Analisis Loyalitas Pelanggan Business To Business Berdasarkan Model RFM Menggunakan Algoritma Fuzzy C-Means
Business to Business Customer Loyalty Analysis Based on RFM Model Using Fuzzy C-Means Algorithm
DOI:
https://doi.org/10.57152/malcom.v4i1.1163Keywords:
Clustering, CRM, Fuzzy C-Means, RFM, Segmentasi PelangganAbstract
PT. XYZ merupakan perusahaan yang bergerak di bidang distributor atap plastik dan Aluminium Composit Panel (ACP) yang mengadopsi model usaha B2B. Saat ini strategi yang digunakan oleh PT. XYZ masih belum berfokus pada segmentasi pelanggan dan masih memperlakukan setiap pelanggan dengan sama. Selain itu data penjualan yang terdapat ribuan lebih riwayat transaksi hanya digunakan sebagai arsip yang seharusnya dapat digunakan untuk pengembangan strategi perusahaan. Berdasarkan hal tersebut, penelitian ini melakukan segmentasi pelanggan pada PT. XYZ menggunakan model RFM dan algoritma FCM untuk menganalisis pelanggan bersasarkan karakteristik dan perilakunya. Data yang digunakan terdiri dari 9163 transaksi yang memuat 494 pelanggan. Untuk mendapatkan jumlah cluster yang optimal maka dilakukan pengujian pada jumlah cluster yaitu 2-10. Hasilnya menunjukkan 2 cluster sebagai jumlah yang terbaik dengan nilai DBI 0,4908. Cluster 1 yang terdiri dari 387 pelanggan dikategorikan sebagai loyal customer sedangkan cluster 2 yang terdiri dari 107 pelanggan dikategorikan sebagai lost customer. Sebagai pelanggan yang loyal, perusahaan perlu memberikan apresiasi untuk mempertahankan hubungan baik dengan pelanggan seperti memberikan diskon, ataupun penawaran khusus. Kemudian untuk segmen lost customer, perusahaan perlu mengambil langkah yang tepat untuk mencoba memulihkan hubungan dengan pelanggan dan menganalisis faktor dan penyebab pelanggan pada segmen ini beralih ke perusahaan lain.
References
N. R. Maulina, I. Surjandari, and A. M. M. Rus, “Data Mining Approach for Customer Segmentation in B2B Settings using Centroid-Based Clustering,” in 16th International Conference on Service Systems and Service Management (ICSSSM), Shenzhen, China: IEEE, 2019, pp. 1–6. doi: 10.1109/ICSSSM.2019.8887739.
S. S. Prasetyo, M. Mustafid, and A. R. Hakim, “Penerapan Fuzzy C-Means Kluster Untuk Segmentasi Pelanggan E-Commerce Dengan Metode Recency Frequency Monetary (Rfm),” J. Gaussian, vol. 9, no. 4, pp. 421–433, 2020, doi: 10.14710/j.gauss.v9i4.29445.
P. Paduloh, M. Widyantoro, and J. Supratman, “Segmentasi Pelanggan Distributor Daging Sapi Menggunakan Pendekatan Recency, Frequency, Monetary (RFM) dan Fuzzy C-Means Clustering,” J. Optim., vol. 8, no. 1, p. 43, 2022, doi: 10.35308/jopt.v8i1.5181.
D. L. Aditya and D. Fitrianah, “Comparative Study of Fuzzy C-Means and K-Means Algorithm for Grouping Customer Potential in Brand Limback,” J. Ris. Inform., vol. 3, no. 4, pp. 327–334, 2021, doi: 10.34288/jri.v3i4.241.
R. Nugraha, “Rancang Bangun Sistem Crm (Customer Relationship Management) Berbasis Web Dengan Pola Mvc,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 1, pp. 70–85, 2022, doi: 10.35957/jatisi.v9i1.1388.
E. Ernawati, S. S. K. Baharin, and F. Kasmin, “A review of data mining methods in RFM-based customer segmentation,” J. Phys. Conf. Ser., vol. 1869, no. 1, p. 12085, 2021, doi: 10.1088/1742-6596/1869/1/012085.
L. Rahmadhani, A. Djunaidy, and A. Mukhlason, “Evaluasi Kinerja Pemasok Menggunakan Fuzzy C-Means Clustering dan AHP di CV Delta Raya,” J. Tek. ITS, vol. 10, no. 2, 2021, doi: 10.12962/j23373539.v10i2.72529.
O. Dogan, B. Oztaysi, and A. Isik, “Fuzzy RFM Analysis in Car Rental Sector,” Int. J. Technol. Eng. Stud., vol. 7, no. 2, pp. 8–14, 2021, doi: 10.20469/ijtes.7.10002-2.
Y. Parikh and E. Abdelfattah, “Clustering Algorithms and RFM Analysis Performed on Retail Transactions,” in 11th IEEE Annual Ubiquitous Computing, Electronics and Mobile Communication Conference (UEMCON), New York, NY, USA: IEEE, 2020, pp. 506–511. doi: 10.1109/UEMCON51285.2020.9298123.
S. Monalisa and F. Kurnia, “Analysis of DBSCAN and K-means algorithm for evaluating outlier on RFM model of customer behaviour,” Telkomnika (Telecommunication Comput. Electron. Control., vol. 17, no. 1, pp. 110–117, 2019, doi: 10.12928/TELKOMNIKA.v17i1.9394.
V. Hermawati and R. Sulaiman, “Penentuan Segmentasi Pelanggan E-Commerce Menggunakan Fuzzy C-Means Dan Model Fuzzy Rfm,” MATHunesa J. Ilm. Mat., vol. 9, no. 1, pp. 76–88, 2021, doi: 10.26740/mathunesa.v9n1.p76-88.
A. Wicaksono, F. A. Bachtiar, and N. Y. Setiawan, “Segmentasi Pelanggan Menggunakan Fuzzy C-Means Clustering berdasarkan RFM Model pada E-Commerce (Studi Kasus: E-Commerce XYZ),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 4, pp. 1351–1360, 2021.
arief soma darmawan, D. Sugianti, and A. Syaifudin, “Segementasi Nasabah Tabungan Pada BMT XXX dengan Metode Fuzzy C Means dan Model RFM,” Smart Comp Jurnalnya Orang Pint. Komput., vol. 10, no. 2, pp. 74–78, 2021, doi: 10.30591/smartcomp.v10i2.2355.
N. Sepriyanti, R. S. Nahampun, M. H. Zikri, I. Ambarani, and A. Rahmadeyan, “Implementation of K-Means Clustering to Group Poverty Levels in Riau Province,” in SENTIMAS: Seminar Nasional Penelitian Dan Pengabdian Masyarakat, Pekanbaru: Institut Riset dan Publikasi Indonesia (IRPI), 2022, pp. 59–65.
D. Singh and B. Singh, “Investigating the impact of data normalization on classification performance,” Appl. Soft Comput., vol. 97, p. 105524, 2020, doi: 10.1016/j.asoc.2019.105524.
D. David, M. D. Lauro, and D. E. Herwindiati, “Sistem Prediksi Customer Loyalty Dengan Metode RFM dan Fuzzy C-Means,” Comput. J. Comput. Sci. Inf. Syst., vol. 4, no. 1, pp. 33–44, 2020, doi: 10.24912/computatio.v4i1.7099.
M. Hardiyanti, Y. R. W. Utami, and W. L. Y. Saptomo, “Pemetaan Daerah Berpotensi Transmigran Di Kecamatan Kartasura Dengan Metode Fuzzy C-Means (Fcm) Clustering,” J. Teknol. Inf. dan Komun., vol. 6, no. 1, pp. 12–20, 2018, doi: 10.30646/tikomsin.v6i1.347.
S. Monalisa and I. Erza, “Analisis Loyalitas Agen Biasa dan Agenstok Menggunakan Model RFM (Recency,Frequency, Monetery) dan Algoritma K-Medoids pada BC 4 HPAI Pekanbaru,” Techno.Com, vol. 20, no. 1, pp. 109–121, 2021, doi: 10.33633/tc.v20i1.4219.
S. Monalisa, Y. Juniarti, E. Saputra, F. Muttakin, and T. K. Ahsyar, “Customer segmentation with RFM models and demographic variable using DBSCAN algorithm,” Telkomnika (Telecommunication Comput. Electron. Control., vol. 21, no. 4, pp. 742–749, 2023, doi: 10.12928/TELKOMNIKA.v21i4.22759.
A. Dursun and M. Caber, “Using data mining techniques for profiling profitable hotel customers: An application of RFM analysis,” Tour. Manag. Perspect., vol. 18, pp. 153–160, 2016, doi: 10.1016/j.tmp.2016.03.001.
