KLASTERISASI CLV DENGAN MODEL LRFM MENGGUNAKAN ALGORITMA FUZZY C-MEANS (Studi Kasus: Pangeran Gym Pekanbaru)

Abstract

Kepuasan pelanggan merupakan faktor yang sangat penting bagi setiap perusahaan maka dari itu Perusahaan perlu mempelajari perilaku konsumen yang bertujuan untuk mengetahui dan memahami berbagai aspek yang ada pada konsumen.Penelitian ini bertujuan untuk menghasilkan nilai Customer Lifetime Value (CLV) setiap segmen pelanggan pada Pangeran Gym Pekanbaru dan menentukan segmentasi pelanggan berdasarkan jenis kelamin serta umur dengan menggunakan algoritma fuzzy c-means. Klasterisasi pelanggan menggunakan model Length Recency Frequency Monetary (LRFM) dan pembentukan kluster dibagi atas 3 kluster.Nilai CLV akan dihasilkan dengan mengalikan nilai normalisasi LRFM dengan nilai bobot LRFM dan selanjutnya dijumlahkan.Penjumlahan CLV dilakukan pada masing-masing kluster yang telah terbentuk.Hasil dari penjumlahan tersebut maka dicari hasil rangking CLV. Rangking CLV tertinggi dihasilkan dari nilai CLV terbsesar diantara 3 kluster tersebut. Rangking CLV tertinggi pada penelitian ini adalah kluster pertama yaitu dengan nilai CLV 0,504 dengan simbol LRFM L↑R↑F↑M↑ dengan arti bahwa kluster ini memiliki segmen pelanggan dengan nilai loyalitas yang tinggi. Ranking CLV ke 2 adalah kluster ketiga dengan nilai CLV 0,341 dan selanjutnya kluster kedua dengan nilai CLV 0,225. Dari 100 data transaksi pada Pangeran Gym Pekanbaru terdapat 83 transaksi oleh jenis kelamin laki-laki dan 17 transaksi dilakukan oleh jenis kelamin perempuan. Kemudian dari 100 data transaksi pada Pangeran Gym Pekanbaru terdapat 82 transaksi dilakukan oleh remaja umur 12 – 25 tahun dan 18 transaksi dilakukan oleh dewasa umur 26 – 45 tahun.

Implementasi Segmentasi Pelanggan E-Commerce Menggunakan Algoritma K-Means Pada Website

“…Hal ini menunjukkan tingginya minat masyarakat dalam belanja secara online yang membuat banyak pemilik usaha menggunakan ecommerce untuk menarik pelanggan. Dalam menjalankan dan mendapatkan keuntungan dari proses bisnis, kepuasan pelanggan merupakan salah satu hal yang penting [2]. Bergantung pada kebutuhan dan tujuan dari proses transaksi, setiap pelanggan tentunya memiliki karakteristik yang berbeda-beda bergantung dari pola kebiasaan mereka dalam bertransaksi.…”

Implementasi Guscipus (Gui Scilab Kepuasan) Dalam Mengukur Tingkat Kepuasan Pelayanan Transportasi Di Pelabuhan Kayan Ii

“…Kepuasan pelanggan merupakan suatu perasaan atau penilaian emosional dari pelanggan atas penggunaan suatu produk barang atau jasa dimana harapan dan kebutuhan mereka terpenuhi (Apriyani, D & Sunarti, 2017). Kepuasan pelanggan merupakan faktor yang sangat penting dalam mempengaruhi perilaku konsumen, baik konsumen yang ada maupun yang berpotensi menjadi konsumen, sehingga pelanggan menjadi aset penting bagi suatu perusahaan (Ditendra et al, 2020). Hal ini menjadi permasalahan bagi penyelenggaraan pelayanan transportasi laut seperti Pelabuhan Kayan II.…”

Implementation of Fuzzy C-Means in Clustering Stunting Prone Areas

“…The FCM algorithm is an iterative algorithm that finds clusters in the data and uses the concept of fuzzy membership (Ghogge, 2014;Jayanti & Hartati, 2012). The FCM algorithm is an algorithm to determine the cluster center and then groups the cluster data based on the proximity of the attributes to the cluster center (Ditendra et al, 2020). This FCM method uses a fuzzy grouping model so that data can be members of all classes or clusters formed with degrees or membership levels that are between 0 to 1 (Nidyashofa & Istiawan, 2017).…”