Azizah, Hana Millenia (2021) Segmentasi Pelanggan Menggunakan K-Means Dengan Ekstraksi Fitur LRFM Sebagai Pendukung Keputusan Strategi Pemasaran Pada Koperasi Syariah 212. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211740000130-Undergraduate_Thesis.pdf - Accepted Version Download (2MB) | Preview |
Abstract
Ditengah persaingan laju kembang lembaga perekonomian mikro, masalah utama dari koperasi Syariah saat ini adalah kurangnya loyalitas anggotanya. Padahal, keberhasilan suatu koperasi tidak lepas dari partisipasi seluruh anggota. Konsep CRM sangat penting diterapkan dalam perusahaan, untuk mengakuisisi dan mempertahankan nasabah koperasi Syariah, dengan memahami nilai-nilai nasabah. Koperasi Syariah 212 merupakan salah satu lembaga keuangan mikro yang perlu mengelola serta mempertahankan keberadaan setiap anggotanya. Dengan berdasar pada asas kekeluargaan dan gotong royong, partisipasi anggota sangat penting untuk keberlangsungan hidup koperasi, salah satunya dengan turut melakukan investasi dengan transaksi di 212 Mart sebagai produk pengembangan usaha milik koperasi. Namun tidak semua anggota yang terdaftar tersebut berperan aktif pada koperasi. Menanggapi hal tersebut, Koperasi Syariah 212 sampai saat ini belum pernah menganalisis perilaku anggota dalam melakukan transaksi sehingga koperasi kurang memahami anggotanya sendiri dan tidak bisa maksimal dalam pemberian strategi pelayanan untuk meningkatkan transaksi anggota mereka. Untuk memaksimalkan identifikasi perilaku dari setiap anggota koperasi, strategi yang paling sesuai adalah dengan melakukan penggalian data untuk menghasilkan segmen pelanggan berdasarkan karakteristik yang sama.
Metode clustering dengan algoritma K-Means diterapkan untuk mendapatkan hasil segmentasi. Sementara metode Elbow dan SSE digunakan untuk menemukan jumlah k yang paling optimum dalam penerapan K-Means. Segmentasi pelanggan dilakukan berdasarkan pada nilai Customer Lifetime Value dengan empat parameter, yaitu Length, Recency, Frequency, dan Monetary (LRFM). Model ini merupakan pengembangan dari model RFM. Semakin lama pelanggan tersebut terdaftar sebagai member atau anggota koperasi, maka besar kemungkinan pelanggan tersebut melakukan transaksi lebih banyak.
Penerapan analisis LRFM dan metode K-Means menghasilkan 2 segmen. Hasil 2 segmen ini telah dilakukan pencarian dengan dua metode yakni metode Elbow dengan rasio Sum of Square Error sebesar 4.53, serta Silhouette Coefficient dengan nilai 0.44. Jumlah anggota pada segmen 1 adalah 227 anggota, dan jumlah anggota pada segmen 2 adalah 186 anggota. Berdasarkan analisa dari variabel LRFM dan peringkat CLV, didapatkan bahwa segmen 1 merupakan segmen yang memiliki karakteristik serta nilai yang baik dengan rata-rata CLV yang didapat adalah 0.68, dibandingkan dengan segmen 2 dengan rata-rata CLV yang didapat adalah 0.33. Hasil segmentasi dari tugas akhir ini diharapkan dapat membantu menghasilkan usulan strategi pemasaran pada perusahaan, sehingga dapat meningkatkan keunggulan bisnis serta dapat meningkatkan hubungan antara perusahaan dan pelanggan dan tetap bertahan dalam ketatnya persaingan industri dan mikro ekonomi.
===============================================================================================
Amid the competition for the growth rate of microeconomic institutions, the main problem of Sharia cooperatives is the lack of loyalty of its members. In fact, the success of a cooperative cannot be separated from the participation of all members. The CRM concept is necessary to be applied within the company to acquire and retain sharia cooperative customers by understanding customer values. Koperasi Syariah 212 is one of many microfinance institutions that needs to manage and maintain the existence of each member. Based on the principle of family and mutual assistance, member participation is very important for the survival of cooperatives, one is by investing with transactions in 212 Mart as a product of cooperative-owned business development. However, not all registered members play active roles in the cooperative. In response, Sharia Cooperative 212 has yet never analyzed the behavior of members in conducting transactions therefore are unable to understand their members and can not maximize service strategies in order to improve the transactions of their members. To maximize the behavioral identification of each cooperative member, the most appropriate strategy is to perform data mining to generate customer segments based on the same characteristics.
The clustering method with the K-Means algorithm is applied to get segmentation results. While the Elbow and SSE methods are used to find the most optimum number of k in the application of the K-Means algorithm. Customer segmentation is based on Customer Lifetime Value with four parameters, namely Length, Recency, Frequency, and Monetary (LRFM). This model is an enhanced model of the RFM model. The longer a customer is registered as a member, the more likely it is that the customer makes more transactions.
The implementation of LRFM analysis and the K-Means method generates 2 segments. The results of these 2 segments have been searched by two methods, namely the elbow method with a Sum of Square Error ratio of 4.53, and the Silhouette Coefficient with a value of 0.44. The number of members in the first segment is 227 members, while the number of members in the second segment is 186. Based on the analysis of LRFM variables and CLV ratings, it is obtained that the first segment has good characteristics and values. The segmentation result in this research is expected to help produce a proposed marketing strategy for the company so that this research may increase business excellence and improvement in the relationship between companies and customers, including persevere in the tight competition of industry and micro-economy.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | CRM, segmentasi, clustering, K-Means, LRFM, segmentation |
| Subjects: | Q Science > QA Mathematics > QA278.55 Cluster analysis Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science) T Technology > T Technology (General) T Technology > T Technology (General) > T57.5 Data Processing |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Hana Millenia Azizah |
| Date Deposited: | 22 Aug 2021 04:11 |
| Last Modified: | 30 Jul 2024 01:48 |
| URI: | http://repository.its.ac.id/id/eprint/88376 |
Actions (login required)
 |
View Item |