Analisis RFM (Recency, Frequency and Monetary) Produk Menggunakan Metode K-Means

Abstract

Pada saat ini penggunaan teknologi saat ini sudah mencakup berbagai bidang, salah satunya pada bidang bisnis. Sintetic store merupakan salah satu toko reseller yang sudah menggunakan teknologi dalam proses bisnisnya. Setiap bulan, toko ini memesan kembali produk berdasarkan produk mana saja yang habis terjual pada bulan sebelumnya. Namun pemesanan kembali hanya berdasarkan total dari produk yang terjual saja, sehingga ada beberapa produk yang belum terjual juga ikut dipesan kembali. Hal ini menyebabkan adanya penumpukan barang digudang. Selain itu, produk pakaian yang sering diminati pembeli sering habis terjual.
 Dalam proses restock, data yang tercatat hanya beradasarkan produk-produk yang laku terjual. Pihak manajemen tidak memiliki sistem yang baik untuk mengatur proses ketersediaan stok produk pakaian dalam setiap ukuran. Karena itu, untuk mempermudah pengelompokkan produk pakaian berdasarkan tanggal terakhir transaksi, total pendapatan, warna dan ukuran, penulis menggunakan Sistem Pendukung Keputusan dengan analisin atribut yang digunakan menggunakan atribut RFM yaitu Recency, Frequency dan Monetary metode K-Means Clustering. Pengelompokkan data-data menggunakan 3 cluster utama yaitu tertinggi, sedang, dan rendah. Pada pembuatan website menggunakan bahasa pemrograman PHP dan framework Codeigniter versi 3.
 Hasil pengujian menggunakan metode K-Means Clustering dan perhitungan manual menunjukkan bahwa hasil memiliki kesesuaian sebesar 99%. Pengujian fungsional merupakan pengujian aplikasi yang telah dibuat dengan mengimplementasikan ke beberapa browser seperti Google Chrome versi 86.0.4240.198 , Microsoft Edge Version 87.0.664.47 dan Mozilla Firefox 75.0 didapatkan hasil sistem dapat berjalan 100% sesuai dengan fungsinya.

Analisis Produk Terlaris Dan Pengujian K-Means Untuk “Umkm Cetom”

“…Dengan Metode K-Means dapat mempermudah dan membantu pihak UMKM CETOM dalam menentukan produk apa saja yang harus disediakan dengan jumlah yang banyak. [3]…”

Analisis Segmentasi Pelanggan Berbasis Model Recency Frequency Dan Monetary (Rfm) Menggunakan Algoritma K-Means

“…Frequency Frequency untuk mengukur nilai pelanggan berdasarkan seberapa sering pelanggan melakukan transaksi dalam satu periode. Semakin sering melakukan transaksi maka nilai frequency semakin tinggi [10].…”

Analisis Recency Frequency Monetary Dan K-Means Clustering Pada Klinik Gigi Untuk Menentukan Segmentasi Pasien

“…Dalam mengelompokkan data pelanggan dalam jumlah besar diperlukan teknik clustering. Clustering adalah teknik dalam data mining dan bersifat unsupervised yaitu berarti bahwa atribut-atribut dari suatu kelompok atau cluster yang memiliki persamaan karakteristik yang dapat dikelompokkan dalam satu kelompok atau cluster [12], [13]. Clustering juga dapat diartikan sebagai sebuah proses pembentukan kelompok atau cluster data dari kelompok data yang tidak diketahui kelompoknya, kemudian mengelompokkan data tersebut ke dalam satu cluster yang memiliki kesamaan data [14], [15].…”