Detail Cantuman

Semakin meningkatnya persaingan bisnis dibidang retail menyebabkan para pelaku usaha harus mampu mempertahankan pelanggan agar tidak beralih ke kompetitor lain. Cara untuk mempertahankan pelanggan yaitu dengan menerapkan metode CRM (Customer Relationship Management). Idealnya perusahaan harus mampu memahami karakteristik setiap pelanggan secara individu, akan tetapi metode pendekatan itu tidak mungkin dilakukan karena jumlah pelanggan terlalu banyak. Maka alternatif yang efisien adalah dengan melakukan segmentasi pelanggan. Pada penelitian ini, segmentasi pelanggan akan dilakukan menggunakan algoritma K-Means dan Fuzzy C-Means berdasarkan analisis model RFM (Recency, Frequency, Monetary) pada data transaksi pelanggan. Hasil clustering data pelanggan dengan 3 cluster menghasilkan nilai validitas yang berbeda untuk masing-masing algoritma. Hasil uji validitas dari algoritma K-Means menggunakan metode Silhouette Coefficient menghasilkan nilai sebesar 0.4607 dan hasil uji validitas dari algoritma Fuzzy C-Means menggunakan metode Modified Partition Coefficient menghasilkan nilai sebesar 0.4748. Uji validitas hasil clustering kedua algoritma menggunakan masing-masing metode pengujian menunjukan bahwa algoritma Fuzzy C-Means lebih optimal dibandingkan dengan algoritma K-Means karena nilainya mendekati 1, maka hasil clustering yang akan dianalaisis adalah hasil clustering algoritma Fuzzy C-Means. Hasil clustering algoritma Fuzzy C-Means menunjukan segmen 1 yang beranggotakan 805 pelanggan merupakan segmen menengah, segmen 2 yang beranggotakan 663 pelanggan merupakan segmen terburuk dan segmen 3 yang beranggotakan 767 pelanggan merupakan segmen terbaik.

Kata Kunci: segmentasi pelanggan, CRM, model RFM, clustering, K-Means, Fuzzy C-Means