Strategi Customer Relationship Management dalam Membangun Loyalitas Pelanggan MM Beauty Clinic menggunakan Algoritma K-Means

Hazlita Hazlita; Hafizhah Mardivta; Aysyah Rengganis

doi:10.33650/coreai.v7i1.15780

Strategi Customer Relationship Management dalam Membangun Loyalitas Pelanggan MM Beauty Clinic menggunakan Algoritma K-Means

DOI: https://doi.org/10.33650/coreai.v7i1.15780

Authors

(1) * Hazlita Hazlita

(Institut Teknologi dan Kesehatan Ika Bina)
        Indonesia
(2)  Hafizhah Mardivta   (Universitas Pamulang)
        Indonesia
(3)  Aysyah Rengganis   (Institut Teknologi dan Kesehatan Ika Bina)
        Indonesia
(*) Corresponding Author

Abstract

MM Beauty Clinic merupakan salah satu penyedia layanan kecantikan di Provinsi Sumatera Utara yang masih menjalankan sebagian besar proses layanannya secara manual. Kondisi ini berpotensi menurunkan kualitas pelayanan serta meningkatkan risiko perpindahan pelanggan ke klinik lain. Penelitian ini memiliki tujuan untuk merancang dan mengimplementasikan sistem Manajemen Hubungan Pelanggan (CRM) yang berbasis website untuk memperkuat loyalitas konsumen. Sistem ini dibangun dengan menggunakan bahasa pemrograman PHP serta database MySQL. Pendekatan yang digunakan adalah analisis Recency, Frekuensi, dan Moneter (RFM) yang dikombinasikan dengan algoritma K-Means untuk melakukan pembagian kelompok pada pelanggan berdasarkan pola transaksi. Data yang digunakan adalah data transaksi pasien selama bulan April 2026. Hasil segmentasi digunakan sebagai dasar dalam menentukan strategi pelayanan yang sesuai bagi setiap kelompok pelanggan. Penerapan sistem CRM ini diharapkan dapat meningkatkan efektivitas pengelolaan hubungan pelanggan, serta memberikan kemudahan dalam proses transaksi, konsultasi, penyampaian keluhan, dan mengakses layanan informasi secara lebih cepat, efektif, dan efisien.

Keywords

Customer Relationship Management; Clustering; K-Means Algorithm; RFM; Website

References

A. Ramadian, L. Judijanto, and E. Erwin, Customer Relationship Management (CRM): Strategi Membangun Hubungan Pelanggan yang Kuat. PT. Green Pustaka Indonesia, 2025.

C. R. Management, Teori & Praktek.

D. A. N. Keuangan, A. S. Akbar, and S. S. Iriani, “A Systematic Literature Review on the Effectiveness of Customer Relationship Management in Building Customer Loyalty in the Digital Era,” vol. 9, no. 2, pp. 107–128, 2025, doi: 10.26740/jpeka.v9n2.p107-128.

M. Afdal and A. Marsal, “Business to Business Customer Loyalty Analysis Based on RFM Model Using Fuzzy C-Means Algorithm Analisis Loyalitas Pelanggan Business To Business Berdasarkan Model RFM Menggunakan Algoritma Fuzzy C-Means,” vol. 4, no. April, pp. 359–365, 2024.

R. M. Fauzan and G. Alfian, “Segmentasi Pelanggan E-Commerce Menggunakan Fitur Recency , Frequency , Monetary ( RFM ) dan Algoritma Klasterisasi K-Means,” vol. 9, no. 3, pp. 170–177, 2024.

M. Shodikin and N. Taniasari, “Comparative Analysis of DBSCAN and K-Means Algorithms in Inpatient Patient Segmentation Using the RFMT Model Approach Analisis Komparasi Algoritma DBSCAN dan K-Means dalam Pemetaan Segmentasi Pasien Rawat Inap Menggunakan Model RFMT,” vol. 5, no. October, pp. 1231–1241, 2025.

A. Yusak, N. Rumapea, D. Pratiwi, and S. Sari, “Analisis Segmentasi Pelanggan Ritel Online Menggunakan K-Means Clustering Berdasarkan Model Recency , Frequency , Monetary ( RFM ),” vol. 6, no. 3, pp. 292–299, 2024.

R. D. Nugraha, D. D. Adelia, and D. Rivaldi, “Segmentasi Pelanggan Retail Berbasis Perilaku menggunakan Algoritma K- Means Clustering,” vol. 5, no. 2, pp. 141–148, 2025.

R. Azhari, D. Hartama, M. R. Lubis, D. F. Nasution, and A. P. Windarto, “Analisis Penerapan Data Mining Terhadap Kasus Positif Covid-19 Menggunakan Metode K-Means Clustering,” vol. 3, no. 2, pp. 221–235, 2023, doi: 10.47065/jieee.v3i2.1760.

N. Hendrastuty, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa,” vol. 3, pp. 46–56, 2024.

A. Yahya and R. Kurniawan, “Implementation of K-Means Algorithm for Clustering Sales Data Based on Sales Patterns Implementasi Algoritma K-Means untuk Pengelompokan Data Penjualan Berdasarkan Pola Penjualan,” vol. 5, no. January, pp. 350–358, 2025.

D. Bahtiar et al., “Scientia Sacra : Jurnal Sains , Teknologi dan Masyarakat PEMETAAN PENDUDUK PENERIMA BANTUAN SOSIAL DESA WARU JAYA MENGGUNAKAN ALGORITMA K-MEANS,” vol. 3, no. 2, pp. 29–39, 2023.

J. Homepage, M. F. Fadhillah, A. Lovely, A. Suyoso, and I. Puspitasari, “MALCOM: Indonesian Journal of Machine Learning and Computer Science Customer Segmentation with Clustering Algorithm Based on Recency, Frequency, and Monetary (RFM) Attributes Segmentasi Pelanggan dengan Algoritma Clustering Berdasarkan Atribut Recency, Fr,” vol. 5, no. 1, pp. 48–56, 2025.

A. Jihan, W. Prihartono, and K. Cirebon, “Konsumen K-Means Berdasarkan Model Rfm,” JITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 13, no. 2, pp. 780–788, 2025.

M. Z. Abdillah, Dasar Pemrograman Web Menggunakan Php Dan Mysql. Uwais Inspirasi Indonesia, 2024.

J. M. Polgan et al., “Perancangan Sistem Informasi Managemen Cuti Karyawan Pada PT SuMoIn dengan Menggunakan PHP dan MYSQL,” vol. 14, no. 13, pp. 442–451, 2025.

M. B. Wibawa, M. Purnandi, P. Informatika, F. Sains, and U. U. Indonesia, “PERANCANGAN SISTEM MONITORING DAN EVALUASI KEUANGAN BERBASIS WEB PADA BAGIAN PERENCANAAN DAN KEUANGAN PADA KABUPATEN PIDIE Design Of A Web-Based Financial Monitoring And Evaluation System In The Planning And Finance Division Of Pidie Regency,” vol. 11, no. 1, pp. 24–30, 2025.

N. Nirsal et al., Buku ajar Analisis dan Perancangan Sistem. PT. Sonpedia Publishing Indonesia, 2025.

Dimensions, PlumX, and Google Scholar Metrics

Refbacks

There are currently no refbacks.

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi

Published by Technic Faculty of Nurul Jadid University, Probolinggo, East Java, Indonesia.

Username
Password
Remember me