METODE CLUSTERING DENGAN MODEL RFM DAN ALGORITMA K-MEANS UNTUK SEGMENTASI PELANGGAN TRANSJAKARTA

Abstract

Jakarta menghadapi tantangan besar dalam menyediakan transportasi umum yang efektif. Transjakarta sebagai moda angkutan massal berbasis sistem transit menjadi solusi utama dalam memenuhi kebutuhan mobilitas masyarakat. Namun, peningkatan kualitas layanan masih terkendala oleh kurangnya pemahaman terhadap perilaku pelanggan. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan Transjakarta guna mendukung strategi pelayanan yang lebih tepat sasaran. Metode yang digunakan adalah model RFM (Recency, Frequency, Monetary) untuk mengukur perilaku pengguna, serta algoritma K-Means untuk mengelompokkan pelanggan berdasarkan kemiripan karakteristik. Jumlah cluster optimal ditentukan menggunakan metode Elbow, Silhouette Score, dan Davies-Bouldin Index. Hasil menunjukkan model tujuh cluster memberikan nilai Silhouette Score sebesar 0.789 dan Davies-Bouldin Index sebesar 0.303, yang menunjukkan kualitas pemisahan dan kepadatan cluster yang baik. Segmentasi menghasilkan tujuh kelompok pelanggan: Aktif, Rutin, Jarang, Sering Terjadi, Terbatas, Hemat, dan Minim. Dengan hasil ini, Transjakarta dapat menyusun strategi layanan yang lebih adaptif dan berkelanjutan, sesuai karakteristik dan kebutuhan tiap segmen pelanggan.