<![CDATA[Penelitian ini dilatarbelakangi oleh kebutuhan Kelompok Usaha Mikro, Kecil, dan Menengah (UMKM) dalam memahami karakteristik pelanggan serta menentukan strategi Customer Relationship Management (CRM) yang tepat berdasarkan data transaksi. Pengelolaan data transaksi secara konvensional belum mampu memberikan informasi yang optimal mengenai pola dan segmentasi pelanggan. Penelitian ini bertujuan untuk mengimplementasikan data mining menggunakan pendekatan RFM (Recency, Frequency, Monetary) dan algoritma K-Means Clustering untuk melakukan segmentasi pelanggan serta mengintegrasikan hasilnya ke dalam sistem CRM berbasis web. Penelitian menggunakan pendekatan Research and Development (R&D) dengan pengolahan data secara kuantitatif. Data penelitian berupa 200 data transaksi pelanggan yang selanjutnya melalui tahap data cleaning, transformasi atribut RFM, normalisasi data, dan proses clustering menggunakan algoritma K-Means. Hasil pengolahan menghasilkan 162 pelanggan unik yang dapat dikelompokkan ke dalam tiga segmen utama. Cluster 0 terdiri atas 119 pelanggan (73,5%) yang memiliki frekuensi dan nilai transaksi relatif rendah dan dikategorikan sebagai pelanggan transaksional atau musiman. Cluster 1 terdiri atas 15 pelanggan (9,3%) dengan karakteristik transaksi tingkat menengah dan dikategorikan sebagai pelanggan potensial. Cluster 2 terdiri atas 28 pelanggan (17,3%) dengan nilai transaksi tinggi dan tingkat kedatangan berulang yang kuat sehingga dikategorikan sebagai pelanggan inti atau Champions. Hasil segmentasi kemudian diimplementasikan pada sistem CRM berbasis web menggunakan Python dan framework Flask untuk mendukung proses klasterisasi dan rekomendasi strategi pemasaran. Evaluasi Two-Stage Data Mining menghasilkan nilai AUC sebesar 1,000 dan F-Score sebesar 100%. Hasil penelitian menunjukkan bahwa integrasi pendekatan RFM dan K-Means Clustering dapat membantu UMKM melakukan segmentasi pelanggan secara sistematis dan mendukung pengambilan keputusan dalam penerapan strategi CRM berbasis data.]]>
