Melola Discovery

← Melola Discovery

Open access Jurnal SINTA 3

ANALISIS SEGMENTASI MENGGUNAKAN METODE RFM DALAM MENGIDENTIFIKASI PERILAKU PELANGGAN

SemanTIK: Teknik Informasi · Vol. 9 No. 2 (2023) · pp. 107–114

DOI
10.55679/semantik.v9i2.44945
ISSN
2502-8928, 2460-1446
Published
2023-12-26
Publisher
Informatics Engineering Department of Halu Oleo University
Language
eng
License
creativecommons.org/licenses/by-sa/4.0

Abstract

Perkembangan industri yang semakin pesat menjadikan setiap perusahaan dituntut berinovasi supaya selalu relevan dengan kebutuhan dan perilaku pelanggan sehingga mampu menciptakan nilai loyalitas dan menjaga hubungan dari pelanggan terhadap perusahaan. Hubungan yang baik terhadap pelanggan dapat membantu perusahaan dalam keberlangsungan bisnisnya sehingga diperlukan analisis untuk mengenali dan memahami pelanggan. Metode RFM (recency, frequency, monetary) dapat membantu dalam mengidentifikasi segmentasi pelanggan berdasarkan kesamaan sesuai dengan tujuan dan kebutuhan PT. XYZ saat ini. Metode RFM adalah proses menganalisis perilaku pelanggan dan menentukan segmentasi pelanggan berdasarkan tiga indikator yang ada yakni recency, frequency, dan monetary. Proses analisis RFM dilakukan menggunakan data transaksi pelanggan dari tahun 2015 hingga 2022 dengan menetapkannya ke dalam 11 kategori segmentasi. Hasil analisis RFM menunjukkan kategori segmentasi About to Sleep, Hibernating, dan Churned Customers menjadi tiga segmentasi mayoritas. Segmentasi About to Sleep mencakup pelanggan dengan aktivitas pembelian rendah, Hibernating mencakup pelanggan dengan pola pembelian yang rendah dan kurang terlibat, dan Churned Customers mencakup pelanggan yang telah lama tidak bertransaksi dan beralih ke pesaing. Hal tersebut mengindikasikan bahwa PT. XYZ belum mampu menciptakan hubungan dan loyalitas yang baik terhadap pelanggan sehingga diperlukan strategi pengembangan bisnis untuk ke depannya. Kata kunci; Analisis RFM, clustering, e-commerce, segmentasi pelanggan, perilaku pelanggan

Collaboration network of the authors

2 authors · 1 co-authorship link

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Padjadjaran University
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://ojs.uho.ac.id/index.php/semantik/oai, first harvested 29 Okt 2026, last seen 1 Nov 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">ANALISIS SEGMENTASI MENGGUNAKAN METODE RFM DALAM MENGIDENTIFIKASI PERILAKU PELANGGAN</dc:title>
	<dc:creator>Utama, Aditya Azdhar</dc:creator>
	<dc:creator>Ardiansah, Irfan</dc:creator>
	<dc:subject xml:lang="en-US"></dc:subject>
	<dc:description xml:lang="en-US">Perkembangan industri yang semakin pesat menjadikan setiap perusahaan dituntut berinovasi supaya selalu relevan dengan kebutuhan dan perilaku pelanggan sehingga mampu menciptakan nilai loyalitas dan menjaga hubungan dari pelanggan terhadap perusahaan. Hubungan yang baik terhadap pelanggan dapat membantu perusahaan dalam keberlangsungan bisnisnya sehingga diperlukan analisis untuk mengenali dan memahami pelanggan. Metode RFM (recency, frequency, monetary) dapat membantu dalam mengidentifikasi segmentasi pelanggan berdasarkan kesamaan sesuai dengan tujuan dan kebutuhan PT. XYZ saat ini. Metode RFM adalah proses menganalisis perilaku pelanggan dan menentukan segmentasi pelanggan berdasarkan tiga indikator yang ada yakni recency, frequency, dan monetary. Proses analisis RFM dilakukan menggunakan data transaksi pelanggan dari tahun 2015 hingga 2022 dengan menetapkannya ke dalam 11 kategori segmentasi. Hasil analisis RFM menunjukkan kategori segmentasi About to Sleep, Hibernating, dan Churned Customers menjadi tiga segmentasi mayoritas. Segmentasi About to Sleep mencakup pelanggan dengan aktivitas pembelian rendah, Hibernating mencakup pelanggan dengan pola pembelian yang rendah dan kurang terlibat, dan Churned Customers mencakup pelanggan yang telah lama tidak bertransaksi dan beralih ke pesaing. Hal tersebut mengindikasikan bahwa PT. XYZ belum mampu menciptakan hubungan dan loyalitas yang baik terhadap pelanggan sehingga diperlukan strategi pengembangan bisnis untuk ke depannya.

Kata kunci; Analisis RFM, clustering, e-commerce, segmentasi pelanggan, perilaku pelanggan</dc:description>
	<dc:publisher xml:lang="en-US">Informatics Engineering Department of Halu Oleo University</dc:publisher>
	<dc:contributor xml:lang="en-US"></dc:contributor>
	<dc:date>2023-12-26</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://ojs.uho.ac.id/index.php/semantik/article/view/44945</dc:identifier>
	<dc:identifier>10.55679/semantik.v9i2.44945</dc:identifier>
	<dc:source xml:lang="en-US">SemanTIK : Teknik Informasi; Vol 9, No 2 (2023): SemanTIK : Teknik Informasi; 107-114</dc:source>
	<dc:source>2502-8928</dc:source>
	<dc:source>2460-1446</dc:source>
	<dc:source>10.55679/semantik.v9i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://ojs.uho.ac.id/index.php/semantik/article/view/44945/pdf</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2023 semanTIK : Teknik Informasi</dc:rights>
	<dc:rights xml:lang="en-US">http://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>