Turnit in : Segmentasi Pelanggan Menggunakan Algoritma Bisecting K-Means Berdasarkan Model Recency, Frequency, dan Monetary (RFM)

Abstract

Informasi tentang karakteristik loyalitas pelanggan di sebuah perusahaan sangat dibutuhkan dalam rangka meningkatkan pelayanan kepada pelanggan. Sebuah model segmentasi pelanggan berdasarkan data transaksi dapat memberikan informasi ini. Penelitian ini menggunakan parameter dari model recency, frequency, dan monetary (RFM) dalam menentukan segmentasi pelanggan dan algoritme bisecting k-means untuk menentukan jumlah klaster. Dataset yang digunakan adalah data 588 transaksi penjualan PT Dinar Energi Utama selama tahun 2017. Klaster yang dibentuk oleh algoritme bisecting k-means dan k-means diuji menggunakan metode koefisien silhouette. Algoritme bisecting k-means mampu membentuk model segmentasi pelanggan terbaik ke dalam tiga kelompok, yaitu Occasional, Typical, dan Gold, dengan koefisien silhouette.