Persaingan bisnis yang semakin kompetitif di era digital menuntut perusahaan ritel
untuk mampu memanfaatkan teknologi informasi guna meningkatkan efektivitas
dalam mengelola hubungan dengan pelanggan. Upgrade Store, sebagai
perusahaan ritel yang bergerak di bidang penjualan handphone baru dan second,
menghadapi tantangan dalam mengelola data pelanggan yang selama ini hanya
disimpan sebagai arsip tanpa dianalisis lebih lanjut. Penelitian ini bertujuan
membangun aplikasi berbasis web yang menerapkan indikator RFM (Recency,
Frequency, Monetary) dan algoritma K-Means untuk melakukan segmentasi
pelanggan sebagai bagian dari strategi pengelolaan hubungan pelanggan (CRM).
Metode yang digunakan dalam melakukan pengelompokan pelanggan
menggunakan analisis CRM melalui pengolahan data transaksi penjualan selama
satu tahun dengan indikator RFM. Hasil penelitian menunjukkan bahwa aplikasi
yang dibangun dapat mengelompokkan pelanggan ke dalam beberapa segmen yaitu
kelompok Platinum, Gold, dan Silver berdasarkan karakteristik perilaku
pembelian. Pengelompokan ini memberikan dasar yang kuat dalam pengambilan
keputusan strategis, seperti penentuan promosi yang tepat sasaran dan program
loyalitas pelanggan. Dalam penelitian ini digunakan sebanyak 10 konsumen dapat
dikelompokan Platinum sebanyak 1 orang, Gold 5 orang, dan Silver sebanyak 4
orang. Dengan demikian, penerapan analisis RFM dan algoritma K-Means
terbukti efektif dalam membantu Upgrade Store memahami pola perilaku
pelanggan, meningkatkan efisiensi pemasaran, serta memperkuat daya saing
perusahaan di pasar yang dinamis.

The increasingly competitive business landscape in the digital era demands that
retail companies leverage information technology to enhance the effectiveness of
customer relationship management. Upgrade Store, a retail company specializing
in the sale of new and second-hand mobile phones, faces challenges in managing
customer data, which has so far only been archived without further analysis. This
research aims to develop a web-based application that implements RFM (Recency,
Frequency, Monetary) indicators and the K-Means algorithm to perform customer
segmentation as part of a Customer Relationship Management (CRM) strategy. The
method used involves CRM analysis by processing one year of sales transaction
data using RFM indicators. The results of the study show that the developed
application can classify customers into several segments—Platinum, Gold, and
Silver—based on purchasing behavior characteristics. This segmentation provides
a solid foundation for strategic decision-making, such as targeted promotions and
customer loyalty programs. In this study, 10 customers are segmented, resulting in
1 Platinum customer, 5 Gold customers, and 4 Silver customers. Thus, the
implementation of RFM analysis and the K-Means algorithm has proven effective
in helping Upgrade Store understand customer behavior patterns, improve
marketing efficiency, and strengthen the company's competitiveness in a dynamic
market.