Optimalisasi Strategi Pemasaran melalui Segmentasi Pelanggan dengan Analisis RFM dan Algoritma K-Means untuk Bisnis Ritel

Aliya Anisa Rahma, Ahmad Faqih, Ade Rizki Rinaldi

Abstract


Industri ritel yang kompetitif memerlukan pemahaman mendalam tentang kebutuhan pelanggan untuk menyusun strategi pemasaran yang relevan dan efektif. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan di Toko Mitra 10 Cirebon menggunakan analisis Recency, Frequency, dan Monetary (RFM) yang dikombinasikan dengan algoritma K-Means. Segmentasi ini bertujuan mendukung strategi pemasaran yang lebih terarah dan meningkatkan loyalitas pelanggan. Data yang digunakan berasal dari catatan transaksi pelanggan dalam periode tertentu. Nilai RFM dihitung untuk setiap pelanggan berdasarkan Recency (waktu sejak transaksi terakhir), Frequency (jumlah transaksi), dan Monetary (total nilai transaksi). Metode K-Means digunakan untuk mengelompokkan pelanggan menjadi beberapa segmen, dengan jumlah kluster optimal ditentukan melalui metode elbow. Analisis menghasilkan tiga segmen utama: Lost Customers, dengan Recency tinggi, Frequency rendah, dan Monetary rendah; Potential Loyalists, dengan Frequency sedang dan Monetary bervariasi; serta Loyal Customers, dengan Frequency tinggi dan kontribusi Monetary signifikan. Hasil segmentasi ini mendukung penyusunan strategi pemasaran yang berbeda untuk setiap kluster: kampanye reaktivasi untuk Lost Customers, program loyalitas untuk Potential Loyalists, dan layanan eksklusif untuk Loyal Customers. Pendekatan berbasis data ini meningkatkan efektivitas pemasaran, loyalitas pelanggan, serta kontribusi pendapatan, sekaligus menegaskan pentingnya analisis data dalam pengambilan keputusan pemasaran yang relevan dan personal.


Keywords


Segmentasi Pelanggan; RFM; K-Means; Strategi Pemasaran; Toko Mitra 10 Cirebon.

References


W. A. Silamantha and K. Hadiono, “Analisis RFM dan K-Means Clustering untuk Segmentasi Pelanggan pada PT . Sanutama Bumi Arto,” KESATRIA J. Penerapan Sist. Inf. (Komputer dan Manajemen), vol. 5, no. 3, pp. 1297–1305, 2024, doi: https://doi.org/10.30645/kesatria.v5i3.448.

I. Maskanah, A. Primajaya, and A. Rizal, “Segmentasi Pelanggan Toko Purnama dengan Algoritma K-Means dan Model RFM untuk Perancangan Strategi Pemasaran,” INOVTEK Polbeng - Seri Inform., vol. 5, no. 2, p. 218, Nov. 2020, doi: 10.35314/isi.v5i2.1443.

S. Wahyuni, T. T. Wulansari, and F. Fahrullah, “Segmentasi Pelanggan Berdasarkan Analisis Recency, Frequency, Monetary Menggunakan Algoritma K-Means Pada CV. Toedjoe Sinar Group,” J. Rekayasa Teknol. Inf., vol. 7, no. 2, pp. 29–36, Dec. 2023, doi: 10.30872/jurti.v7i2.8748.

A. Nugraha, O. Nurdiawan, and G. Dwilestari, “Penerapan Data Mining Metode K-Means Clustering Untuk Analisa Penjualan Pada Toko Yana Sport,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 849–855, 2022, doi: 10.36040/jati.v6i2.5755.

A. Hermawan, N. R. Jayanti, A. Saputra, A. P. Parta, M. A. A. Thahir, and Taufiqurrahman, “Leveraging the RFM Model for Customer Segmentation in a Software-as-a-Service ( SaaS ) Business Using Python,” Maeswara J. Ris. Ilmu Manaj. dan Kewirausahaan, vol. 2, no. 5, pp. 77–89, 2024, doi: https://doi.org/10.61132/maeswara.v2i5.1283.

S. Monalisa, Y. Juniarti, E. Saputra, F. Muttakin, and T. K. Ahsyar, “Customer segmentation with RFM models and demographic variable using DBSCAN algorithm,” TELKOMNIKA Telecommun. Comput. Electron. Control, vol. 21, no. 4, pp. 742–749, 2023, doi: 10.12928/TELKOMNIKA.v21i4.22759.

S. D. K. Wardani, A. S. Ariyanto, M. Umroh, and D. Rolliawati, “Perbandingan Hasil Metode Clustering K-Means, Db Scanner & Hierarchical Untuk Analisa Segmentasi Pasar,” JIKO (Jurnal Inform. dan Komputer), vol. 7, no. 2, p. 191, 2023, doi: 10.26798/jiko.v7i2.796.

F. Marisa, A. R. Wardhani, W. Purnomowati, A. V. Vitianingsih, A. L. Maukar, and W. Puspitarini, “K-Means With Elbow Method,” JIKO (Jurnal Inform. dan Komputer), vol. 7, no. 2, pp. 307–312, 2023, doi: DOI: dx.doi.org/10.26798/jiko.v7i2.911.

M. A. Satriawan, R. Andreswari, and O. N. Pratiwi, “Segmentasi Pelanggan Telkomsel Menggunakan Metode Clustering Dengan Rfm Model Dan Algoritma K-Means Telkomsel Customer Segmentation Using Clustering Method With Rfm Model And K-Means Algorithm,” e-proceeding Eng., vol. 8, no. 2, pp. 2876–2883, 2021.

K. Tabianan, S. Velu, and V. Ravi, “K-Means Clustering Approach for Intelligent Customer Segmentation Using Customer Purchase Behavior Data,” MDIP, vol. 14, no. 12, pp. 1–15, 2022, doi: https://doi.org/10.3390/su14127243.

M. D. Rivaldo, G. W. N. Wibowo, and H. Mulyo, “Implementasi Algoritma K-Means untuk Klasterisasi Data Hasil Tangkapan Ikan di Karimunjawa,” J. Minfo Polgan, vol. 13, no. 1, pp. 1045–1056, Jul. 2024, doi: 10.33395/jmp.v13i1.13928.

S. Budilaksono et al., “Customer Profilling for Precision Marketing using RFM Method, K-MEANS algorithm and Decision Tree,” SinkrOn, vol. 6, no. 1, pp. 191–200, Oct. 2021, doi: 10.33395/sinkron.v6i1.11225.

P. I. Pangestu, T. I. Hermanto, and D. Irmayanti, “ANALISIS SEGMENTASI PELANGGAN BERBASIS RECENCY FREQUENCY MONETARY ( RFM ) MENGGUNAKAN ALGORITMA K-MEANS,” JATI ( J. Mhs. Tek. Inform., vol. 7, no. 3, pp. 1486–1492, 2023, doi: https://doi.org/10.36040/jati.v7i3.7171.

O. N. Akande, E. O. Asani, and B. T. Dautare, “Customer Segmentation through RFM Analysis and K-means Clustering : Leveraging Data-Driven Insights for Effective Marketing Strategy,” Ceddi J. Inf. Syst. Technol., vol. 3, no. 1, pp. 14–25, 2024, doi: https://doi.org/10.56134/jst.v3i1.81.

B. T. Kristanti, A. Junaidi, and E. P. Mandyartha, “Implementasi K-Means Cluster Ing Dalam Segmentasi Pelanggan Berdasarkan Usia , Pendapatan , Dan Model Rfm ( Studi Kasus : Lantikya Store Jombang ),” JITET, vol. 12, no. 3, pp. 2099–2112, 2024, doi: http://dx.doi.org/10.23960/jitet.v12i3.4677 IMPLEMENTASI.

R. Safira and C. A. Sugianto, “Optimalisasi Algoritma K-Means Menggunakan Metode Elbow Dalam Pengelompokan Data Stunting,” BRAHMANA J. Penerapan Kecerdasan Buatan, vol. 5, no. 2, pp. 257–264, 2024, doi: https://doi.org/10.30645/brahmana.v5i2.396.

W. Romadhona, B. Indarmawan Nugroho, and A. Alim Murtopo, “Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K-Means,” J. Minfo Polgan, vol. 11, no. 2, pp. 100–104, Sep. 2022, doi: 10.33395/jmp.v11i2.11797.

K. Z. Wijaya, A. Djunaidi, and F. Mahananto, “Segmentasi Pelanggan Menggunakan Algoritma K-Means dan Analisis RFM di Ova Gaming E-Sports Arena Kediri,” J. Tek. ITS, vol. 10, no. 2, pp. 230–237, Dec. 2021, doi: 10.12962/j23373539.v10i2.67707.

I. Zulvia, F. A. Hidayatulloh, and E. Rahmawati, “Analisis Kepuasan Pasien Terhadap Pelayanan Kesehatan di Klinik Alkindi Herbal Menggunakan Metode K-Means Clustering,” JIKO (Jurnal Inform. dan Komputer), vol. 6, no. 2, p. 261, 2022, doi: 10.26798/jiko.v6i2.612.

A. L. Maukar, F. Marisa, and A. A. Widodo, “Analisis Data Penerimaan Mahasiswa Baru Berbasis K-Means,” JIKO (Jurnal Inform. dan Komputer), vol. 6, no. 2, p. 142, 2022, doi: 10.26798/jiko.v6i2.558.




DOI: http://dx.doi.org/10.26798/jiko.v9i2.1737

Article Metrics

Abstract view : 0 times
PDF (Bahasa Indonesia) - 0 times

Refbacks

  • There are currently no refbacks.


Bookmark and Share


Copyright (c) 2025 Aliya Anisa Rahma

JIKO (Jurnal Informatika dan Komputer)

Published by
Lembaga Penelitian dan Pengabdian Masyarakat
Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM)

Jl. Raya Janti (Majapahit) No. 143 Yogyakarta, 55198
Telp. (0274)486664

Website : https://www.utdi.ac.id/

e-ISSN : 2477-3964 
p-ISSN : 2477-4413

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.