Implementasi Metode Clustering Partisi dalam Menentukan Segmentasi Pelanggan

Abstract

Segmentasi pelanggan termasuk bagian dari strategi pemasaran yang diperlukan perusahaan melalui pengelompokkan pelanggan yang memiliki kesamaan karakteristik. PT XYZ yang bergerak di bidang peternakan memiliki pelanggan yang tersebar di berbagai wilayah dengan karakteristik yang beragam sehingga membutuhkan segmentasi pelanggan dalam membuat strategi pemasarannya. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan dengan menggunakan metode clustering partisi yaitu algoritma K-Means dan algoritma K-Medoids serta membandingkan kinerja kedua algoritma tersebut. Model RFM (Recency-Frequency-Monetary) digunakan dalam pemilihan atribut penelitian. Metode Elbow digunakan dalam penentuan jumlah cluster optimum dan metode Davies-Bouldin Index (DBI) digunakan dalam evaluasi hasil clustering. Segmentasi pelanggan menggunakan algoritma K-Means menghasilkan tiga jenis pelanggan yaitu superstar, typical customer dan dormant customer. Sedangkan segmentasi pelanggan menggunakan algoritma K-Medoids menghasilkan empat jenis pelanggan yaitu superstar, typical customer, customer needing attention dan dormant customer. Hasil evaluasi clustering diperoleh nilai DBI K-Means jauh lebih kecil dari nilai DBI K-Medoids. Hasil ini menunjukkan bahwa pada metode clustering partisi, algoritma K-Means lebih baik daripada algoritma K-Medoids dalam menentukan segmentasi pelanggan.