Implementasi Sistem Segmentasi Pelanggan Dengan Algoritma K-Means Dan Model Rfm (Studi Kasus Pt Arbiputra Investama)

PT Arbiputra Investama menghadapi tantangan dalam mengoptimalkan strategi pemasaran akibat proses analisis pelanggan yang masih bersifat manual, subjektif, dan belum memanfaatkan data transaksi secara maksimal. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem berbasis web untuk melakukan segmentasi pelanggan secara objektif guna mendukung pengambilan keputusan yang lebih terarah. Sistem ini dibangun menggunakan framework Laravel dengan menerapkan kombinasi RFM Model (Recency, Frequency, Monetary) untuk mengkuantifikasi perilaku pelanggan dan algoritma K-Means Clustering untuk mengelompokkan pelanggan ke dalam segmen-segmen yang relevan. Penentuan jumlah klaster optimal dalam penelitian ini dibantu oleh Elbow Method untuk memastikan hasil pengelompokan yang valid secara statistik. Hasil dari penelitian ini adalah sebuah aplikasi fungsional yang mampu mengolah data transaksi mentah, menghitung nilai RFM, melakukan normalisasi data, dan menjalankan proses klasterisasi K-Means. Sistem berhasil mengidentifikasi beberapa segmen pelanggan utama dengan karakteristik yang berbeda, seperti "Pelanggan Prioritas", " Pelanggan Potensial", dan "Pelanggan Beresiko", yang dapat digunakan oleh perusahaan untuk merancang strategi pemasaran yang lebih personal dan efektif.
Keywords: Segmentasi Pelanggan, RFM Model, K-Means Clustering, Elbow Method