Segmentasi dan Pembentukan Model Regresi Nasabah Berbasis Analisis Recency, Frequency dan Monetary

Abstrak

Di masa pandemi ini, peningkatan jumlah nasabah suatu perusahaan sekuritas meningkat cukup tinggi. Hal tersebut mengharuskan perusahaan sekuritas untuk melakukan analisis terkait data nasabah sekuritas terhadap data transaksi agar perusahaan tersebut dapat mengetahui segmentasi dari nasabah yang sudah terdaftar dan juga agar perusahaan dapat memprediksi terkait pola transaksi dari nasabah yang ada di perusahaan tersebut. Dalam melakukan pengolahan data transaksi dapat menggunakan model RFM (Recency, Frequency, Monetary) sebagai cara untuk pengelompokan nasabah sesuai dengan nilai bisnis yang dimiliki. Setelah melakukan pemodelan dengan menggunakan RFM , data yang tersebut dilakukan Clustering dengan menggunakan algoritma K-Means untuk mengetahui segmentasi yang ada dalam model RFM dalam setiap kelompoknya. Model RFM yang sudah dilakukan clustering akan menghasilkan suatu segmen-segmen berdasarkan kelompok RFM. Pada data tersebut dilakukan proses analisis regresi linear dimana pada setiap kelompok dan segmen dianalisis dan diprediksi terkait variabel-variabel seperti recency, monetary dan frequency. Hasil dari pengelompokan data, segmentasi pelanggan dan juga prediksi dengan regresi linear ini dapat menjadi salah satu acuan perusahaan untuk membuat suatu keputusan bisnis. Dari proses regresi linier yang dilakukan atas atribut-atribut RFM, dihasilkan suatu prediksi nilai moneter dari nilai recency yang sudah ada dan juga dapat diketahui nilai moneter dari frequency dengan tingkat error yang cukup baik.