Claim Missing Document
Check
Articles

Penerapan Algoritma K-Means Clustering Untuk Sistem Segmentasi Pelanggan Berdasarkan Model RFM (Studi Kasus: PT Sehati Bangunan Abadi) Lusi Damayanti; Ahmad Faisol; Nurlaily Vendyansyah
Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Vol 9, No 1 (2026): Januari
Publisher : Akademi Ilmu Komputer Ternate

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47324/ilkominfo.v9i1.414

Abstract

Abstrak: Penelitian ini bertujuan untuk melakukan segmentasi pelanggan berdasarkan data  transaksi menggunakan algoritma K-Means Clustering pada PT Sehati Bangunan Abadi (SBA) tahun 2024. Data yang digunakan mencakup tiga variabel utama, yaitu Recency, Frekuensi, dan Total Nominal, yang sebelumnya telah melalui proses pembersihan serta normalisasi agar setiap variabel memiliki skala yang seimbang. Proses pengelompokan dilakukan dengan menghitung jarak menggunakan rumus Euclidean Distance untuk menentukan kesamaan antar data. Hasil penelitian menunjukkan bahwa pelanggan dapat dikelompokkan menjadi tiga kategori, yaitu Prioritas, VVIP, dan VIP, dengan nilai Silhouette Score masing-masing sebesar 0.5884 untuk KAI, 0.5101 untuk End User, dan 0.6274 untuk Singres Member. Nilai tersebut menunjukkan bahwa hasil pengelompokan memiliki kualitas yang cukup baik.Kata kunci: K-Means Clustering, Segmentasi Pelanggan, Data MiningAbstract: This study aims to perform customer segmentation based on transaction data using the K-Means Clustering algorithm at PT Sehati Bangunan Abadi (SBA) in 2024. The data used includes three main variables, namely Recency, Frequency, and Total Amount, which have previously undergone a cleaning and normalization process to ensure that each variable has a balanced scale. The clustering process was carried out by calculating the distance using Euclidean Distance to determine the similarity between data points. The results show that customers can be grouped into three categories: Priority, VVIP, and VIP, with Silhouette Score values of 0.5864 for KAI, 0.51017 for End User, and 0.6274 for Singres Member. These values indicate that the clustering results have a fairly good quality.Keywords: K-Means Clustering, Customer Segmentation, Data Mining
Co-Authors A. Asrul Achmad Fauzi Adi Prasetyo, Guntur Agung Panji Sasmito Agung Prasetyo, Yudha Ahmad Fahrudi Setiawan Ahmad Faisol AHMAD FAISOL Akbar, Muhamad Faisol Al Biruni, Muhammad Ali Mahmudi Ali Ridho Alif Fajar Fadhillah, Dimas Amin, Muhammad Yusuf Angesti Fitri, Anggie Anggara, Arul Anggriati, Shafira Aulia, Lalu Muhammad Fatwa Bayu Samudro, Agusti Benny Korain, Lukas Bugis, Syahroni Chintia Devi, Annisa Davi Firmansyah, Muhammad Deddy Rudhistiar Deswandi Yahya, Raflizar Dyah Agustin, Praditasari Edgar Septandita Hariyanto, Nicollas Eka Pradina, Ayuni Fahrudi Setiawan, Ahmad Fajrul Mujab, Akhmad Febriana Santi Wahyuni Febrianti, Fitri Fikri, Rizal Firmansah, Ridho Yuli Gilang Ramadhan Guntur Adi Prasetyo Hadi Al Haddad, Abdullah Haifan, Azrul Hamdani, Andrian Irfie Hani Zulfia Zahro Hernoko, Marvelina Gracia Kartiko Ardi Widodo Khoiru Nurdina, Arista Khoirul Muwahidin, Habib Kurnia Sella, Fernanda Lusi Damayanti Ma'rif, Ikhsan Masini, Joi Mira Orisa Moch Arif Rochmanullah Mohammad Harifin Mohammad Hasan Basri Mukhamad Alfian, Deska Mutiara Shandhini Maylita, Nefa Muzaky, Mohammad Rizal Nelly Budiharti Nugroho, Dwi Yulianto Nur Cahyo, Dwi Peniel Immanuel Gultom Peniel Immanuel Gultom Pratama, Wahyu Tedy Prayoga, Moch. Irfan Primaswara Prasetiya , Renaldi Priyo Kartiko, Sandi Puka, Madelbertha Fridolin Putra, Dzulfidho Wijianto Putri, Kiky Rachmad Agung Laksono Rafi, Mochammad Renaldi Prasetya Renaldi Primaswara Prasetya Rian Setya Budi Riziq Gyfari, Aghisna Rizky Genta Ananda, Muhammad Satwikayana, Sujud Sentot Achmadi Setyohadi Pratama, Dhimas Suryani, Tutut Suryo Adi Wibowo Taralandu, Deriatno Tuasikal, Nyongpati Rahmat Vernanda, Arninda Agnes WAHYUDI, RIZAL Wangsa Nata Asmara, Krisna Xaverius Ariwibisono, Fransiskus Yacub, Dhiky Wardany Yosep Agus Pranoto Yunianto, Muhammad Fauzan Yuris Wijayanto, Fajar Zahro’, Hani Zulfia Zulfia Zahro’, Hani