SEGMENTASI PELANGGAN BERBASIS RFM DAN K-MEANS CLUSTERING UNTUK OPTIMALISASI STRATEGI PEMASARAN: STUDI KASUS PT. XYZ

ADIYANINGRUM, AJENG DESVIANA (2025) SEGMENTASI PELANGGAN BERBASIS RFM DAN K-MEANS CLUSTERING UNTUK OPTIMALISASI STRATEGI PEMASARAN: STUDI KASUS PT. XYZ. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 COVER.pdf Download (406kB) | Preview
	Text (BAB I) 02 BAB 1.pdf Restricted to Registered users only Download (95kB)
	Text (BAB II) 03 BAB 2.pdf Restricted to Registered users only Download (146kB)
	Text (BAB III) 04 BAB 3.pdf Restricted to Registered users only Download (72kB)
	Text (BAB IV) 05 BAB 4.pdf Restricted to Registered users only Download (559kB)
	Text (BAB V) 06 BAB 5.pdf Restricted to Registered users only Download (93kB)
	Text (DAFTAR PUSTAKA) 07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (102kB)
	Text (LAMPIRAN) 08 LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

In the midst of increasingly intense business competition, understanding consumer behavior has become essential for designing effective marketing strategies. PT XYZ, a company engaged in the sale of car tires, has not yet fully utilized customer transaction data to support targeted marketing decisions. As a result, its current marketing approach remains generic and less impactful. K-Means Clustering with an RFM (Recency, Frequency, Monetary) approach is applied in this research to cluster customers based on shopping habits. The process of determining the best number of clusters is done using the silhouette score, resulting in two main customer segments. The first cluster consists of active customers with high contributions to sales, while the second cluster represents passive customers with low purchase values. This research provides results that lay the foundation for companies to devise more personalized strategies, such as providing incentives to loyal customers and efforts to reactivate passive customers. With this approach, companies are expected to manage promotional budgets more efficiently, strengthen customer relationships, and drive sustainable sales growth. Keywords: Car Tires, K-Means Clustering, RFM, Customer Segmentation, Marketing Strategy. Di tengah intensitas persaingan bisnis yang semakin tinggi, pemahaman terhadap perilaku konsumen menjadi kunci dalam merancang strategi pemasaran yang tepat sasaran. PT XYZ, sebagai perusahaan yang bergerak di bidang penjualan ban mobil, belum memanfaatkan analisis data pelanggan secara maksimal, sehingga strategi pemasarannya masih bersifat umum dan kurang efektif. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan berdasarkan pola transaksi guna mendukung pengambilan keputusan yang lebih akurat dalam pemasaran. K-Means Clustering dengan pendekatan RFM (Recency, Frequency, Monetary) diterapkan dalam penelitian ini untuk mengelompokkan pelanggan berdasarkan kebiasaan belanja. Proses penentuan jumlah klaster terbaik dilakukan dengan menggunakan nilai silhouette score, yang menghasilkan dua segmen utama pelanggan. Klaster pertama terdiri atas pelanggan aktif dengan kontribusi tinggi terhadap penjualan, sedangkan klaster kedua merupakan pelanggan pasif dengan nilai pembelian rendah. Penelitian ini memberikan hasil, memberikan dasar bagi perusahaan untuk menyusun strategi yang lebih personal, seperti pemberian insentif kepada pelanggan setia dan upaya reaktivasi pelanggan pasif. Dengan pendekatan ini, perusahaan diharapkan dapat mengelola anggaran promosi secara lebih efisien, memperkuat hubungan pelanggan, dan mendorong pertumbuhan penjualan yang berkelanjutan. Kata Kunci: Ban Mobil, K-Means Clustering, RFM, Segmentasi Pelanggan, Strategi Pemasaran.

Item Type:	Thesis (S1)
Call Number CD:	FIK/SI. 25 071
NIM/NIDN Creators:	41821110007
Uncontrolled Keywords:	Ban Mobil, K-Means Clustering, RFM, Segmentasi Pelanggan, Strategi Pemasaran.
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 006 Special Computer Methods/Metode Komputer Tertentu > 006.3 Artificial Intelligence/Kecerdasan Buatan > 006.33 Knowledge-Based Systems/Sistem Berbasis Pengetahuan > 006.336 Programming For Knowledge-Based Systems/Pemrograman Untuk Sistem Berbasis Pengetahuan 600 Technology/Teknologi > 650 Management, Public Relations, Business and Auxiliary Service/Manajemen, Hubungan Masyarakat, Bisnis dan Ilmu yang Berkaitan > 658 General Management/Manajemen Umum > 658.3 Personnel Management/Manajemen Personalia, Manajemen Sumber Daya Manusia, Manajemen SDM 600 Technology/Teknologi > 650 Management, Public Relations, Business and Auxiliary Service/Manajemen, Hubungan Masyarakat, Bisnis dan Ilmu yang Berkaitan > 658 General Management/Manajemen Umum > 658.8 Marketing, Management of Distribution/Marketing, Manajemen Distribusi 700 Arts/Seni, Seni Rupa, Kesenian > 790 Recreational and Performing Arts/Olah Raga dan Seni Pertunjukan > 794 Indoor Games of Skill/Permainan Ketangkasan dalam Ruangan > 794.1 Chess/Catur > 794.12 Strategy and Tactics/Strategi
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	khalimah
Date Deposited:	21 Aug 2025 08:51
Last Modified:	21 Aug 2025 08:51
URI:	http://repository.mercubuana.ac.id/id/eprint/96963

Actions (login required)

View Item