Penerapan Model Recency, Frequency, Monetary (RFM) Pada Sistem Segmentasi Member Solo Paragon Mall

Abstract

Pusat perbelanjaan modern menghadapi tantangan dalam mengelola data member secara efektif untuk mendukung strategi pemasaran yang tepat sasaran. Solo Paragon Mall memiliki 780 data member dan 1.500 data transaksi yang hanya digunakan untuk keperluan administratif. Penelitian ini menerapkan model Recency, Frequency, Monetary (RFM) dikombinasikan dengan algoritma K-Means Clustering untuk melakukan segmentasi member. Tahapan penelitian mengikuti proses Knowledge Discovery in Databases (KDD) yang meliputi selection, preprocessing, transformation, data mining, dan interpretation/evaluation. Skor RFM dihitung menggunakan metode kuantil (skala 1–5) dan digunakan sebagai fitur clustering. Jumlah klaster optimal ditentukan dengan Elbow Method, sedangkan kualitas clustering dievaluasi menggunakan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan terbentuknya 4 klaster segmen member, yaitu Champion, Loyal Customer, At Risk, dan Lost Customer. Segmen Champion yang berjumlah 110 member (29,3% dari total 376 member) berkontribusi terhadap 75,3% total pendapatan, sementara Lost Customer (27,7% member) hanya menyumbang 3,3% pendapatan. Nilai Davies-Bouldin Index pada pendeketan RFM + K-Means sebesar 1,013 dibandingkan dengan 0,525 pada K-Means standar, yang menunjukkan bahwa skoring RFM mampu menyeimbangkan bobot ketiga dimensi sehingga segmentasi yang dihasilkan lebih relevan secara bisnis. Hasil segmentasi divisualisasikan melalui sistem berbasis web agar manajemen dapat mengakses informasi segmen member secara real-time. Penelitian ini menghasilkan segmentasi member yang lebih informatif dan akurat dibandingkan K-Means standar, sehingga manajemen dapat merancang program loyalitas yang lebih tepat sasaran.