Abstract:
Perusahaan atau pelaku bisnis perlu memahami data pelanggan dengan lebih baik dalam semua hal aspek seperti mendeteksi persamaan dan perbedaan di antara para pelanggan, memprediksi perilaku mereka, mengusulkan pilihan dan kesempatan yang lebih baik untuk pelanggan. Untuk mendapatkan informasi tersebut dilakukan segmentasi pelanggan yang merupakan bagian dari CRM (Customer Relationship Management). Salah satu model umum dalam penerapan segmentasi pelanggan adalah model RFM (Recency, Frequency, dan Monetary). Tujuan penelitian ini adalah untuk menginterpretasikan hasil segmentasi dari hasil kombinasi metode RFM dan K-Means Clustering dan menentukan karakteristik pelanggan yang terbentuk dari variabel RFM yang terbentuk. Model RFM digunakan sebagai gambaran perilaku pelanggan dalam melakukan transaksi. Clustering merupakan proses klasifikasi yang banyak digunakan yaitu dirancang untuk mengkategorikan data. Clustering menggunakan algoritma K-Means dengan penentuan jumlah cluster menggunakan metode Elbow dan Silhouette. Penerapan analisis RFM dan metode K-Means menghasilkan dua segmen pelanggan yaitu potential customers dan non-potential customers. Potential customers memiliki karakteristik sering melakukan transaksi dengan pengeluaran yang besar. Non-potential customers memiliki karakteristik jarang melakukan transaksi dan juga pengeluaran yang standar.
Kata kunci : Segmentasi Pelanggan, Model RFM, Clustering, K-Means
