IMPLEMENTASI SEGMENTASI PELANGGAN MENGGUNAKAN ALGORITMA K-MEANS DENGAN MODEL RFM (STUDI KASUS PANDHAWA SEJAHTERA DROPSHIP)
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab · 14.07.2026 · 11 (2) · 4247-4258
DOI: 10.36341/rabit.v11i2.7924 ↗Kurz gefasst
Fachartikel in der Zeitschrift Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, online erschienen am 14.07.2026. Verfasst von Yutia Nia Nesicha und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).
Abstract (Originalsprache)
Pandhawa Sejahtera Dropship merupakan usaha di bidang jasa titip jual atau dropshipper. Usaha ini menghadapi tantangan dalam menyusun strategi pemasaran yang tepat sasaran karena belum adanya segmentasi pelanggan berbasis data transaksi. Penelitian ini bertujuan untuk menerapkan segmentasi pelanggan menggunakan metode Recency, Frequency, Monetary (RFM) serta membandingkan algoritma K-Means dan Fuzzy C-Means dalam mengelompokkan pelanggan berdasarkan data transaksi. Data transaksi yang digunakan sebanyak 2.376 record dengan periode satu tahun. Tahapan metode yang dilakukan meliputi preprocessing data, perhitungan nilai RFM, normalisasi data menggunakan Min-Max, penentuan jumlah cluster optimal dengan Elbow Method dan Silhouette Score, serta evaluasi kualitas cluster menggunakan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa jumlah cluster optimal adalah 3 (k=3) dengan nilai Silhouette Score 0,6242. Ketiga cluster yang terbentuk adalah Cluster 0 (Champions) sebanyak 362 customer (25%) dengan karakteristik recency rendah (45,2 hari), frequency tinggi (3,8 kali), dan monetary tinggi (Rp 1.256.780); Cluster 1 (Regular) sebanyak 724 customer (50%) dengan karakteristik recency sedang (215,3 hari), frequency rendah (1,2 kali), dan monetary sedang (Rp 345.670); serta Cluster 2 (At Risk) sebanyak 362 customer (25%) dengan karakteristik recency tinggi (345,6 hari), frequency sangat rendah (1,0 kali), dan monetary rendah (Rp 124.890). Berdasarkan perbandingan metode, algoritma K-Means menghasilkan nilai DBI sebesar 0,77 dan Silhouette Score 0,54, lebih baik dibandingkan Fuzzy C-Means dengan nilai DBI 1,05 dan Silhouette Score 0,39. Dengan demikian, algoritma K-Means dinyatakan sebagai metode terbaik untuk segmentasi pelanggan pada data transaksi Pandhawa Sejahtera Dropship. Hasil segmentasi ini dapat dijadikan dasar penyusunan strategi pemasaran yang lebih terarah dan efisien.
Zitieren
APA
Nesicha, Y. N., Triyanto, W. A., & Setiaji, P. (2026). IMPLEMENTASI SEGMENTASI PELANGGAN MENGGUNAKAN ALGORITMA K-MEANS DENGAN MODEL RFM (STUDI KASUS PANDHAWA SEJAHTERA DROPSHIP). Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, 11(2), 4247-4258. https://doi.org/10.36341/rabit.v11i2.7924
Vancouver
Nesicha YN, Triyanto WA, Setiaji P. IMPLEMENTASI SEGMENTASI PELANGGAN MENGGUNAKAN ALGORITMA K-MEANS DENGAN MODEL RFM (STUDI KASUS PANDHAWA SEJAHTERA DROPSHIP). Rabit : Jurnal Teknologi dan Sistem Informasi Univrab. 2026;11(2):4247-4258. doi:10.36341/rabit.v11i2.7924
BibTeX
@article{Nesicha2026,
author = {Nesicha, Yutia Nia and Triyanto, Wiwit Agus and Setiaji, Pratomo},
title = {IMPLEMENTASI SEGMENTASI PELANGGAN MENGGUNAKAN ALGORITMA K-MEANS DENGAN MODEL RFM (STUDI KASUS PANDHAWA SEJAHTERA DROPSHIP)},
journal = {Rabit : Jurnal Teknologi dan Sistem Informasi Univrab},
year = {2026},
volume = {11},
number = {2},
pages = {4247--4258},
doi = {10.36341/rabit.v11i2.7924}
}
EUVIMED