Claim Missing Document
Check
Articles

Found 1 Documents
Search

Segmentasi Pelanggan Berbasis Analisis RFM Menggunakan Algoritma K-Means Clustering Danang Satya Nugraha; Imam Thoib; Nafis Sururi; Fendy Bayu F; Beda Puspita Candra
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 2 (2025): September 2025
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i2.641

Abstract

Pemahaman terhadap karakteristik nasabah merupakan faktor penting dalam meningkatkan efektivitas strategi pemasaran. Pada perusahaan payment gateway, penyusunan laporan segmentasi pelanggan diperlukan agar strategi pemasaran dapat lebih tepat sasaran. Penelitian ini bertujuan menyusun laporan segmentasi nasabah berdasarkan pendekatan Recency, Frequency, Monetary (RFM) yang banyak digunakan untuk mengukur perilaku pelanggan. Metode penelitian dilakukan melalui pengolahan data mining menggunakan algoritma K-Means dalam proses clustering. Untuk memastikan kualitas hasil pengelompokan, validitas diuji dengan menggunakan indeks Davies-Bouldin dan metode Elbow. Hasil penelitian menunjukkan bahwa algoritma K-Means menghasilkan nilai Davies-Bouldin sebesar 0.1089. Nilai tersebut mengindikasikan bahwa K-Means memiliki performa yang efektif dalam mengelompokkan data pelanggan. Segmentasi yang dihasilkan mampu memberikan gambaran perilaku nasabah berdasarkan tingkat keterkinian transaksi, frekuensi pembelian, dan kontribusi nilai finansial. Dengan demikian, laporan segmentasi nasabah berbasis RFM dapat dijadikan dasar bagi perusahaan payment gateway dalam merumuskan strategi pemasaran yang lebih terarah, meningkatkan efektivitas promosi, serta memperkuat loyalitas pelanggan.