Model Segmentasi Nasabah Bank Berdasarkan Faktor RFM+B
Penulis
Dr.rer.nat. Ditdit Nugeraha Utama
Computer Science Department, BINUS Graduate Program-Master of Computer Science, Bina Nusantara University, Jakarta, Indonesia 11480
ditdit.utama@binus.edu
Firdaus dan Utama (2020) telah berhasil membangun model untuk klasifikasi nasabah berdasarkan empat jenis faktor; recency (R), frequency (F), monetary (M) dan balance (B). Firdaus dan Utama (2020) pun berhasil secara akademis/saintifis menambahkan satu faktor B atas faktor-faktor (tiga faktor sebelumnya) yang telah biasa Bank gunakan untuk menganalisis nasabahnya. Sehingga, faktor-faktor tersebut disebut dengan faktor RFM+B, atau berdasarkan beberapa literatur, dapat disebut dengan pendekatan RFM+B (RFM+B approach).
Metode yang dipakai untuk mengambangkan model klasifikasi adalah metode K-Means. Dimana, dari 65 ribu nasabah dan 147 ribu jenis transaksi, sebagai data untuk eksperimen model, model yang dikembangkan mampu menunjukkan empat jenis klaster/kelompok nasabah yang secara akademis dapat dipertanggungjawabkan. Klaster-klaster ini dapat digunakan oleh para pemangku kebijakan di dalam Bank tersebut untuk mengambil keputusan strategis. Karena, secara praktis, model dapat digunakan untuk menentukan jenis penawaran produk perbankan tertentu (salah satu jenis keputusan strategis yang berhubungan dengan nasabah), berdasarkan kelompok nasabah yang telah dihasilkan oleh model yang dikembangkan.
Menarik sekali, karena model dan studi ini masih terbuka untuk dilanjutkan. Di dalam studi lanjutan, diharapkan perlibatan metode logika fuzzy dapat digunakan. Mengapa logika fuzzy? Alasan yang paling utama, mengapa pemodelan dapat/harus melibatkan metode logika fuzzy adalah penghilangan nilai bias atas hasil perhitungan-perhitungan atau atas nilai-nilai parameter-parameter yang digunakan di dalam model tersebut. Jika, nilai-nilai tersebut telah hilang (diminimalisir) sifat biasnya (atau lebih bersifat precise), maka akurasi model atas hasil yang diperhitungkan akan dijamin lebih akurat.
Referensi
- N. Utama, A. Z. Taufan, A. G. Hartzani, H. Haidi, Y. R. Lubis, dan W. Sardjono. 2020. A fuzzy decision support model for cropland recommendation of food cropping in Indonesia. Journal of Computer Science, 16(4), pp. 518-531.