Clustering Loyalitas Pelanggan dengan Model RFM (Refency Frequency Monetary) dan Metode K-Means Berbasis Median

Abstract

Data loyalitas pelanggan dalam dunia jual beli selalu bertambah seiring dengan berjalannya waktu. Perkembangan teknologi yang sangat pesat dalam dunia bisnis perdagangan menjadi arah perubahan yang sangat signifikan dalam proses transaksi jual beli dengan pemanfaatan tekonologi proses transaksi penjualan dapat dijadikan sebuah sekumpulan data besar dan melimpah, Hal ini berpeluang untuk dapat dilakukan proses pengolahan data sehingga akan didapat sebuah informasi yang bermanfaat. Informasi tersebut seperti mengenai pengelompokan data pelanggan yang memiliki loyalitas tinggi sehingga pihak unit usaha terkait dapat memberikan reward pada pelanggan yang memiliki tingkat loyalitas tinggi. Untuk mengetahui hal tersebut, dilakukan  pengujian  model  dengan  menggunakan  metode k-means dengan pemilihan  pusat  klaster  awal  berbasis  median, hasil eksperimen dengan model tersebut dapat menghasilkan kualitas klaster yang lebih baik karena dengan pemilihan pusat klaster awal berbasis median tidak terjadi klaster kosong. Klaster yang dihasilan yaitu pada cluster pertama 133 cluster Kedua 30 dan cluster ketiga 208 sedangkan cluster keempat 129 dengan nilai DBI 0,694. Sedangkan metode k-mmeans dengan pemilihan pusat klaster standart didalam experimen ini menggunakan tool rapidminer didapat cluster pertama 310 cluster Kedua 19 dan cluster ketiga 37 sedangkan cluster keempat 134 dengan nilai DBI 0,807.