Segmentasi Pelanggan Berdasarkan Analisis RFM Menggunakan Algoritma K-Means Sebagai Dasar Strategi Pemasaran (Studi Kasus PT Coversuper Indonesia Global)

Agus Tri Widiyanto (Program Studi Informatika, Fakultas Teknologi Informasi, Universitas Mercu Buana)
Arita Witanti (Program Studi Informatika, Fakultas Teknologi Informasi, Universitas Mercu Buana)

Konstelasi: Konvergensi Teknologi dan Sistem Informasi
Vol. 1 No. 1 (2021): Juni 2021

PT. Coversuper Indonesia Global adalah perusahaan yang bergerak dibidang aksesoris otomotif. Persaingan dalam bisnis khususnya perusahaan yang bergerak dibidang aksesoris otomotif semakin banyak. Agar dapat meningkatkan penjualan produk yang dijual, para pelaku bisnis di bidang ini harus mempunyai strategi. Berdasarkan permasalahan tersebut maka digunakan Data Mining dengan teknik cluster untuk mengetahui potensi dan karakteristik dari setiap pelanggan mereka dalam melakukan pembelian produk. Tugas akhir ini menggunakan metode kombinasi model RFM dan clustering K-Means yang bertujuan untuk melakukan segmentasi pelanggan. Model RFM digunakan sebagai atribut kuantitatif untuk variabel masukan. Selanjutnya menggunakan algoritma K-means untuk melakukan clustering pelanggan. Hasil tugas akhir ini adalah 4 segmen pelanggan yang dimiliki oleh perusahaan dan karakteristik masing-masing pelanggan. Berdasarkan akurasi yang didapat pada perhitungan menggunakan sistem segmentasi pelanggan dari 29 kali pengujian, terdapat 29 pelanggan (100%) dengan karakteristik yang dihasilkan sistem sesuai dengan pengetahuan user, 0 pelanggan (0%) tidak sesuai dengan pengetahuan user. Dengan nilai akurasi tersebut maka dapat dikategorikan baik. Karakteristik pelanggan ini akan membantu PT Coversuper Indonesia Global untuk mengambil keputusan dalam memprioritaskan tenaga dan sumber dayanya ke pelanggan tertentu (potensial).