Pemanfaatan Data Transaksi untuk Dasar membangun Strategi berdasarkan Karakteristik Pelanggan dengan Algoritma K-Means Clustering dan Model RFM

Setiap waktu terdapat proses transaksi yang dilakukan oleh pelanggan, proses tersebut menambah koleksi data pada sebuah database. Pada penelitian ini dengan melakukan pemanfaatan data transaksi untuk mengetahui segmentasi pelanggan dan membangun strategi berdasarkan karakteristik pelanggan dengan pendekatan model RFM dan K-Means. K-Means Clustering adalah sebuah algoritma yang dapat menghasilkan suatu model cluster visual dengan aplikasi Rapidminer versi 9.9,  dengan menggunakan atribut RFM berfungsi untuk mewakili jumlah pelanggan dari setiap cluster. Dari data transaksi  3 tahun terakhir 2017, 2018, dan 2019 dengan jumlah  4.332  transaksi yang kemudian diolah berdasarkan model RFM menghasilkan 1898 pelanggan. Selanjutnya dilakukan analisis cluster dengan menggunakan algoritma K-Means dengan hasil cluster 1 memliki 319 pelanggan, cluster 2 memiliki 314 pelanggan, cluster 3 memiliki 316 pelanggan, cluster 4 memiliki 317 pelanggan, cluster 5 memiliki 315 pelanggan, dan cluster 6 memiliki 317 pelanggan. Dari hasil penelitian ini dapat dimanfaatkan oleh perusahaan untuk mengetahui karakteristik pelanggan dan sebagai bahan pertimbangan membuat suatu strategi baru.