Penerapan K-Means Clustering Berdasarkan RFM Mofek Sebagai Pemetaan dan Pendukung Strategi Pengelolaan Pelanggan (Studi Kasus: PT. Herbal Penawar Alwahidah Indonesia Pekanbaru)

Authors

  • Fakhri Hadi UIN Sultan Syarif Kasim Riau
  • Mustakim Mustakim UIN Sultan Syarif Kasim Riau
  • Dini Octari Rahmadia UIN Sultan Syarif Kasim Riau
  • Ferdian Hadi Nugraha UIN Sultan Syarif Kasim Riau
  • Nada Putri Bulan UIN Sultan Syarif Kasim Riau
  • Siti Monalisa UIN Sultan Syarif Kasim Riau

DOI:

https://doi.org/10.24014/sitekin.v15i1.4575

Abstract

Customer Relationship Management merupakan salah satu strategi yang dapat diterapkan untuk memperoleh nilai tambah bagi perusahaan, terkait di semua bagian perusahaan yang berhubungan dengan pelanggan. PT. Herbal Penawar Alwahidah Indonesia (HPAI) merupakan salah satu perusahaan bisnis halal network di Indonesia yang fokus pada produk-produk herbal. Tujuan dari proses segmentasi pelanggan adalah untuk mengetahui perilaku konsumen dan menerapkan strategi pemasaran yang tepat sehingga mendatangkan keuntungan bagi pihak perusahaan. Langkah-langkahnya dimulai dari  mengumpulkan data transaksi customer, selanjutnya data prepocessing dengan memilih data yang dibutuhkan, kemudian mencari value customer dengan sesuai parameter Recency,Frequency dan Monetary (RFM). Proses selanjutnya adalah dengan mengelompokkan menggunakan metode K-Means. Terakhir, pelanggan akan di berikan usulan strategi marketing. Hasil yang didapatkan dari studi kasus PT.HPAI menunjukkan bahwa segmen pelanggan yang terbentuk adalah empat cluster yaitu cluster pertama berjumlah 4 pelanggan, cluster 2 berjumlah 339 pelanggan, cluster 3 berjumlah 200 pelanggan, dan cluster 4 berjumlah 8 pelanggan. Hasil strategi marketing ditentukan sesuai dengan karakteristik pelanggan di tiap-tiap clustering yang terbentuk.

Author Biography

Mustakim Mustakim, UIN Sultan Syarif Kasim Riau

Puzzle Research Data Technology (Predatech) Faculty of Science and Technology UIN Sultan Syarif Kasim

References

Rianto,& Setyohadi., Mengukur Kesiapan Implementasi Customer Relationship Management (CRM) Model Application Service Provider (ASP) pada Usaha Mikro Kecil Menengah (UMKM) di Indonesia. Journal of Information Systems Engineering and Business Intelligence,3(1), 2017, pp. 26-32

Buttle, F., Customer Relation Management,Concept and Technologies,Second Edition. Elsevier Butterworth-Heinemann, 2008.

Nugraheni, Yohana, (2011). Data Mining Dengan Metode Fuzzy Untuk Customer Relationship Management (CRM) pada Perusahaan Retail. Diambil 27 Februari 2014 dari http://www.pps.unud.ac.id/thesis/pdf_thes is/unud-212-866836442-thesis_yohana.pdf.

Daniel, P.H, Retno, I.R, & Andi, R.P., Analisis Pemetaan Pelanggan Potensial Menggunakan Algoritma K-Means dan LRFM Model Untuk Mendukung Strategi Pengelolaan Pelanggan (Studi Pada Maninjau Center Kota Malang), 2(8), 2017, pp. 2406-2415

Ruli, R.D.F., Purbandini., & Wuryanto, E,. Penerapan Clustering K-Means Pada Customer Segmentation Berbasis Recency Frequency Monetary (RFM) di PT.Sinar Kencana Intermoda Surabaya, 2017.

Peppard, J, Customer relationship management(CRM) in financial services, European Management Journal, 18(3),2000, pp. 312–327.

Swift, R.S., Accelerating customer relationship using CRM and relationship technologies (Prentice Hall 2000)

Gray, P., & Byun, Jon,. Information Technology and Management, 2001

Winer, R. S. R., A framework for customer relationship management. California Management Review, 43(4), 2001, pp. 89–106.

Schijns, J. M. C., & Schroder, G.J,Segment selection by relationship strength, Journal of Direct Marketing,10(4),1996, pp. 69–79.

Tsiptsis, Konstantinos; Chorianopoulos, Antonios., Data Mining Techniques in CRM : Inside Customer Segmentation. United Kingdom: John Wiley & Sons, Ltd, 2009.

Li, D. C., Dai, W. L., & Tseng, W. T., A two-stage clustering method to analyze customer characteristics to build discriminative customer management: A case of textile manufacturing business. Expert Systems with Applications, 38(6), 2011, pp. 7186–7191.

Miglautsch, J. (2000). Thoughts on RFM scoring. The Journal of Database Marketing, 8(27), 2000, pp. 1–7.

Eka, S. (2011). Segmentasi Pelanggan Menggunakan Two Stage Clustering dan LRFM Model pada Divisi Marketing PT . XYZ untuk Mendukung Strategi Pengelolaan Pelanggan, 2011, pp. 1–7.

J. O. Ong, “Implementasi Algoritma K-Means Clustering untuk Menentukan Strategi Marketing President University,” Jurnal Ilmiah Teknik Industri, 12(1), 2013, pp.10-20.

Downloads

Published

2017-12-13

Issue

Vol. 15 No. 1 (2017): DESEMBER 2017

Section

Articles

License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License

 

Copyright Notice

An author who publishes in the SITEKIN Journal agrees to the following terms:

  • Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
  • Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
  • Author is  permitted and encouraged to post his/her  work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).

Read more about the Creative Commons Attribution-ShareAlike 4.0 Licence here: https://creativecommons.org/licenses/by-sa/4.0/.