<![CDATA[AbstrakSelain harus bersaing dengan dealer lain, kenjeran Auto2000 juga harus bersaing dengan cabang Auto2000 lainnya. Salah satu strategi yang digunakan untuk memenangkan persaingan adalah melalui penerapan segmentasi pelanggan. Saat ini kenjeran Auto2000 belum memiliki mekanisme segmentasi pelanggan, permasalahan yang dihadapi adalah tidak dapat mengklasifikasikan pelanggan karena jumlah datanya yang besar dan belum ada alat yang mendukung segmentasi. Berdasarkan permasalahan tersebut, maka diusulkan solusi aplikasi segmentasi pelanggan yang dapat membantu kenjeran Auto2000 melakukan segmentasi. Untuk mengetahui karakteristik pelanggan digunakan model RFM. Sedangkan metode K-Means digunakan untuk melakukan segmentasi, namun metode ini memiliki kelemahan yaitu sulit untuk menentukan jumlah cluster yang terbaik. Untuk mengatasi masalah ini, metode Koefisien Silhouette digunakan. Metode ini digunakan untuk membantu metode K-Means dalam menentukan jumlah cluster terbaik yang akan digunakan. Berdasarkan hasil pengujian, aplikasi telah berjalan sesuai fungsinya yaitu mampu mengelompokkan pelanggan menjadi beberapa kelompok dan menemukan kelompok pelanggan potensial.Kata Kunci: segmentasi pelanggan, k-means clustering, RFM, silhouette coefficient AbstractBesides having to compete with other dealers, Auto2000 kenjeran also had to compete with other Auto2000 branches. One of the strategies used to win the competition is through the implementation customer segmentation. Currently Auto2000 kenjeran does not have a customer segmentation mechanism, the problem faced is that it cannot classify customers because of the large amount of data and there are no tools that support segmentation. Based on these problems, a customer segmentation application solution is proposed that can help Auto2000 kenjeran perform segmentation. To determine the characteristics of the customer, the RFM model is used. While the K-Means method is used to perform segmentation, but this method has a weakness, that’s difficult to determine the best number of cluster. To resolve this problem, the Silhouette Coefficient method is used. This method is used to assist the K-Means method in determining the best number of cluster that will be used. Based on the test results, the application has been running according to its function, which is able to group customers into several groups and to find groups of potential customers. Keywords: customer segmentation, k-means clustering, RFM, silhouette coefficient]]>
