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

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

Analisis Loyalitas Pelanggan Business To Business Berdasarkan Model RFM Menggunakan Algoritma Fuzzy C-Means

“…Hasil tersebut juga telah diuji validitasnya dengan metrik DBI. Metrik tersebut digunakan oleh beberapa peneliti sebelumnya untuk mendapatkan jumlah cluster yang optimal saat melakukan segmentasi pelanggan, seperti pada penelitian [3] dan [13]. Dengan begitu dapat dipastikan hasil tersebut sudah sesuai dan valid.…”

“…Penelitian lainnya [3] melakukan segmentasi pelanggan dengan model RFM dan FCM menghasilkan 3 segmen dengan segmen 2 sebagai kelompok pelanggan yang potensial. Kemudian, penelitian [13] menggunakan model RFM dan algoritma FCM untuk segmentasi pelanggan menghasilkan 6 kelompok pelanggan yaitu kelompok superstar sebanyak 79 pelanggan, golden sebanyak 462 pelanggan, typical customer sebanyak 124 pelanggan, occantional customer sebanyak 271 pelanggan, everyday sopper sebanyak 239 pelanggan, dan dormant cusomer sebanyak 217 pelanggan.…”