Segmentasi Pelanggan Berbasis Analisis RFM Menggunakan Algoritma K-Means Clustering

Authors

  • Danang Satya Nugraha Institut Teknologi Mojosari Nganjuk
  • Imam Thoib Institut Teknologi Mojosari, Nganjuk
  • Nafis Sururi Institut Teknologi Mojosari, Nganjuk
  • Fendy Bayu F Institut Teknologi Mojosari, Nganjuk
  • Beda Puspita Candra Institut Teknologi Mojosari, Nganjuk

DOI:

https://doi.org/10.62712/juktisi.v4i2.641

Keywords:

Clustering, K-Means, Elbow, RFM, Davies-Bouldin Index

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.

Downloads

Download data is not yet available.

References

H. Rizkyanto dan F. Lumban Gaol, “Customer Segmentation of Personal Credit using Recency, Frequency, Monetary (RFM) and K-means on Financial Industry,” (IJACSA) International Journal of Advanced Computer Science and Applications, vol. 14, no. 4, 2023.

R. A. Siahaan dan R. A. Sianturi, “ANALISIS PERBANDINGAN PAYMENT GATEWAYUNTUK SISTEM PEMBAYARAN BERBASISAPLIKASI DENGANCOMPARATIVE STUDY,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 11, no. 2, pp. 291-296, 2024.

F. K. Nasser dan S. F. Behadili, “A Review of Data Mining and Knowledge Discovery Approaches for Bioinformatics,” Iraqi Journal of Science, vol. 63, no. 7, 2022.

S. M. Dol dan D. P. Jawandhiya, “A Review of Data Mining in Education Sector,” Journal of Engineering Education Transformations, vol. 36, no. Special Issue, pp. 13-22, 2023.

E. R. Abadi, M. J. Ershadi dan S. T. A. Niaki, “A Clustering Approach For Data Quality Results of Research Information Systems,” Information Discovery and Delivery, vol. 51, no. 4, 2022.

U. J dan M. S, “Implementation of Data Mining Concepts in R Programming,” International Journal of Trendy Research in Engineering and Technology, vol. 4, no. 1, 2020.

S. Monalisa, P. Nadya dan R. Novita, “Analysis for customer lifetime value categorization with RFM model,” The Fifth Information Systems International Conference 2019, vol. 161, pp. 834-840, 2019.

N. H. Harani, C. Prianto dan F. A. Nugraha, “Segmentasi Pelanggan Produk Digital Service IndihomeMenggunakan Algoritma K-Means Berbasis Python,” Jurnal Manajemen Informatika (JAMIKA), vol. 10, no. 2, pp. 133-146, 2020.

A. Y. N. Rumapea, D. Pratiwi dan S. Sari, “Analisis Segmentasi Pelanggan Ritel Online Menggunakan K-Means Clustering Berdasarkan Model Recency, Frequency, Monetary (RFM),” Jurnal Sains dan Teknologi, vol. 6 No 3, pp. 292-299, 2024.

A. Setiono, A. Triayudi dan E. T. Esti Handayani, “ANALISIS RECENCY FREQUENCY MONETARY DAN K-MEANS CLUSTERING PADA KLINIK GIGI UNTUK MENENTUKAN SEGMENTASI PASIEN,” JSil | Jurnal Sistem Informasi, pp. 1-6, 2023.

A. F. Khairati, A. Adlina, G. Hertono dan B. Handari, “Kajian Indeks Validitas pada Algoritma K-Means Enhanceddan K-Means MMCA,” PRISMA, Prosiding Seminar Nasional Matematika, vol. 2, pp. 161 -170, 2019.

S. Wahyuni, T. T. Wulansari dan F. , “Segmentasi Pelanggan Berdasarkan Analisis Recency, Frequency, Monetary Menggunakan Algoritma K-Means Pada CV. Toedjoe Sinar Group,” Jurnal Rekayasa Teknologi Informasi (JURTI), 2023.

D. A. Tarigan, “Optimization of the K-Means Clustering Algorithm Using Davies,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 1, pp. 545-552, 2023.

I. T. Umagapi, B. Umaternate, H. Hazriani dan Y. Yuyun, “Uji Kinerja K-Means Clustering Menggunakan Davies-Bouldin Index Pada Pengelompokan Data Prestasi Siswa,” Prosiding Sisfotek, vol. 7, no. 1, pp. 303-308, 2023.

Downloads

Published

2025-09-30

How to Cite

Nugraha, D. S., Thoib, I., Sururi, N., Bayu F, F., & Candra, B. P. (2025). Segmentasi Pelanggan Berbasis Analisis RFM Menggunakan Algoritma K-Means Clustering. Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI), 4(2), 1361–1369. https://doi.org/10.62712/juktisi.v4i2.641

Issue

Vol. 4 No. 2 (2025): September 2025

Section

Articles

License

Copyright (c) 2025 Danang Satya Nugraha, Imam Thoib, Nafis Sururi, Fendy Bayu F, Beda Puspita Candra

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.