Penulis: Nita Mirantika ; Estiko Rijanto
DOI: –
Abstrak
Sebuah perusahaan peternakan unggas memiliki pelanggan yang tersebar di berbagai wilayah dan memerlukan segmentasi pelanggan guna mendukung strategi pemasaran yang lebih efektif. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan perusahaan melalui analisis perbandingan menggunakan algoritma K-Means dan K-Medoids. Segmentasi pelanggan dilakukan dengan menerapkan metode Cross-Industry Standard Process for Data Mining (CRISP-DM) terhadap tiga dataset penjualan yang berbeda. Atribut dataset dipilih berdasarkan model Recency–Frequency–Monetary (RFM). Penentuan jumlah klaster dilakukan menggunakan metode Elbow, sedangkan evaluasi hasil klasterisasi dilakukan dengan menggunakan metode Davies–Bouldin Index (DBI). Hasil analisis perbandingan menunjukkan bahwa algoritma K-Means memiliki kinerja yang lebih unggul dibandingkan algoritma K-Medoids. Hal ini dibuktikan oleh nilai DBI pada algoritma K-Means yang lebih rendah dibandingkan dengan nilai DBI pada algoritma K-Medoids pada ketiga dataset penjualan yang dianalisis. Berdasarkan temuan tersebut, disarankan agar penentuan segmentasi pelanggan menggunakan algoritma K-Means. Penelitian ini menghasilkan empat segmen pelanggan, yaitu superstar, typical, newcomer, dan dormant. Segmen superstar memiliki nilai recency paling terbaru, frekuensi transaksi tertinggi, serta nilai moneter yang paling besar. Hasil segmentasi pelanggan ini dapat dijadikan bahan pertimbangan bagi perusahaan dalam merumuskan strategi pemasaran yang tepat sasaran. Penelitian ini juga dapat digunakan sebagai referensi dalam menangani isu-isu terkini pada perusahaan peternakan unggas, khususnya dalam mendukung kesiapan pangan serta kontribusi terhadap isu pembangunan berkelanjutan (Sustainable Development Goals/SDGs). © School of Engineering, Taylor’s University.
Kata Kunci Penulis:
Segmentasi pelanggan; Frekuensi; K-Means; K-Medoids; Model moneter; Recency
Artikel ini dapat diakses di https://www.scopus.com/pages/publications/85176387578?
