Sistem Segmentasi Loyalitas Pelanggan Berbasis Rfm Menggunakan Pam Di Laundry Forten’s

Audila Gumanty Widinastia, Yulison Herry Chrisnanto, Irma Santikarama

Abstract


Perkembangan dunia bisnis selalu sejalan dengan perkembangan teknologi informasi yang ada, begitu juga dengan perkembangan bisnis laundry. Bisnis ini menjamur di kota yang banyak terdapat rumah kost dan kontrakan. Pemasalahannya adanya persaingan harga serta layanan yang berbeda disetiap laundry maka pihak laundry harus mengetahui pelanggan yang loyal agar dapat memasang strategi untuk dapat mempertahankan pelanggan lamanya. Tujuan penelitian ini yaitu mengelompokkan pelanggan berdasarkandata pelanggan melalui metode Partitioning Around Medoids menggunakan objek untuk mewakili sebuah cluster. Objek yang terpilih untuk mewakili sebuah cluster disebut medoid. Dengan tabel data awal berjumlah 1089 data yang diambil secara acak melalui normalisasi dan menggunakan Rumus Euclidean Distance. Pada iterasi pertama dengan total jarak terkecil keseluruhan data = 251,40. Pada iterasi kedua dengan total jarak terkecil keseluruhan data = 246,35 serta pada iterasi ke tiga total jarak terkecilkeseluruhan data = 265,87 sehingga dapat disimpulkan bahwa hasil total jarak keseluruhan data lebih besar dari total jarak sebelumnya maka proses iterasi dapat dihentikan. Dengan adanya sistem segmentasi loyalitas pelanggan tersebut pemilik akan mendapatkan kemudahan untuk mengetahui informasi tentang status barang laundry, pelanggan yang loyal dan tidak loyal melalui data pelanggan yang ada pada sistemtersebut berdasarkan perhitungan nilai recency, frequency, monetary pelanggan dengan menggunakan Metode PAM.

Full Text:

PDF

References


Februariyanti, H., Santoso, D. B., Studi, P.,

Informasi, S., Informasi, F. T., Stikubank, U.,

Teknologi, F., Universitas, I., Umum, G., &

Akademik, K. (2016). Algoritma Partitioning

Around Medoids ( PAM ) Clustering untuk

Melihat Gambaran Umum Skripsi

Mahasiswa. Jurnal Teknologi Informasi

DINAMIK, 21(1), 25–31.

Hidayat, R. S., Winarno, A., & Kom, M. (2014).

Perancangan Sistem Informasi Pelayanan

Jasa Laundry Pada Hello Laundry. -, 1–5.

Khasandra, M. F. (2017). Analisis SWOT Bisnis

Laundry UD Rafa Laundry Klindocare di

Duri Provinsi Riau (Studi Formulasi Strategi

Bersaing). JOM FISIP, 4(2), 1–10.

Listia Yuniarti, W. H. (2017). Analisis Strategi

Bersaing Pada UKM Laundry (Studi Kasus

Pada Superwash Laundry Kota Semarang).

Jurnal Ilmu Administrasi Bisnis, 6, 1–8.

https://doi.org/10.1017/CBO9781107415324.

Marlina, D., Lina, N., Fernando, A., & Ramadhan,

A. (2018). Implementasi Algoritma KMedoids dan K-Means untuk

Pengelompokkan Wilayah Sebaran Cacat

pada Anak. Jurnal CoreIT: Jurnal Hasil

Penelitian Ilmu Komputer Dan Teknologi

Informasi, 4(2), 64.

https://doi.org/10.24014/coreit.v4i2.4498

Monalisa, S. (2018). Segmentasi Perilaku Pembelian

Pelanggan Berdasarkan Model RFM dengan

Metode K-Means. Jurnal Sistem Informasi,

(April), 9–15.

Muningsih, E., & Kiswati, S. (2018). Sistem

Aplikasi Berbasis Optimasi Metode Elbow

untuk Penentuan Clustering Pelanggan.

JOUTICA, 3(1), 1–9.




DOI: https://doi.org/10.30998/semnasristek.v5i1.4990

Refbacks

  • There are currently no refbacks.


Prosiding SEMNAS RISTEK indexed by: