Seminar Nasional Sistem Informasi Indonesia, 22 September 2014 Copyright © 2014 SESINDO REKOMENDASI PRODUK BERDASARKAN LOYALITAS PELANGGAN MENGGUNAKAN INTEGRASI METODE AHP DAN TEKNIK PENGGALIAN DATA: STUDI KASUS CV. XYZ Dita Kurniawaty, Arif Djunaidy, Renny P. Kusumawardani Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember Kampus ITS, Jalan Raya ITS Sukolilo, Surabaya 60111 E-mail: dita.kurniawaty@gmail.com,adjunaidy@is.its.ac.id, renny@is.its.ac.id Abstrak Salah satu faktor penting dalam mempertahankan pelanggan adalah dengan memberikan pelayanan yang sesuai dengan karakteristik pelanggan, misalnya dengan pemberian rekomendasi produk sesuai lifetime value. Rekomendasi yang tepat akan meningkatkan kemungkinan penjualan silang dan membangun loyalitas. Makalah ini menyajikan penerapan Analytic Hierarchy Process (AHP) dan klasterisasi untuk melakukan segmentasi pelanggan dengan studi kasus suatu perusahaan konfeksi. Tingkat loyalitas pelanggan dianalisis dengan RFM (Recency, Frequency, Monetary) dan dikombinasikan dengan AHP untuk menentukan bobot relatif RFM. Hasil analisis kemudian diklasterisasi dengan algoritma fuzzy c-means. Untuk menguji efektivitas langkah-langkah tersebut, dilakukan rekomendasi produk dengan association analysis dengan FP-Growth dan collaborative filtering dengan algoritma k-nearest neighbor. Hasil eksperimen menunjukkan bahwa segmentasi dengan RFM memberikan peningkatan secara signifikan pada rekomendasi produk dengan association analysis, yaitu sebesar 13% terhadap F1-Measure. Integrasi dengan pembobotan AHP meningkatkan lebih jauh kualitas rekomendasi sebesar 6%. Kombinasi kedua metode ini tidak terlalu berpengaruh pada teknik collaborative filtering dengan k- Nearest Neighbor, yaitu memberikan peningkatan sebesar 0.17%. Kata kunci: analisis RFM (Recency, Frequency, dan Monetary), metode AHP (Analytic Hierarchy Process), teknik penggalian data, perilaku dan loyalitas pelanggan, customer relationship management. Abstract One of the most important strategy in customer retention is by delivering services that match the characteristic of the customer. An implementation of this strategy is by giving product recommendations which suits the customer’s lifetime value. Good recommendations could increase the potential for cross-selling and customer loyalty. This paper presents the application of Analytic Hierarchy Process (AHP) and clustering to perform customer segmentation with the study case on a clothing company. Customer loyalty is analyzed with respect to their RFM (Recency, Frequency, Monetary) combined with the AHP for determining the weights of each of the RFM variables. The result is the clustered using Fuzzy C-Means. The effectiveness of the segmentation steps is then tested by performing product recommendation using association analysis with FP-Growth and collaborative filtering with k-Nearest Neighbor algorithm. Experiments demonstrate that RFM-based segmentation increases the quality of product recommendation with association analysis by 13% on F1-Measure. Combining this with AHP-weighting increases the performance further by 6%. However, the combination of these segmentation techniques only increases the performance of collaborative filtering with k-Nearest Neighbor by 0.17%. Kata kunci: analisis RFM (Recency, Frequency, dan Monetary), AHP (Analytic Hierarchy Process), data mining technique, customers behavior and loyality, customer relationship management. 1. PENDAHULUAN Industri konveksi dalam beberapa tahun terakhir menjadi ladang bisnis yang cukup menjanjikan karena sandang sebagai kebutuhan primer manusia yang tidak dapat digantikan. Bisnis ini memiliki pangsa pasar yang sangat luas, tren dan mode yang dinamis dalam mengikuti perkembangan zaman. Fokus perusahaan modern telah beralih dari strategi product/service-oriented menjadi customer-oriented [3]. Para produsen perlu menerapkan strategi untuk meningkatkan mutu produk dan melakukan inovasi layanan terbaik dalam menghasilkan produk yang kreatif untuk memenangkan persaingan dengan kompetitor. Salah satu cara yang dapat digunakan untuk mengelola hubungan dengan pelanggan adalah mengidentifikasi karakteristik pelanggan dengan membagi pelanggan berdasarkan kesamaan perilaku dan menyediakan rekomendasi produk yang tepat bagi mereka.