practical work material - · pdf filemata kuliah pengantar sistem informasi . ... mengelola...

1

Practical Work Material KS091302 – Introduction to Information System

Module 5: Customer Relationship Management Modul ini menjelaskan tentang apa itu Customer Relationship Management dan implementasinya dari Tugas Akhir Mahasiswa Sistem Informasi

INFORMATION SYSTEM Department Faculty of Information Technology

Institut Teknologi Sepuluh Nopember

Surabaya

2012

KS091302 – Introduction to IS Practical Work Material

2

OTORITAS DOKUMEN

Prepared by

Terry Safiria Ramadhani

Hafizh Pahlevie

Reviewed by

Feby Artwodini M.

Retno Aulia Vinarti

Amna Shifia

INFORMATION SYSTEM Department, Faculty of Information Technology

Institut Teknologi Sepuluh Nopember

Jl. Raya ITS – SURABAYA 60111

http://si.its.ac.id/

Publish date : 01/04/2013

http://si.its.ac.id/


3

DAFTAR ISI

OTORITAS DOKUMEN ......................................................................................................... 2

DAFTAR ISI ........................................................................................................................... 3

TUJUAN PRATIKUM ............................................................................................................. 4

LANDASAN TEORI ................................................................................................................ 5

Customer Relationship Management ........................................................................ 5

Pengertian ..................................................................................................................... 5

Siklus Hidup CRM .......................................................................................................... 5

Jenis-Jenis CRM ............................................................................................................. 6

Segmentasi Pelanggan ............................................................................................... 6

IMPLEMENTASI ................................................................................................................... 8

Judul ........................................................................................................................... 8

Abstrak ....................................................................................................................... 8

Metode ....................................................................................................................... 9

Diagram Alir ................................................................................................................... 9

Pengumpulan Data ........................................................................................................ 9

Praproses Data .............................................................................................................. 9

Perhitungan Nilai RFM dan Pembobotan AHP ............................................................ 10

Proses Klasterisasi ....................................................................................................... 10

Penentuan Aturan Rokomendasi Produk .................................................................... 10

Implementasi ........................................................................................................... 11

Pengumpulan Data dan Preprosesing Data ................................................................ 11

Penilaian Pelanggan Berbasis Model RFM .................................................................. 12

Proses Klasterisasi ....................................................................................................... 14

Perumusan Aturan Rekomendasi Produk ................................................................... 15

KESIMPULAN ..................................................................................................................... 16

DAFTAR PUSTAKA ............................................................................................................. 17


4

TUJUAN PRATIKUM

Pratikum ini bertujuan untuk mengenalkan peserta pratikum terhadap :

1. CRM dan manfaatnya untuk perusahaan

2. Implementasi CRM

Diharapkan peserta partikum mampu menguasai materi ini dan bisa menerapkannya pada

mata kuliah Pengantar Sistem Informasi


5

LANDASAN TEORI

Customer Relationship Management

Pengertian

Customer Relationship Management adalah sebuah pendekatan baru dalam

mengelola hubungan dengan pelanggan pada level bisnis sehingga dapat

memaksimumkan komunikasi, pemasaran melalui pengelolaan berbagai kontak yang

berbeda dengan pelanggan. Pendekatan ini memungkinakn untuk mempertahankan

pelanggan dan memberikan nilai tambah terus menerus pada pelanggan, selain juga

memperoleh keuntungan yang berkelanjutan.

CRM (Customer Relationship Management) mengkombinasikan kebijakan, proses,

dan strategi yang diterapkan organisasi menjadi satu kesatuan yang digunakan untuk

melakukan interaksi dengan pelanggan dan juga untuk menelusuri informasi pelanggan.

Pada era saat ini, implementasi CRM selalu akan menggunakan teknologi informasi untuk

menarik pelanggan baru yang mengguntungkan, hingga mereka memiliki keterikatan pada

perusahaan.

Siklus Hidup CRM

Terdapat 3 fase dalam siklus hidup CRM, yaitu :

1. Mengakuisisi Pelanggan Baru

Merupakan strategi untuk menarik pelanggan baru melalui promosi terhadap

produk barang dan jasa. Tujuan utama dari fase ini adalah membangun basis awal

yang kuat bagi pelanggan yang setia kepada produk dan jasa yang ditawarkan oleh

perusahaan.

2. Menambah nilai kepada pelanggan

Nilai tambah yang diberikan dapat berupa penawaran produk atau jasa dengan

kualitas yang baik. Menjaga dan meningkatkan kepuasan pelanggan pada fase ini

menjadi sangat krusial karena pada fase ini pelanggan sedang menggunakan

semua yang menjadi produk barang dan jasa dari perusahaan tersebut. Fase ini

merupakan tindak lanjut penting dari fase pertama, dengan memberikan

pelayanan yang memuaskan pada saat pelanggan berinteraksi dengan

perusahaan. Hal ini meningkatkan perusahaan dengan mengurangi biaya akuisisi

pelanggan baru.

3. Mempertahankan Pelanggan

Merupakan sebuah strategi untuk mempetahankan pelanggan untuk tetap setia

menggunakan produk barang dan jasa perusahaan serta membawa relasi

pleanggan untuk ikut serta untuk mencoba produk barang dan jasa perusahaan

tersebut.Mempertahankan pelanggan lebih dipusatkan pada kemampuan untuk


6

beradaptasi dengan pelayanan unutk memenuhi kebutuhan pelanggan bukan

kebutuhan pasar.

Jenis-Jenis CRM

Terdapat 3 jenis CRM, yaitu :

1. Operational CRM

Operational CRM memberikan dukungan untuk proses bisnis di front office,

seperti untuk penjualan, pemasaran, dan staf pelayanan. Informasi identitas

pelanggan biasanya disimpan dan staf dapat melihat kembali informasi pelanggan

ketika dibutuhkan. Dengan informasi identitas pelanggan ini, staf dapat dengan

cepat memperoleh informasi penting. Dapat meraih pelanggan dalam waktu dan

tempat yang tepat merupakan sesuatu yang sangat diinginkan.

2. Analytical CRM Analisa data yang dihasilkan dari operasional CRM yang meliputi aplikasi data

mining. Fokusnya adalah manajer marketing dalam hal cara mengelola pelanggan

seperti merancang dan menjalankan target pemasaran, termasuk melakukan

cross-selling, up-selling, sistem informasi manajemen untuk forecasting keuangan

dan analisis profitabilitas pelanggan.

3. Collaborative CRM

Collaborative CRM mencakup aspek-aspek yang ditangani korporasi yang terkait

dengan pelanggan pada berbagai departemen seperti pada bagian penjualan,

dukungan teknis, dan pemasaran. Staf dari berbagai departemen pada korporasi

yang sama dapat saling bertukar dan berbagi informasi yang dikumpulkan ketika

berinteraksi dengan pelanggan. CRM jenis ini bertujuan untuk menggunakan

informasi yang dikumpulkan secara bersama di semua departemen untuk

peningkatkan kualitas pelayanan yang diberikan.

Segmentasi Pelanggan

Segmentasi pelanggan merupakan proses pengelompokan pelanggan berdasarkan

kriteria atau karakteristik tertentu. Tujuan utama dari segmentasi adalah untuk

membangun model pelanggan sebagai target promosi yang potensial. Pendekatan

segmentasi awalnya didasarkan pada kriteria geografis, sehingga perusahaan akan

mengklaster pelanggan sesuai dengan daerah tempat tinggal atau pekerjaan. Hal ini diikuti

dengan segmentasi berdasarkan indikator sosial ekonomi, sehingga pelanggan akan

dikelompokkan berdasarkan umur, jenis kelamin, pendapatan, atau pekerjaan. Segmentasi

pelanggan dapat pula dibuat berdasarkan tingkat keloyalan pelanggannya. Dengan

demikian, dapat diketahui segmen pelanggan yang loyal untuk dijadikan sasaran kegiatan

pemasaran yang tepat. Sedangkan untuk pelanggan yang kurang loyal, perusahaan dapat


7

mengusahakan strategi untuk mengubah pelanggan yang kurang menguntungkan menjadi

pelanggan yang setia dan memberikan nilai kepada perusahaan.

Pola pembelian pelanggan pada setiap segmen dapat diidentifikasi dari analisis data

pelanggan untuk membantu perusahaan dalam mengembangkan strategi pemasaran one-

to-one. Rekomendasi produk adalah teknik yang dapat membantu perusahaan dalam

menerapkan strategi tersebut. Sistem ini biasanya muncul dalam aplikasi pembelian

online. Berdasarkan riwayat pembelian, sistem ini menentukan preferensi dan

mengidentifikasi produk yang mungkin ingin dibeli pelanggan. Umumnya, sistem

rekomendasi produk merupakan upaya untuk meningkatkan kemungkinan penjualan

silang (cross-selling), membangun loyalitas, dan memenuhi kebutuhan pelanggan dengan

menemukan produk yang mungkin menarik pelanggan.


8

IMPLEMENTASI

Implementasi CRM dapat dilihat dalam pembahasan modul kali ini, contoh diambil

dari salah satu tugas akhir mahasiswa Sistem Informasi ITS (Dita Kurniawaty, 5209100089).

Judul

“Rekomendasi Produk berdasarkan Loyalitas Pelanggan Menggunakan Integrasi Metode AHP dan Teknik Penggalian Data : Studi Kasus di CV. XYZ”

Abstrak

Salah satu cara untuk mempertahankan pelanggan adalah dengan memahami perilaku

mereka. Customer Relationship Management (CRM) memberikan peluang bagi perusahaan untuk

mengatur strategi pemasarannya dan memberikan layanan yang sesuai dengan nilai

pelanggannya. Pemberian rekomendasi produk-produk baru kepada para pelanggan merupakan

upaya untuk meningkatkan kemungkinan penjualan silang, membangun loyalitas pelanggan, dan

memenuhi kebutuhan pelanggan dengan menemukan produk yang mungkin menarik bagi

pelanggan CV. XYZ adalah sebuah industri rumahan yang bergerak dalam bidang konveksi dan

telah memiliki persebaran pelanggan di seluruh Indonesia.

Dalam Tugas Akhir ini analisis perilaku pelanggan dilakukan melalui segmentasi

pelanggan untuk memperoleh informasi mengenai karakteristik pelanggan terhadap produk.

Segmentasi pelanggan dapat diketahui dengan menggunakan teknik penggalian data dan

proses klasterisasi. Data mentah pelanggan diolah menggunakan analisis berbasis RFM

(recency, frequency, monetary) untuk memprediksi tingkat loyalitas pelanggan (customer

lifetime value). Metode perhitungan analytic hierarchy process (AHP) diaplikasikan untuk

menentukan bobot relatif variabel RFM.


9

Metode

Diagram Alir Mulai

Identifikasi Masalah

dan Pemahaman

Bisnis CV. XYZ

Tinjauan PustakaPengumpulan

Data

Praproses Data

Pembentukan Data

Nilai RFM dan

Pembobotan AHP

Proses Klasterisasi

menggunakan algoritma

fuzzy c-means

Menentukan aturan

rekomendasi produk

dengan teknik

association rule mining

dan collaborative filtering

Uji coba perbandinganAnalisis Hasil

Uji Coba

Penyusunan Buku

Tugas Akhir

Selesai

Gambar 1 Diagram Alir Metodologi

Pengumpulan Data

Tahap ini bertujuan untuk mengumpulkan berbagai informasi mengenai studi kasus

pada CV. XYZ dengan cara wawancara dan dokumentasi.

Data yang digunakan adalah sebagai berikut : 1. Data pelanggan yang melakukan transaksi dengan CV. XYZ baik dalam jumlah kecil

maupun besar dalam masa waktu/periode yang ditentukan 2. Data historikal penjualan produk dengan atribut sesuai dengan yang dibutuhkan oleh

model RFM, terdiri dari:

Waktu transaksi terakhir

Jumlah nominal transaksi

Jumlah frekuensi transaksi 3. Data historikal penjualan produk yang digunakan adalah data transaksi untuk produk

jubah, jubah over all, jubah a-line, busana muslim setelan rok, busana muslim setelan rompi, mukenah set lengkap dan busana taqwa.

Praproses Data Data mentah yang diperoleh dari data pelanggan dan data historikal penjualan pada

studi kasus akan melalui praproses data yang meliputi :


10

1. Proses pembersihan data untuk menghilangkan baris data dengan nilai kosong atau

data yang tidak valid (data cleaning and integration)

2. Pemilihan data berdasarkan atribut yang disesuaikan dengan model RFM yaitu: atribut

waktu transaksi, jumlah frekuensi transaksi dan jumlah nominal transaksi untuk setiap

pelanggan (data selection)

3. Persiapan data dengan cara mereduksi kolom data yang tidak sesuai dengan kebutuhan

dalam melakukan proses klasterisasi (data preprocessing)

4. Transformasi data kedalam bentuk yang terukur sehingga dapat digunakan sebagai

atribut untuk proses klasterisasi (transformation)

Perhitungan Nilai RFM dan Pembobotan AHP

Berpedoman pada model RFM yang terdiri dari tiga kriteria yaitu recency, frequency,

monetary, maka dilakukan ekstraksi data dengan atribut-atribut yang dibutuhkan untuk

mengukur nilai loyalitas pelanggan. Data yang digunakan adalah data yang telah melewati

tahap pengumpulan dan praproses data. Selanjutnya dilakukan perhitungan bobot prioritas

pada masing-masing kriteria model RFM berdasarkan hasil kuesioner yang diberikan kepada

pemilik perusahaan menggunakan metode AHP.

Proses Klasterisasi

Pada tahap ini dilakukan proses klasterisasi atau pengelompokan pelanggan

menggunakan metode fuzzyc-means. Data yang digunakan dalam proses ini adalah keluaran

tahap analisis model RFM dan pembobotan AHP.

Penentuan Aturan Rokomendasi Produk

Pada tahap ini dilakukan pembuatan aturan rekomendasi produk dengan cara

menghimpun seluruh informasi mengenai preferensi pembelian produk oleh pelanggan

berdasarkan data pelanggan dan data historikal transaksi pelanggan dengan CV. XYZ selama

masa periode analisis. Informasi tersebut meliputi semua kombinasi produk yang telah dibeli

oleh setiap pelanggan. Berdasarkan informasi tersebut, dilakukan penentuan aturan

rekomendasi produk sesuai segmen pelanggan menggunakan teknik penggalian aturan

asosiasi yang memanfaatkan algoritma FP-Growth.


11

Implementasi

Pengumpulan Data dan Preprosesing Data Tahapan implementasi ini dimulai dari proses pengumpulan data yang telah dijelaskan

di atas. Data yang digunakan adalah data pelanggan dan data historikal transaksi penjualan untuk periode 1 Agustus 2010 – 1 Agustus 2011. Sebelum dilakukan praproses data, data mentah yang dikumpulkan dari perusahaan adalah data-data dengan atribut ditunjukkan dalam tabel berikut :

Tabel 1 Tabel Pelanggan

No Nama Atribut Keterangan

1 Nama Pelanggan Nama pelanggan yang pernah melakukan transaksi dengan

perusahaan

2 Kota Nama kota/area lokasi tempat tinggal pelanggan

Tabel 2 Tabel Transaksi


1 No Nomor urut transaksi pelanggan

2 Tanggal Transaksi Tanggal pada saat pelanggan melakukan transaksi pembelian

(periode analisis 1 Agustus 2010 s/d 1 Agustus 2012)

3 Nama Pelanggan Nama pelanggan yang melakukan transaksi

4 Qty Jumlah satuan produk yang dibeli pelanggan

5 Nama Produk Nama produk yang dibeli pelanggan berdasarkan jumlah

6 Harga Satuan Harga satuan per produk yang dibeli pelanggan

7 Harga Total Jumlah harga produk yang dibeli pelanggan

8 Diskon Jumlah diskon (dalam satuan prosen) yang diberikan

perusahaan kepada pelanggan

9 Harga Bayar Jumlah harga pembelian yang harus dibayar oleh pelanggan

setelah diskon

Setelah itu dilakukan praproses data kepada tabel transaksi dengan mereduksi atribut

yang tidak dibutuhkan dalam model RFM. Sehingga mendapat hasil tabel sebagai berikut :

Tabel 3 Hasil pemilihan data dari tabel transaksi


1 No Nomor urut transaksi pelanggan

2 Tanggal Transaksi Tanggal pada saat pelanggan melakukan transaksi pembelian

(dengan periode analisis 1 Agustus 2010 s/d 1 Agustus 2011)

3 Nama Pelanggan Nama pelanggan yang melakukan transaksi

4 Kota Nama kota/area lokasi tempat tinggal pelanggan

8 Harga Total Jumlah harga produk yang dibeli pelanggan


12

Penilaian Pelanggan Berbasis Model RFM

Pada tahap ini, dilakukan pemilihan atribut yang disesuaikan dengan kebutuhan

kriteria model RFM, yaitu rentang waktu transaksi akhir pelanggan dengan periode analisis,

jumlah frekuensi transaksi yang dilakukan pelanggan selama periode analisis, serta jumlah

nominal transaksi untuk setiap pelanggan selama periode analisis. Berikut adalah uraian

mengenai atribut yang dibutuhkan untuk model RFM:

Kriteria R (recency) Membutuhkan atribut yang menunjukkan adanya rentang waktu transaksi

terakhir pelanggan dengan periode analisis, sehingga atribut yang dibutuhkan adalah atribut tanggal transaksi.

Tabel 4 Cuplikan Hasil Transformasi Data ke dalam Nilai Recency

No Nama Pelanggan Kota Recency (Hari)

ID001 Aan Semarang 328

ID002 Achmad Yunus Kebumen 296

ID003 Agus Malang 43

ID004 Al Kautsar Surabaya 286

ID005 Al-Fath Yogyakarta 17

ID006 Amril Pekanbaru 24

ID007 Andik Sidoarjo 268

ID008 Anggi Nganjuk 331

ID009 Anik Surabaya 141

ID010 Anis Perawang 256

ID011 Anisa Kudus 4

ID012 Anisa Butik Gorontalo 37

ID013 Anny Hossey Jakarta 11

ID014 Antv Jakarta 3

ID015 Ariani Bontang 82

Kriteria F (frequency) Membutuhkan atribut yang merepresentasikan berapa kali pelanggan

melakukan transaksi. Kriteria ini ini dapat dilihat dari berapa banyak pelanggan dengan nama yang sama muncul dalam data transaksi. Atribut yang dibutuhkan adalah atribut tanggal transaksi yang dihitung jumlahnya.

Menentukan periode analisis : 1 Agustus 2010 – 1 Agustus 2011

Selisih hari antara periode analisis dengan tanggal transaksi terakhir

pelanggan (dinyatakan dalam satuan hari)

Menghitung jumlah transaksi setiap pelanggan selama periode analisis

Jumlah transaksi yang dilakukan setiap pelanggan

selama periode analisis


13

Tabel 5 Cuplikan Hasil Transformasi Data ke dalam Atribut Frequency

No Nama Pelanggan Kota Frequency

ID001 Aan Semarang 1

ID002 Achmad Yunus Kebumen 2

ID003 Agus Malang 1

ID004 Al Kautsar Surabaya 1

ID005 Al-Fath Yogyakarta 9

ID006 Amril Pekanbaru 1

ID007 Andik Sidoarjo 2

ID008 Anggi Nganjuk 1

ID009 Anik Surabaya 1

ID010 Anis Perawang 1

ID011 Anisa Kudus 3

ID012 Anisa Butik Gorontalo 14

ID013 Anny Hossey Jakarta 3

ID014 Antv Jakarta 3

Kriteria M (monetary) Membutuhkan atribut yang berhubungan dengan harga yang telah dihabiskan

pelanggan selama melakukan transaksi, sehingga atribut yang dibutuhkan adalah atribut harga total yang harus dibayar pelanggan. Dalam data yang diperoleh dari perusahaan, terdapat diskon yang mereduksi harga yang harus dibayar pelanggan. Namun nilai diskon ini berbeda-beda untuk setiap pelanggan, maka untuk nilai monetary, atribut yang dipakai adalah harga total sebelum diskon.

Tabel 6 Cuplikan Hasil Transformasi Data ke dalam Monetary

No Nama Pelanggan Kota Monetary (rupiah)

ID001 Aan Semarang 443.000

ID002 Achmad Yunus Kebumen 5.112.000

ID003 Agus Malang 6.250.000

ID004 Al Kautsar Surabaya 6.125.000

ID005 Al-Fath Yogyakarta 83.039.000

ID006 Amril Pekanbaru 5.545.000

ID007 Andik Sidoarjo 3.818.000

ID008 Anggi Nganjuk 184.500

ID009 Anik Surabaya 167.000

ID010 Anis Perawang 1.665.000

ID011 Anisa Kudus 28.452.000

ID012 Anisa Butik Gorontalo 234.856.000

ID013 Anny Hossey Jakarta 27.035.000

ID014 Antv Jakarta 14.982.000

ID015 Ariani Bontang 22.306.000

Menghitung total harga pembelian yang dilakukan

Jumlah transaksi yang dilakukan pelanggan (dengan identitas yang sama)

selana periode analisis


14

Proses Klasterisasi Berikut merupakan penjelasan untuk karakter pelanggan pada masing-masing

klaster ditinjau dari nilai RFM : 1. Klaster 1 merupakan klaster dengan nilai recency, frequency dan monetary yang

sangat rendah menunjukkan bahwa pelanggan pada klaster 1 merupakan pelanggan yang tidak banyak melakukan transaksi dan memberikan pemasukan yang sangat kecil kepada perusahaan.

2. Klaster 2 merupakan klaster dengan pelanggan yang memiliki nilai recency rendah namun memiliki nilai frequency dan monetary yang sangat tinggi. Pelanggan dalam klaster ini paling banyak memberikan nilai kepada perusahaan dan secara periodik melakukan pembelian.

3. Klaster 3 merupakan klaster dengan nilai recency, frequency dan monetary sangat rendah, menunjukkan bahwa pelanggan dalam klaster 3 memiliki rentang waktu yang cukup lama tidak lagi melakukan transaksi dengan perusahaan. Pelanggan juga hanya melakukan beberapa kali transaksi sehingga tidak banyak memberikan nilai uang kepada perusahaan.

4. Klaster 4 menunjukkan nilai recency medium dan nilai frequency dan monetary yang sangat rendah. Pelanggan dalam klaster 4 mungkin adalah pelanggan baru yang sedang mencoba menjalin hubungan dengan perusahaan. Pelanggan tersebut baru-baru saja mengunjungi perusahaan dan melakukan beberapa kali transaksi pembelian.

5. Klaster 5 merupakan klaster yang mirip dengan klaster 4 dimana nilai recency dalam klaster ini adalah medium sedangkan nilai frequency dan monetary yang sangat rendah.

6. Klaster 6 merupakan klaster yang memiliki nilai frequency paling tinggi dibanding klaster lainnya. Pelanggan dalam klaster ini adalah pelanggan yang paling sering melakukan pembelian namun tidak banyak produk yang dibeli sehingga nilai monetary-nya rendah. Pelanggan klaster 6 merupakan pelanggan potensial yang harus tetap dijaga agar tidak hilang.

7. Klaster 7 adalah klaster dengan nilai recency medium, nilai frequency dan monetary sangat rendah. Klaster ini mirip dengan klaster 4 dan 5.

8. Klaster 8 merupakan klaster yang memiliki nilai recency dan frequency medium serta nilai monetary rendah. Pelanggan dalam klaster ini cukup banyak melakukan transaksi pembelian dengan rentang waktu yang dekat dengan periode akhir analisis. Namun, nilai uang yang dihabiskan saat melakukan transaksi tidak banyak.

Bagan 1 Visualisasi Nilai Kriteria RFM pada masing-masing Klaster

0

0,05

0,1

0,15

0,2

0,25

Nila

i Kri

teri

a R

FM

Recency

Frequency

Monetary


15

Perumusan Aturan Rekomendasi Produk

Berikut merupakan rincian kode produk yang direkomendasikan berdasarkan hasil

rumusan aturan rekomendasi produk yang ditemukan menggunakan algoritma FP-Growth

pada hasil klasterisasi data berbasis model RFM :

No. Klaster Jumlah Aturan Kode Produk yang direkomendasikan

Klaster 1 62 aturan T/4, T/5, T/7, SET/7, SET/12, SROK/3, SROK/12, JOV/6.

Klaster 2 294 aturan T/1, T/2, T/3, T/4, T/5, T/6, T/7, T/8, JOV/2, JOV/3, JOV/4, JOV/5, JOV/6, JOV/7, JOV/8, JOV/9, MUKENA/S, MUKENA/M, MUKENA/L

Klaster 3 346 aturan T/1, T/2, T/3, T/4, T/5, T/6, T/7, T/8, T/9, T/10, T/11, JOV/0, JOV/1, JOV/2, JOV/4, JOV/9, MUKENA/M, MUKENA/L, MUKENA/XL

Klaster 4 247 aturan T/0, T/1, T/2, T/3, T/4, T/5, T/6, T/7, T/8, T/9, JOV/4, JOV/5, JOV/6, JOV/7, JOV/9, MUKENA/S, MUKENA/XS, MUKENA/M, MUKENA/L, MUKENA/XL.

Klaster 5 273 aturan T/0, T/1, T/2, T/3, T/4, T/5, T/6, T/7, T/8, JOV/4, JOV/5, JOV/6, JOV/7, JOV/9, JR/5, JR/10, MUKENA/S, MUKENA/XS, MUKENA/M, MUKENA/L, MUKENA/ XL.

Klaster 6 18 aturan T/2, T/3, T/4, T/5, T/6, JOV/4, JOV/5, JOV/7, JOV/8, JOV/9.

Klaster 7 792 aturan T/1, T/2, T/3, T/5, T/6, T/7, T/9, T/10, T/11, JOV/0, JOV/1, JOV/2, JOV/3, JOV/4, JOV/5, JOV/6, JOV/9, MUKENA/M, MUKENA/L, MUKENA/XL.

Klaster 8 299 aturan T/2, T/3, T/4, T/5, T/7, T/8, T/9, JOV/4, JOV/5, JOV/6, JOV/7, JOV/8, SROK/4, SROK/9, MUKENA/S, MUKENA/XS, MUKENA/M, MUKENA/L, MUKENA/XL MUKENA/XXL.


16

KESIMPULAN

Berdasarkan penjelasan yang telah dipaparkan dalam modul ini, dapat diambil

beberapa kesimpulan sebagai berikut:

1. Penerapan proses bisnis menggunakan CRM – klasterisasi pelanggan dengan metode

RFM berdampak baik pada CV. XYZ untuk meningkatkan penjualan produk mereka

kepada pelanggan yang tepat sesuai dengan tingkat loyalitas pelanggan.

2. Dengan mengetahui tingkat loyalitas pelanggan, perusahaan dapat membuat sebuah

strategi untuk menungkatkan penjualan dengan memberikan rekomendasi produk

kepada pelanggan berdasarkan tingkat loyalitas mereka.

3. Pelanggan CV. XYZ dibagi dalam 8 klaster didasarkan pada hasil penilaian loyalitas pelanggan berbasis model RFM dan pembobotan AHP yang memiliki karakteristik berikut :

Klaster 1 merupakan klaster pelanggan dengan tingkat loyalitas paling rendah karena tidak banyak melakukan transaksi dan memberikan pemasukan yang sangat kecil kepada perusahaan.

Klaster 2 adalah klaster dengan pelanggan yang paling loyal karena paling banyak memberikan nilai kepada perusahaan dan secara periodik melakukan pembelian.

Klaster 3 adalah klaster dengan pelanggan yang hanya melakukan beberapa kali transaksi sehingga tidak banyak memberikan nilai uang kepada perusahaan.

Klaster 4 adalah klaster pelanggan baru yang sedang mencoba menjalin hubungan dengan perusahaan. Pelanggan tersebut baru-baru saja mengunjungi perusahaan dan melakukan beberapa kali transaksi.

Klaster 5 merupakan klaster yang mirip dengan klaster 4 yang memiliki pelanggan baru yang sedang mencoba menjalin hubungan dengan perusahaan dan beberapa kali melakukan transaksi

Klaster 6 merupakan klaster dengan pelanggan yang paling sering melakukan pembelian namun tidak banyak jumlah produk yang dibeli. Pelanggan klaster 6 merupakan pelanggan potensial yang harus dijaga agar tidak hilang.

Klaster 7 merupakan klaster yang mirip dengan klaster 4 dan 5 yang memiliki pelanggan baru yang sedang mencoba menjalin hubungan dengan perusahaan dan beberapa kali melakukan transaksi

Klaster 8 adalah klaster pelanggan yang cukup banyak melakukan transaksi pembelian dengan rentang waktu yang dekat dengan periode akhir analisis. Namun, nilai uang yang dihabiskan saat melakukan transaksi tidak banyak.

4. Perumusan aturan rekomendasi produk menggunakan teknik penggalian aturan asosiasi yang memanfaatkan algoritma FP-Growth, loyalitas pelanggan berbasis model RFM memberikan peningkatan sebesar 13 % terhadap kualitas rekomendasi produk. Jika diintegrasikan dengan metode pembobotan AHP, maka peningkatan sebesar 6% diperoleh terhadap kualitas rekomendasi produk.


17

DAFTAR PUSTAKA

http://id.wikipedia.org/wiki/Manajemen_hubungan_pelanggan

http://galihadi.wordpress.com/pengertian-crm/

http://blogs.itb.ac.id/degunk/crm-customer-relationship-management/

http://id.wikipedia.org/wiki/Manajemen_hubungan_pelanggan

http://galihadi.wordpress.com/pengertian-crm/

http://blogs.itb.ac.id/degunk/crm-customer-relationship-management/

practical work material - · pdf filemata kuliah pengantar sistem informasi . ... mengelola...

Documents