TWENTY OKTAVIA PUJILIANA (2022) ANALISIS SEGMENTASI PELANGGAN MENGGUNAKAN METODE K-MEANS CLUSTERING DENGAN MODEL RECENCY, FREQUENCY, MONETARY (RFM) (STUDI KASUS: CV. GARDEN CELL KEDIRI). Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 081811633024_HALAMAN JUDUL.pdf Download (1MB)
	Text (BAB I) 081811633024_BAB I.pdf Download (555kB)
	Text (FULLTXET) 081811633024_FULLTEXT.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Customer Relationship Management (CRM) menjadi salah satu komponen penting dalam membangun perusahaan. Karena dengan CRM, perusahaan dapat mengelola hubungan dengan pelanggan secara lebih terstruktur dan dapat mengikat pelanggan yang berpotensi memberikan keuntungan bagi kelangsungan bisnis. Di CV. Garden Cell Kediri, penerapan CRM hanya terfokus pada pemberian diskon, promo, dan bonus kepada pelanggan tanpa membedakan karakteristiknya. Sehingga perusahaan masih kesulitan untuk membedakan dan mengikat pelanggan potensial. Oleh karena itu, penelitian ini berusaha membentuk segmentasi pelanggan di CV. Garden Cell Kediri dengan teknik K-Means clustering dan model RFM. Tahapan penelitian meliputi business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Business understanding dilakukan untuk memahami dan mencari tahu hal-hal yang dibutuhkan dalam penelitian mengenai perusahan dengan menggunakan metode wawancara. Data understanding bertujuan untuk memahami data yang diperoleh dari hasil wawancara dan mendefinisikan data sesuai dengan kebutuhan penelitian. Data preparation bertujuan untuk mempersiapkan data sebelum proses segmentasi dilakukan. Dalam tahap ini dilakukan pembersihan data dan pemilihan atribut yang berguna untuk proses utama. Kemudian dilakukan proses pembobotan RFM dengan recency merupakan nilai keterbaruan pelanggan melakukan transaksi, frequency adalah jumlah transaksi pelanggan, dan monetary adalah total biaya yang dikeluarkan pelanggan. Setelah pembobotan RFM berhasil dilakukan, dilanjutkan dengan normalisasi dan pengelompokan pelanggan berdasarkan nilai RFM. Modeling dilakukan untuk mengelompokkan pelanggan menggunakan metode K-Means clusetering. Hasil akhir clustering menunjukkan bahwa data terbagi menjadi 4 cluster , yaitu C1, C2, C3, dan C4. Evaluation bertujuan untuk menguji seberapa baik hasil clustering dengan menggunakan metode Silhouette Score dan Davies-Bouldin Index. Sedangkan, Deployment digunakan untuk membuat pemprofilan perilaku pelanggan berdasarkan pembagian cluster dan membaginya dalam beberapa kelompok, yaitu Most Valuable Customer (MVC), Most Growable Customer (MGC), Below Zero (BZ), dan Migrator. Dari pembagian kelompok tersebut diperoleh persentase MVC sebesar 25,3%, MGC sebesar 26,32%, BZ sebesar 22,45%, dan migrator sebesar 25,93%. Hal tersebut menandakan lebih dari setengah pelanggan yang melakukan transaksi di tahun 2021 adalah pelanggan bernilai tinggi (MVC dan MGC). Oleh karena itu, perusahaan perlu memberikan perhatian lebih kepada kelompok pelanggan tersebut agar dapat mengikat pelanggan dan memperoleh keuntungan maksimal.

Actions (login required)

View Item