CLUSTERING KESETIAAN PELANGGAN DENGAN MODEL RFM (RECENCY, FREQUENCY, MONETARY) DAN K-MEANS

  • Tommi Alfian Armawan Sandi (1*) Program Studi Ilmu Komputer STMIK Nusa Mandiri
  • Mugi Raharjo (2) Program Studi Ilmu Komputer STMIK Nusa Mandiri
  • Jordy Lasmana Putra (3) Program Studi Ilmu Komputer STMIK Nusa Mandiri
  • Ridwan Ridwan (4) Program Studi Ilmu Komputer STMIK Nusa Mandiri

  • (*) Corresponding Author
Keywords: Algoritma K-Means, Model RFM, Clustering Kesetiaan Pelanggan

Abstract

Bisnis merupakan kegiatan yang tidak pernah berhenti, segala sesuatu yang menjadi peluang usaha pun dapat dijadikan bisnis yang menjanjikan kepada pelaku bisnis, semakin maju dan berkembangnya dunia usaha, membuat sebagian dari pebisnis gulung tikar, banyak faktor yang membuat mereka kesusahan dalam mempertahankan bisnisnya, diantaranya adalah pelanggan. Penelitian ini bertujuan untuk menentukan pelanggan potensial dan loyal kepada pelaku usaha, pelanggan yang potensial ditentukan dengan segmentasi pelanggan. Model RFM (Recency, Frequency, Monetary) digunakan untuk mencari atribut yang cocok untuk segementasi pelangan dan melalukan klastering menggunakan algoritma K-Means, model yang di keluarkan oleh K-Means pelanggan yang potensial memiliki nilai frekuensi yang besar. Menggunakan Davies bouldin index untuk membantu tingkat akurasi pada data klister.

Downloads

Download data is not yet available.

References

Agusta, Y. P. (2007). K-Means – Penerapan, Permasalahan dan Metode Terkait, 3(Pebruari), 47–60.

Duncan, E. (2018). Online-Shopping and E-Commerce worldwide: Statistics & Facts. Retrieved from https://www.statista.com/topics/871/online-shopping/

Hardiani, T., & Hartanto, R. (2017). Segmentasi Nasabah Tabungan Menggunakan Model RFM ( Recency , Frequency , Monetary ) dan K-Means Pada Lembaga Keuangan Mikro, (May).

Iramawati, D. (2011). PEMANFAATAN E-COMMERCE DALAM DUNIA BISNIS. Jurnal Ilmiah Orasi Bisnis, VI, 95–112.

Mara, M. N., & Satyahadewi, N. (2013). PENGKLASIFIKASIAN KARAKTERISTIK DENGAN METODE K-MEANS CLUSTER ANALYSIS, 02(2), 133–136.

Muningsih, E. (2018). KOMPARASI METODE CLUSTERING K-MEANS DAN K-MEDOIDS DENGAN MODEL FUZZY RFM UNTUK PENGELOMPOKAN PELANGGAN, 6(2).

Putu, N. I., Yuliari, P., Gede, I. K., Putra, D., Kadek, N. I., & Rusjayanti, D. W. I. (2015). CUSTOMER SEGMENTATION THROUGH FUZZY C-MEANS AND FUZZY RFM METHOD, 78(3), 380–385.

Reardon, T., Timmer, C. P., & Minten, B. (2012). Supermarket revolution in Asia and emerging development strategies to include small farmers, 109(31). https://doi.org/10.1073/pnas.1003160108

Sandi, T. A. A., Raharjo, M., Putra, J. L., & Ridwan. (2019). Laporan Akhir Mandiri - Clustering Kesetiaan Pelanggan E-Ritel Dengan Model Rfm (Recency, Frequency, Monetary) Dan K-Means.

Sudriyanto. (2017). CLUSTERING LOYALITAS PELANGGAN DENGAN METODE RFM (RECENCY, FREQUENCY, MONETARY ) DAN FUZZY C-MEANS, 815–822. Retrieved from RFM (Recency, Frequency, Monetary), Fuzzy C-Means, clustering, validitas cluster, Partition Coefficient Index (PCI) dan Xie dan Beni (XBI)
Published
2018-09-15
How to Cite
Sandi, T., Raharjo, M., Putra, J., & Ridwan, R. (2018). CLUSTERING KESETIAAN PELANGGAN DENGAN MODEL RFM (RECENCY, FREQUENCY, MONETARY) DAN K-MEANS. Pilar Nusa Mandiri : Journal of Computing and Information System, 14(2), 239-246. https://doi.org/10.33480/pilar.v14i2.74
Article Metrics

Abstract viewed = 168 times
PDF downloaded = 222 times