Repositori Institusi · Akses Terbuka

Temukan karya ilmiah Universitas Kuningan dalam hitungan detik.

4.870 skripsi, tesis, dan publikasi terarsip rapi — cari berdasarkan judul, penulis, subjek, atau fakultas.

4.870item terarsip
6 fakultaspenyumbang koleksi
24 jamakses publik, gratis

Tentang Repositori

Repositori Universitas Kuningan merupakan layanan arsip online yang dikelola oleh perpustakaan Universitas Kuningan. Dengan menggunakan EPrints sebagai repositori, website ini didirikan untuk mengumpulkan, mengelola, menyimpan, melestarikan dan menyebarluaskan salinan digital hasil intelektual Universitas Kuningan. Tujuan utama dari repositori ini adalah untuk menyediakan dokumen jangka panjang, akses terbuka dan dengan mudah mengambil koleksi digital untuk mendukung proses belajar-mengajar. Dengan adanya repositori ini, diharapkan hasil karya warga kampus UNIKU dapat diakses secara luas.

Panduan Penggunaan

Baru pertama kali memakai RAMA? Unduh petunjuk unggah mandiri, atau baca panduan penggunaan lengkap di bawah ini.

Petunjuk Unggah Mandiri →

Bantuan EPrints →

Pramono, Agung (2026) IMPLEMENTASI CRM ANALYTICAL BERBASIS WEB MENGGUNAKAN METODE RFM DAN K-MEANS CLUSTERING UNTUK SEGMENTASI PELANGGAN PADA USAHA SHAFA LAUNDRY. S1 / D3 thesis, Universitas Kuningan.

[thumbnail of ABSTRAK] Text (ABSTRAK)
ABSTRAK.pdf

Download (1MB)
[thumbnail of BAB I] Text (BAB I)
BAB I.pdf

Download (362kB)
[thumbnail of BAB II] Text (BAB II)
BAB II.pdf
Restricted to Repository staff only

Download (742kB) | Request a copy
[thumbnail of BAB III] Text (BAB III)
BAB III.pdf
Restricted to Repository staff only

Download (862kB) | Request a copy
[thumbnail of BAB IV] Text (BAB IV)
BAB IV.pdf
Restricted to Repository staff only

Download (715kB) | Request a copy
[thumbnail of BAB V] Text (BAB V)
BAB V.pdf

Download (200kB)
[thumbnail of DAFTAR PUSTAKA] Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf

Download (180kB)
[thumbnail of LAMPIRAN] Text (LAMPIRAN)
LAMPIRAN.pdf
Restricted to Repository staff only

Download (3MB) | Request a copy
Official URL: https://rama.uniku.ac.id

Abstract

Shafa Laundry, bisnis jasa laundry, menghasilkan data pelanggan dan transaksi dalam jumlah besar setiap hari. Namun, pengelolaan data serta analisis perilaku pelanggan masih manual, menyulitkan pengaturan informasi dan keputusan bisnis. Pemilik usaha juga belum bisa mengidentifikasi karakteristik pelanggan berdasarkan aktivitas dan nilai transaksi. Penelitian ini membangun sistem CRM Analitik berbasis web menggunakan metode RFM (Recency, Frequency, Monetary) dan algoritma K-Means Clustering untuk segmentasi pelanggan. RFM menganalisis perilaku pelanggan melalui tiga indikator utama, sementara data RFM yang dinormalisasi dikelompokkan via K-Means berdasarkan profil transaksi. Sistem dikembangkan dengan PHP dan MySQL. Hasilnya, sistem berhasil dibuat, memungkinkan pengelolaan data lebih terstruktur dan terintegrasi. Clustering menghasilkan tiga segmen; pelanggan kurang aktif (Low Value), potensial (Medium Value), dan loyal (High Value). Pengujian Black Box dan White Box memverifikasi fungsi sistem berjalan optimal sesuai kebutuhan. Sistem ini membantu Shafa Laundry memahami pelanggan lebih baik, mendukung keputusan bisnis dan strategi pemasaran secara efektif.

Shafa Laundry, a laundry service, generates vast customer and transaction data daily. Yet, manual data management and behavior analysis hinder information handling and business decisions. The business lacks insights into customer profiles by activity and value. This study develops a web-based Analytical CRM using RFM (Recency, Frequency, Monetary) and K-Means Clustering for segmentation. RFM assesses behavior via three metrics; normalized data is clustered by transaction traits using K-Means. Built with PHP and MySQL. Results show successful implementation, enabling structured, integrated data management. Clustering identifies three groups; Low Value (less active), Medium Value (potential), and High Value (loyal) customers. Black Box and White Box tests confirm all functions and logic meet user requirements. Thus, the system aids Shafa Laundry in understanding customers, boosting decision making and marketing efficiency.

Item Type: Thesis (S1 / D3)
Uncontrolled Keywords: CRM Analitik, RFM, K-Means Clustering, Segmentasi Pelanggan. Analytical CRM, RFM, K-Means Clustering, Customer Segmentation.
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
T Technology > T Technology (General)
Divisions: Fakultas Ilmu Komputer > S1 Sistem Informasi
Depositing User: S.Kom Agung Pramono
Date Deposited: 12 Nov 2026 08:35
Last Modified: 12 Nov 2026 08:35
URI: https://rama.uniku.ac.id/id/eprint/7112

Actions (login required)

View Item
View Item