Implementasi K-means Clustering Dan Model LRFM Untuk Segmentasi Pelanggan (Studi Kasus : PT. Alif Duta Persada)

Ardiansyah, Adam (2018) Implementasi K-means Clustering Dan Model LRFM Untuk Segmentasi Pelanggan (Studi Kasus : PT. Alif Duta Persada). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
05211440000026-Undergraduate_Theses.pdf - Published Version
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Persaingan merupakan hal yang tidak bisa dihindari, kerugian dan keuntungan akan selalu ada dalam dunia bisnis. Pihak yang mampu menguasai persaingan akan terus mendapat keuntungan dan yang tersisih akan sulit mempertahankan keberlangsungannya. Hal ini memaksa perusahaan untuk lebih bisa menarik pelanggan dan mempertahankannya agar mampu melanjutkan bisnisnya. Salah satu metode agar dapat unggul dalam hal tersebut adalah dengan mengimplementasikan CRM (customer relationship management) agar perusahaan dapat lebih baik mengenali dan mempertahankan pelanggan mereka. PT. Alif Duta Persada, perusahaan distributor PT. Unilever Indonesia, menyadari hal tersebut sehingga merasa perlu untuk memanfaatkan segmen-segmen pelanggannya. Namun proses segmentasi yang berjalan tidak optimal karena dilakukan secara manual tiap 1-2 bulan sekali pada seribu lebih pelanggannya. Bahkan untuk penentuan pelanggan yang berhak menerima pembagian bonus selalu diserahkan pada sales-sales mereka, yang berarti hal tersebut akan sangat bersifat subjektif. Hal-hal tersebut memicu buruknya penerapan CRM perusahaan, sehingga menjadi tidak tepat sasaran dan hasilnya kurang optimal. Untuk menyelesaikan masalah tersebut solusi yang dapat dilakukan adalah melakukan segmentasi pelanggan menggunakan metode clustering secara otomatis. Segmentasi dilakukan menggunakan metode clustering K-means, dengan menggunakan metode Elbow untuk menentukan nilai K yang tepat. Dalam proses clustering digunakan variabel LRFM sebagai tolak ukur dalam penggambaran perilaku pelanggan saat melakukan transaksi. Dan selanjutnya hasil clustering tersebut divisualisasikan agar memudahkan dalam menganalisa hasil segmentasi. Penelitian menghasilkan dua segmen pelanggan. Jumlah dua segmen ini diperoleh dari keluaran metode Elbow. Hasil clustering diperoleh berdasarkan bobot yang telah ditentukan dari pihak perusahaan untuk keempat variabel. Hasil nilai CLV (Customer Lifetime Value) untuk segmen 1 adalah 0.138, sedangkan untuk segmen 2 adalah 0.250. Tingkat akurasi yang didapatkan berdasarakan SSE (Sum Squared Error) untuk nilai K=2 adalah 1.546808. Dengan adanya segmentasi ini diharapkan bisa memudahkan PT. Alif Duta Persada untuk melakukan segmentasi pelanggan secara lebih efisien dan dapat menentukan pembagian bonus pada pelanggan berdasarkan performa pelanggan. Kata kunci : Segmentasi Pelanggan, clustering, K-means, model LRFM ============== Competition is inevitable in business, losses and benefits will always coexist in the business world. The side that capable of mastering the competition will continue to get the benefit and those who get left behind will find it difficult to maintain their sustainability. This situation forces the company to be better at attract customers and keeps them in order to be able to survive. One method to excel in this case is to implement CRM (customer relationship management) so that companies can better understand and retain their customers. PT. Alif Duta Persada, a distributor company of PT. Unilever Indonesia, realizes this so that it feels the need to take advantage of its customer segments. But the present segmentation process is not optimal because all this time the process was done manually by human for every 1-2 months. Moreover the process to determine the customers who are eligible to receive a bonus was always assigned to their salesperson, which means it will be very subjective. These things trigger a poor corporate CRM implementation, so that the impact is program's target is not exactly right and the results are less than optimal. The solution to solve the problem is to segment the customer using the clustering method automatically. Segmentation is done using K-means clustering method, by using Elbow method to determine the right value of K. In the clustering process LRFM variable was used as a benchmark to describe the customer behavior when making transactions. And after that the clustering results are visualized in order to facilitate the analyzing process. This research produces two customer segments. The number of segments is obtained from the Elbow method's output. The clustering results are obtained based on the predetermined weight of the company for the four variables mentioned earlier. The CLV (Customer Lifetime Value) result for segmen 1 is 0.138, and for segmen 2 is 0.250. The accuracy level obtained based on SSE (Sum Squared Error) for value K=2 is 1.546808. This segmentation's result is expected to facilitate PT. Alif Duta Persada to segment customers more efficiently and can determine the distribution of bonuses to customers based on customer performance. Keyword: customer segmentation, clustering, K-means, LRFM model

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Segmentasi Pelanggan, clustering, K-means, model LRFM, customer segmentation, CRM (customer relationship management), Elbow method
Subjects: Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis
T Technology > T Technology (General) > T57.5 Data Processing
Divisions: Faculty of Information Technology > Information System > (S1) Undergraduate Theses
Depositing User: Adam Ardiansyah
Date Deposited: 12 Sep 2018 08:43
Last Modified: 12 Sep 2018 08:43
URI: http://repository.its.ac.id/id/eprint/52601

Actions (login required)

View Item View Item