Implementasi Data Mining untuk Strategi Customer Relationship Management (CRM) dengan Pendekatan RFM dan K-Means Clustering pada Kelompok UMKM
Keywords:
Data Mining, RFM, K-Means Clustering, Customer Relationship Management, Segmentasi PelangganAbstract
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.
References
Al-Homery, H. A., Asharai, H., & Ahmad, A. (2019). The Core Components and Types of CRM. Pakistan Journal of Humanities and Social Sciences, Vol. 7 No. 1.
Budianto, A., & Hermawan, A. (2023). Penerapan Data Mining untuk Segmentasi Pelanggan menggunakan Algoritma K-Means Clustering. Jurnal Teknologi Informasi dan Ilmu Komputer, 10(2), 145-154.
Chaidir, A., & Riadi, I. (2022). Analisis Customer Relationship Management (CRM) dengan Pendekatan Model RFM. Jakarta: Penerbit Informatika.
Indini, D. P., Mesran, & Dito Putro Utomo. (2023). Penerapan Data Mining Dalam Pengelompokan Data Reseller di Telkomsel Authorized Partner (TAP) Deli Tua Dengan Algoritma K-Means. Jurnal Ilmiah Media Sisfo, 17(2), 189–202. https://doi.org/10.33998/mediasisfo.2023.17.2.1391
Kharisma, G., Ibrahim, R., & Heikal, J. (2025). An Analyzing RFM (Recency, Frequency, Monetary) Segmentation to Formulate Online Marketing Strategies : a Case Study of PT MMT. Jurnal Multidisiplin Sahombu, 5. https://doi.org/10.58471/jms.v5i06
Kurniawan, A. R., Mayasari, R., Febriantoko, J., Taman, P. T., & Jogja, W. (2021). CUSTOMER LIFETIME VALUE METRICS AS CUSTOMER RELATIONSHIP MANAGEMENT INDICATORS. Business and Accounting Research (IJEBAR) Peer Reviewed-International Journal, 5(3). https://jurnal.stie-aas.ac.id/index.php/IJEBAR
Levin, James & Nolan, J. (2013). P rinciples of C lassroom M anagement. 1(1), 354. https://doi.org/10.5281/zenodo.7618566
Martiansah, R., Monalisa, S., Muttakin, F., & Fronita, M. (2025). Customer Segmentation Analysis Through RFM-D Model and K-Means Algorithm. Dalam Jurnal Sistem Cerdas.
Mikael Kia Mado, P. (2025). Implementasi Algoritma Clustering K-Means untuk Segmentasi Pelanggan di E-Commerce. Dalam Jurnal Indonesia : Manajemen Informatika dan Komunikasi (JIMIK) (Vol. 6, Nomor 3). https://journal.stmiki.ac.id
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
Pramudiansyah, A., & Munte, H. (2021). SEGMENTASI PELANGGAN MENGGUNAKAN ALGORITMA K-MEANS BERDASARKAN MODEL RECENCY FREQUENCY MONETARY. 7(2). http://ejournal.fikom-unasman.ac.id
Punithavathi, G. (2024). A Survey on Machine Learning Based Classification Algorithms for Web Usage Mining. International Journal for Research in Applied Science and Engineering Technology, 12(1), 442–449. https://doi.org/10.22214/ijraset.2024.57962
Rahmadeni, R., & Heikal, J. (2024). Customer Loyality Segmentation with RFM Model at PCP Cafe. Jurnal Ekonomika Dan Bisnis (JEBS), 4(6), 1966–1972. https://doi.org/10.47233/jebs.v4i6.2450
Sugianto, A., Arisawati, E., Studi Sistem Informasi, P., & Tinggi Manajemen Informatika dan Komputer Nusa Mandiri, S. (t.t.). INTI NUSA MANDIRI PENERAPAN METODE CLUSTERING DENGAN ALGORITMA K-MEANS UNTUK SEGMENTASI PELANGGAN PADA CV. SINAR SURYA. Diambil http://nusamandiri.ac.id
Susilo, A. (2024). EVALUASI EFEKTIFITAS ALGORTIMA K-MEANS DAN DBSCAN DALAM CLUSTERING DATA RUMAH SAKIT UNTUK OPTIMALISASI LAYANAN KESEHATAN. Jurnal Komputer dan Informatika, 19, 43–51.
