Data Mining SEGMENTASI PELANGGAN MENGGUNAKAN K-MEDOIDS BERDASARKAN MODEL LENGTH, RECENCY, FREQUENCY, MONETARY (LRFM) SEGMENTASI PELANGGAN MENGGUNAKAN K-MEDOIDS BERDASARKAN MODEL LENGTH, RECENCY, FREQUENCY, MONETARY (LRFM)

Abstract

Loyalitas pelanggan dapat menjamin pelaku usaha untuk tetap memberikan layanan terbaik agar pelanggan dapat bertambah dari waktu ke waktu ataupun tidak kehilangan pelanggan. Penerapan strategi yang sama akan menimbulkan beberapa dampak, seperti promosi yang tidak tepat sasaran sehingga strategi promosi tersebut hanya akan bermanfaat terhapap pelanggan tertentu saja. Selain itu proses analisis data transaksi penjualan membutuhkan waktu yang cukup lama dan variabel yang tepat untuk mendapatkan informasi seperti segmentasi pelanggan dan nilai pelanggan yang diperlukan dalam menargetkan strategi pemasaran ke segmen yang paling menjanjikan. segmentasi pelanggan dapat digunakan untuk mendukung tindakan strategis perusahaan mengenali perbedaan pelanggan dapat menjadi kunci pemasaran yang sukses dan lebih efektif. Oleh karena, penelitian ini akan berfokus pada segmentasi pelanggan dengan menggunakan metode data mining yaitu clustering menggunakan algoritma K-medoids dan model Length, Recency, Frequency, Monetary (LRFM) untuk mengidentifikasi tingkat loyalitas pelanggan. Berdasarkan hasil clustering menujukan cluster 1 termasuk kelompok uncertain new customers dengan hasil nilai length 0.43717, recency 0.43698, frequency 0.00337 dan monetary 0.00296. Cluster 2 termasuk kelompok lost customer dengan hasil nilai length 0.52933, recency 0.45724, frequency 0.09435 dan monetary 0.04981. Cluster 3 termasuk kelompok core customer dengan hasil nilai length 0.54650, recency 0.54055, frequency 0.00768 dan monetary 0.00960.