Analisa Metode Hierarchical Clustering Dan K-Mean Dengan Model Lrfmp Pada Segmentasi Pelanggan

Abstract

Abstrak

Pelanggan adalah sesuatu yang berharga dan penting, jika semua pelanggan serupa, bisnis akan begitu sederhana. Masalah heteroginitas dan banyaknya jumlah pelanggan menjadi tantangan yang harus dihadapi untuk menentukan segmentasi konsumen yang potensial.Pada penelitian ini proses segmentasi pelanggan dimulai dengan melakukan proses preprocessing, analytic hierarchy process (AHP),pencarian nilai K terbaik dari semua metode Hierarchical Clustering dengan membandingkan nilai Bouldien-Index. Selanjutnya nilai K terpilih dijadikan nilai awal pada K-Mean Clustering. Hasil clustering tersebut digunakan untuk melakukan segmentasi menggunakan model RFM untuk mendapatkan kelas konsumen. Penambahan parameter Payment (LRFMP) dapat meningkatkan nilai loyalitas pelanggan terhadap perusahaan.Berdasarkan hasil penelitian, metode single linkage  merupakan metode terbaik untuk mencari nilai K. Segmentasi model k-mean dengan penambahan parameter P (LRFMP) dapat meningkatkan nilai DBI dibandingan dengan model RFM terbobot maupun tidak. Tetapi nilai DBI metode segmentasi single linkage masih lebih bagus dari pada segmentasi k-mean.

Kata Kunci:  Bouldien-Index, CRM, Data mining, pelanggan,  LRFMP, RFM, segmentasi