Persaingan yang ketat di bidang bisnis memotivasi sebuah perusahaan untuk
mengelola pelayanan terhadap pelanggan secara maksimal. untuk mengidentifikasi
pelanggan potensial berdasarkan data, menghasilkan proses perbaikan atau
inovasi. Namun, perusahaan kesulitan menentukan promosi seperti apa yang
dibutuhkan pelanggan, karena masing-masing pelanggan memiliki karakteristik
yang berbeda., diterapkan model (Recency, Frequency, Monetary) RFM dengan
menggunakan metode clustering serta menampilkan visualisasi data untuk
memperoleh nilai tambah bagi perusahaan. Tujuan utamanya mengetahui
penerapan model RFM (Recency, Frequency, Monetary), mengetahui hasil kinerja
Metode K-means berdasarkan model RFM (Recency, Frequency, Monetary), dan
Mengetahui visualisasi data untuk dapat membantu mempermudah Kepala Cabang
dalam mengambil keputusan untuk menentukan pelanggan potensial, pelanggan
yang loyal kepada perusahaan. Studi kasus dalam penelitian ini yaitu di PT.
Ardendi Jaya Sentosa Cabang Serang. Metode yang digunakan yaitu menggunakan
Algoritma K-Means Clustering. Model yang digunakan yaitu RFM (Recency,
Frequency dan Monetary). Jenis data yaitu data sekunder. Software yang
digunakan Tableau versi 2020.3. Jumlah data transaksi 63.240 dari 333 pelanggan

dalam periode 6 bulan mulai Januari 2020 sampai dengan Juni 2020. Langkah-
langkahnya dimulai dari mengumpulkan data transaksi, selanjutnya data

preprocessing dengan memilih data yang dibutuhkan, kemudian mencari nilai
atribut dengan sesuai parameter Recency, Frequency dan Monetary (RFM). Proses
selanjutnya adalah dengan mengelompokkan menggunakan metode K-Means.
Terakhir, visualisasi data hasil Clustering. Hasil dari penelitian ini terdiri dari
beberapa segmen pelanggan dari 6 cluster, yaitu Cluster pertama berjumlah 121
atau 36,34% pelanggan, memiliki RFM score antara 542-555 dan termasuk
kelompok Best. Cluster kedua berjumlah 84 atau 25,23 % pelanggan, memiliki
RFM score antara 411-532 dan termasuk kelompok Typical. Cluster ketiga
berjumlah 14 atau 4,20 % pelanggan, memiliki RFM score antara 122-332 dan
termasuk kelompok Occupational. Cluster keempat berjumlah 73 atau 21, 92%
pelanggan, memiliki RFM score antara 433-535 dan termasuk kelompok Good.
Cluster kelima berjumlah 6 atau 1,80% pelanggan, memiliki RFM score antara
133-344 dan termasuk kelompok Everyday Shoppers. Dan cluster keenam
berjumlah 35 atau 10,51% pelanggan, memiliki RFM score antara 0-111 dan
termasuk kelompok Dormant.