Segementasi Nasabah Tabungan Pada BMT XXX  dengan Metode Fuzzy C Means dan Model RFM

arief soma darmawan; Devi Sugianti; Anas Syaifudin

doi:10.30591/smartcomp.v10i2.2355

Segementasi Nasabah Tabungan Pada BMT XXX dengan Metode Fuzzy C Means dan Model RFM

arief soma darmawan, Devi Sugianti, Anas Syaifudin

Abstract

Setiap perusahaan akan berlomba lomba untuk meningkatkan pelayanan kepada pelanggan, agar pelanggan tidak berpindah ke pesaing. BMT XXX juga tidak menginginkan nasabahnya berpindah ke pesaing. Pada tahun 2019 nasbah BMT XXX mencapai 4882 nasabah, akan tetapi yang aktif melakukan transaksi penabungan hanya 1392 nasabah. BMT mengalami kesulitan dalam menginterpretasikan data, karena data yang tersaji dalam bentuk manual. Untuk membantu BMT dalam mengelompokkan nasabah yang potensial menggunakan metode fuzzy C Means dan model RFM (Recency, Frequency, dan Monetary). Metode Fuzzy C means digunakan karena dapat menggelompokkan data yang lebih besar dan lebih kokoh pada data oulier, dalam menentukan cluster atau kelompok dengan derajat keanggataan. Langkah langkah metode penelitian yang dilakukan adalah pengumpulan data, pengolahan data, metode yang diusulkan, eksperimen metode, validasi hasil atau pengujina. Hasil pengujian dengan Davies Bouldin Index diperoleh 0,464 dengan jumlah klaster sebanyak 6. Dengan kelas nasbah superstar sebanyak 79 nasabah, golden sebanyak 462 nasabah, typical customer 124 nasabah, occantional customer sebanyak 271 nasabah, everyday sopper 239 nasabah, dormant cusomer 217 nasabah. Dengan adanya data tersebut dapat digunakan oleh BMT XXX pengambilan keputusan dalam hal menentukan strategi marketing untuk meningkatkan pelanggan agar pelanggan selalu aktif melakukan penabungan.

Kata Kunci : Segementasi nasabah, fuzzy c means, RFM

Full Text:

References

V. Migueis, A. Comanho dan J. F. Cunha, “Customer data mining for life style segmentation,” Expert syst appl, vol. 39, no. 10, pp. 9359-9366, 2012.

E. B. Ardiana, I. Soesanti dan A. E. Permanasari, “Analisis segmentasi pelanggan menggunakan kombinasi RFM model dan teknik clustering,” JUTEI, vol. 2, no. 1, p. 23, 2018.

R. R. Putra dan C. Wadisman, “Implementasi data mining pemilihan pelanggan potensial menggunakan algoritma K-Means,” Journal of information technology and Computer Science, vol. 1, no. 1, p. 72, 2018.

T. Hardiani, “Segmentasi Nasabah Simpanan Menggunakan Fuzzy C Means dan Fuzzy RFM pada BMT XYZ,” Nero, vol. 3, no. 3, pp. 185-192, 2018.

P.on dan R.Banks, “International Journal of Management Research and Review Coustomer Realationship Management,” the study of Customer, vol. 4, no. 1, pp. 27-39, 2014.

A. h. Lubis, “Model segementasi pelanggan dengan kernel K means clustering berbasis customer relationship management,” Sinkron, vol. 1, no. 1, pp. 36-41, 2016.

Kusuma, A. C., & Rakhman, A. (2017). Peningkatan Keterampilan Olah Data (SPSS) Pada Mahasiswa DIII Akuntansi Politeknik Harapan Bersama Tegal. Jurnal Abdimas PHB: Jurnal Pengabdian Masyarakat Progresif Humanis Brainstorming, 1(1), 49-54.

DOI: https://doi.org/10.30591/smartcomp.v10i2.2355