PENERAPAN MODEL RECENCY,FREQUENCY,MONETARY (RFM) PADA SISTEM SEGMENTASI MEMBER SOLO PARAGON MALL

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 1.551 data transaksi yang hanya digunakan untuk keperluan administratif, sehingga potensi informasi mengenai karakteristik pelanggan belum dimanfaatkan secara optimal. Penelitian ini bertujuan menerapkan model Recency, Frequency, Monetary (RFM) dan algoritma K-Means Clustering untuk melakukan segmentasi member. Penelitian ini menggunakan data transaksi member Solo Paragon Mall yang diproses mengikuti tahapan Knowledge Discovery in Databases (KDD) meliputi seleksi data, pra-pemrosesan data, transformasi data, data mining, dan evaluasi. 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 segmentasi divisualisasikan melalui sistem berbasis web agar manajemen mall dapat mengakses informasi segmen member secara real-time.Hasil penelitian menunjukkan terbentuknya 4 klaster segmen member, yaitu Champion, Loyal Customer, At Risk, dan Lost Customer. Segmen Champion yang berjumlah 117 member (31,1% dari total 376 member) berkontribusi terhadap 77,9% total pendapatan, sementara Lost Customer (24,7% member) hanya menyumbang 2,9% pendapatan. Nilai Davies-Bouldin Index pada pendekatan 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. Penelitian ini menghasilkan sistem segmentasi member berbasis web yang dapat membantu manajemen mall dalam menyusun strategi pemasaran dan program loyalitas yang lebih tepat sasaran.Link Jurnal: https://senatib.udb.ac.id/