IMPLEMENTASI LENGTH, RECENCY, FREQUENCY, ANDMONETERY ( LRFM ) DENGAN ALGORITMA K-MEANS UNTUK SEGMENTASI PELANGGAN PLN UP3 PALU

ABSTRAK
Penelitian ini bertujuan untuk melakukan segmentasi pelanggan pada PLN UP3
Palu berdasarkan karakteristik perilaku pelanggan menggunakan model Length,
Recency, Frequency, dan Monetary serta metode K-Means Clustering. Latar
belakang penelitian ini didasarkan pada kebutuhan PLN dalam mengelola
pelanggan yang memiliki karakteristik beragam, sehingga diperlukan pendekatan
berbasis data untuk meningkatkan efektivitas pelayanan dan pengelolaan
pendapatan. Model LRFM digunakan untuk memberikan gambaran komprehensif
terkait hubungan pelanggan, aktivitas transaksi, frekuensi interaksi, serta nilai
kontribusi ekonomi pelanggan.
Data yang digunakan dalam penelitian ini merupakan data historis pelanggan
PLN UP3 Palu periode tahun 2025. Tahapan penelitian meliputi pengolahan data,
perhitungan variabel LRFM, normalisasi menggunakan metode Min-Max, serta
proses clustering menggunakan algoritma K-Means. Hasil clustering menghasilkan
beberapa kelompok pelanggan dengan karakteristik yang berbeda, seperti
pelanggan dengan tingkat loyalitas tinggi, pelanggan potensial, serta pelanggan
dengan risiko rendah hingga tinggi.
Hasil penelitian menunjukkan bahwa penerapan model LRFM dengan metode
K-Means mampu mengelompokkan pelanggan secara efektif berdasarkan
kemiripan karakteristik, sehingga memberikan informasi yang lebih terstruktur bagi
PLN UP3 Palu. Sistem yang dibangun juga mampu menampilkan hasil segmentasi
dalam bentuk dashboard berbasis web yang memudahkan proses analisis dan
pengambilan keputusan. Dengan demikian, hasil segmentasi pelanggan ini dapat
dimanfaatkan sebagai dasar dalam penyusunan strategi pelayanan, peningkatan
kualitas layanan, serta optimalisasi pengelolaan pelanggan berbasis data.

Kata kunci: Segmentasi Pelanggan, LRFM, K-Means, Clustering, PLN UP3 Palu