasa titip jual atau dropshipper.
Usaha ini menghadapi tantangan dalam menyusun strategi pemasaran yang tepat sasaran karena belum adanya segmentasi pelanggan berbasis data transaksi.
Penelitian ini bertujuan untuk menerapkan segmentasi pelanggan menggunakan metode Recency, Frequency, Monetary (RFM) serta membandingkan algoritma K-Means dan Fuzzy C-Means dalam mengelompokkan pelanggan berdasarkan data transaksi.
Data transaksi yang digunakan sebanyak 2.
376 record dengan periode satu tahun.
Tahapan metode yang dilakukan meliputi preprocessing data, perhitungan nilai RFM, normalisasi data menggunakan Min-Max, penentuan jumlah cluster optimal dengan Elbow Method dan Silhouette Score, serta evaluasi kualitas cluster menggunakan Davies-Bouldin Index (DBI).
Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah 3 (k=3) dengan nilai Silhouette Score 0,6242.
Ketiga cluster yang terbentuk adalah Cluster 0 (Champions) sebanyak 362 customer (25%) dengan karakteristik recency rendah (45,2 hari), frequency tinggi (3,8 kali), dan monetary tinggi (Rp 1.
256.
780); Cluster 1 (Regular) sebanyak 724 customer (50%) dengan karakteristik recency sedang (215,3 hari), frequency rendah (1,2 kali), dan monetary sedang (Rp 345.
670); serta Cluster 2 (At Risk) sebanyak 362 customer (25%) dengan karakteristik recency tinggi (345,6 hari), frequency sangat rendah (1,0 kali), dan monetary rendah (Rp 124.
890).
Berdasarkan perbandingan metode, algoritma K-Means menghasilkan nilai DBI sebesar 0,77 dan Silhouette Score 0,54, lebih baik dibandingkan Fuzzy C-Means dengan nilai DBI 1,05 dan Silhouette Score 0,39.
Dengan demikian, algoritma K-Means dinyatakan sebagai metode terbaik untuk segmentasi pelanggan pada data transaksi Pandhawa Sejahtera Dropship.
Hasil segmentasi ini dapat dijadikan dasar penyusunan strategi pemasaran yang lebih terarah dan efisien.
 .

Related Results

EVALUASI KOMUNIKASI KELOMPOK PADA ANGGOTA DAPUR PANDHAWA
EVALUASI KOMUNIKASI KELOMPOK PADA ANGGOTA DAPUR PANDHAWA
Penelitian ini dilakukan dengan tujuan mengetahui evaluasi komunikasi kelompok pada anggota Dapur Pandhawa. Metode yang digunakan untuk penelitian ini adalah pendekatan kualitatif....
SEGMENTASI PELANGGAN DENGAN ATRIBUT RFM MENGGUNAKAN ALGORITMA K-MEANS DI REDDOORZ SYARIAH NEAR ALUN-ALUN KAJEN
SEGMENTASI PELANGGAN DENGAN ATRIBUT RFM MENGGUNAKAN ALGORITMA K-MEANS DI REDDOORZ SYARIAH NEAR ALUN-ALUN KAJEN
Penelitian ini bertujuan untuk melakukan segmentasi pelanggan pada penginapan RedDoorz Syariah Near Alun-Alun Kajen untuk mengetahui tingkat loyalitas pelanggan beradasarkan kebias...
ALGORITMA K-MEANS CLUSTERING UNTUK SEGMENTASI PELANGGAN (STUDI KASUS : FASHION VIRAL SOLO)
ALGORITMA K-MEANS CLUSTERING UNTUK SEGMENTASI PELANGGAN (STUDI KASUS : FASHION VIRAL SOLO)
Fashion Viral Solo merupakan salah satu distributor perlengkapan fashion di Surakarta yang belum memanfaatkan data yang dimiliki untuk melakukan segmentasi dan mengelompokkan pelan...
FAKTOR-FAKTOR YANG MEMPENGARUHI MORTALITAS PADA PASIEN DENGAN FRAKTUR COSTA: Literature Review
FAKTOR-FAKTOR YANG MEMPENGARUHI MORTALITAS PADA PASIEN DENGAN FRAKTUR COSTA: Literature Review
FAKTOR-FAKTOR YANG MEMPENGARUHI MORTALITAS PADA PASIEN DENGAN FRAKTUR COSTA: Literature  Review Anna Tri Wahyuni1), Masfuri2),  Liya Arista3)1,2,3 Fakultas Ilmu Keperawatan Univers...
Analisis Segmentasi Pelanggan UMKM Toko Kue Albynha Menggunakan Metode RFM dan K-Means
Analisis Segmentasi Pelanggan UMKM Toko Kue Albynha Menggunakan Metode RFM dan K-Means
UMKM memiliki peran strategis dalam perekonomian nasional, salah satunya pada subsektor pangan seperti Toko Kue Albynha yang sangat bergantung pada loyalitas pelanggan. Penelitian ...
Analisis Kepuasan Pelanggan PT Wook Global Technology Menggunakan Algoritma C4.5
Analisis Kepuasan Pelanggan PT Wook Global Technology Menggunakan Algoritma C4.5
Penelitian ini bertujuan untuk menganalisis kepuasan pelanggan PT Wook Global Technology menggunakan algoritma C4.5. Kepuasan pelanggan adalah aspek penting dalam kesuksesan perusa...
Penerapan Machine Learning untuk Pencarian Pelanggan Loyal Berpotensi Menggunakan Metode Python Pandas Seaborn
Penerapan Machine Learning untuk Pencarian Pelanggan Loyal Berpotensi Menggunakan Metode Python Pandas Seaborn
Kunci kesuksesan berbisnis agar target penjualan tercapai dengan menjaga kepercayaan dan minat daya beli konsumen untuk tetap menjadi pelanggan setia. Salah satu faktor penunjangny...

Back to Top