Perpustakaan Digital ITB

Customer Lifetime Value (CLV) adalah sebuah ukuran yang memproyeksikan nilai pelanggan dalam hubungannya dengan perusahaan selama periode tertentu. Bisa disebut juga sebagai present value dari kemungkinan aliran pendapatan yang akan dihasilkan oleh suatu individu. CLV menentukan nilai pelanggan kepada perusahaan selama siklus hidup pelanggan. CLV digunakan sebagai dasar segmentasi pelanggan dalam upaya mengidentifikasi pelanggan yang menguntungkan bagi suatu perusahaan. Penentuan nilai CLV pada penelitian ini menggunakan model Recency, Frequency, dan Monetary (RFM) yang telah banyak diaplikasikan dalam beberapa bidang, terutama dalam bidang pemasaran. Model RFM menggunakan variabel tentang waktu pembelian (Recency) paling akhir, berapa kali pelanggan melakukan pembelian (Frequency), dan rata-rata uang yang dihabiskan (Monetary). Penelitian ini menggunakan model RFM sebagai dasar melakukan segmentasi dan penentuan nilai CLV. Model RFM diintegrasikan dengan teknik data mining untuk mendukung segmentasi dan klasifikasi pelanggan. Teknik data mining yang digunakan adalah Self Organizing Maps (SOM), K-Means, dan Decision Tree C4.5. Penelitian menggunakan data aktifitas dan profil pelanggan yang pernah bertransaksi belanja secara online. Algoritma SOM digunakan sebagai penentu jumlah kluster. Setelah jumlah kluster terbentuk, segmentasi dilakukan dengan menggunakan algoritma K-Means. Selanjutnya, klasifikasi dilakukan dengan menggunakan algoritma Decision Tree C4.5. Berdasarkan hasil pengolahan data sebanyak 558 responden, didapatkan lima segmen konsumen yaitu New Customer, Superstar, Typical Customer, Dormant Customer, dan Occational Customer. Serta tiga kategori klasifikasi yaitu High Value Customer, Medium Value Customer, dan Customer at Risk. Ukuran kebaikan dari segmen yang terbentuk ditunjukan oleh indeks Davies-Bouldin sebesar 0.472 serta akurasi klasifikasi sebesar 70,9%.