digilib@itb.ac.id +62 812 2508 8800

PENGEMBANGAN SEGMENTASI PELANGGAN BERBASIS CUSTOMER LIFETIME VALUE DENGAN INTEGRASI TEKNIK DATA MINING TWO STEP K-MEANS CLUSTERING DAN ASSOCIATION RULE MINING (STUDI KASUS: KLINIK TUMBUH KEMBANG ANAK NIUMIU CDC)

Penulis : Wini Hardianti Santosa [23420030]
Kontributor / Dosen Pembimbing :
  • Prof. Dr. Ir. Kadarsah Suryadi, D.E.A.
Jenis Koleksi : Tesis
Penerbit : Teknik dan Manajemen Industri
Fakultas : Fakultas Teknologi Industri
Subjek :
Kata Kunci : segmentasi pelanggan, model LRFMP, data mining, clustering, association rule.
Sumber :
Staf Input/Edit : Irwan Sofiyan  
File : 1 file
Tanggal Input : 14 Agu 2023

ABSTRAK Wini Hardianti Santosa
PUBLIC Irwan Sofiyan

Customer Relationship Management (CRM) membantu perusahaan untuk mendapatkan pemahaman yang lebih baik tentang kebutuhan dan perilaku pelanggan. Wawasan mengenai kebutuhan dan perilaku pelanggan merupakan faktor utama untuk memperoleh keunggulan kompetitif melalui peningkatan kepuasan dan pemenuhan kebutuhan pelanggan. Salah satu dimensi pelanggan adalah customer recognition. Segmentasi pelanggan merupakan cara perusahaan untuk mengenali pelanggan dengan lebih baik. Pada aplikasi CRM, penting untuk memisahkan pelanggan berdasarkan nilainya. Customer Lifetime Value (CLV) merupakan ukuran divisi pemasaran yang meproyeksikan nilai pelanggan dalam hubungannya dengan perusahaan dalam periode tertentu. Penelitian ini mengusulkan pendekatan baru dengan mempertimbangkan Customer Lifetime Value dengan LRFMP (Length, Recency, Frequency, Monetary and Periodicity) model dan integrasi teknik data mining yaitu Two Step K-Means Clustering dan Association Rule Mining (ARM) untuk melakukan segmentasi dan analisis perilaku pelanggan pada Klinik Tumbuh Kembang Anak Niumiu CDC. Model LRFMP digunakan sebagai dasar segmentasi dan penentuan nilai CLV pelanggan. Pada penelitian ini, juga dilakukan perhitungan bobot menggunakan Analytic Hierarchy Process (AHP) untuk setiap atribut LRFMP yang selanjutnya akan digunakan untuk perhitungan CLV setiap segmen. Model LRFMP kemudian diintegrasikan dengan teknik data mining yaitu Two Step K-Means Clustering dan Association Rule Mining. Data yang digunakan pada penelitian ini merupakan data transaksi pelanggan di Klinik Tumbuh Kembang Anak Niumiu CDC selama 2 tahun. K-Means clustering step 1 dilakukan untuk memahami segmentasi yang terbentuk dari seluruh data. Setelah itu, ditentukan segmen pelanggan yang potensial untuk dilakukan clustering step 2. K-Means clustering step 2 dilakukan untuk mendapatkan pemahaman yang lebih baik terhadap pelanggan memberikan nilai yang baik bagi perusahaan. Setelah itu, Association Rule Mining dilakukan pada setiap cluster yang dihasilkan K-Means clustering step 2 untuk mendapatkan gambaran yang lebih mendalam terhadap karakteristik pelanggan. Dari hasil pengolahan data sebanyak 571 pelanggan, terbentuk 7 segmen pelanggan yaitu superstar, golden, dorman average value, dormant, new, new average value segment dan new dormant segment. Ukuran kebaikan dari segmen yang terbentuk berdasarkan validasi internal dengan menggunakan Davies-Bouldin Index, untuk C2 sebesar 1.05 dan C0 0.79. Selain itu, terbentuk pula aturan asosiasi untuk setiap segmen yang memberikan pemahaman yang lebih mendalam pada karakteristik pelanggan. Pendekatan yang dilakukan dalam penelitian ini memberikan interpretasi yang lebih baik pada setiap segmen. Segmentasi pelanggan yang terbentuk pada penelitian ini dapat digunakan sebagai dasar pertimbangan perusahaan untuk pengambilan keputusan, penyusunan strategi bisnis khususnya strategi pemasaran dan alokasi sumber daya.

Artikel Terkait