Klasterisasi Donatur Lembaga Sosial Menggunakan Algoritma K-Means Berbasis RFM Dengan Evaluasi Silhouette dan Davies–Bouldin

Abstract

Donatur memiliki peran penting dalam mendukung keberlangsungan lembaga sosial, namun banyak organisasi belum memiliki sistem analisis yang efektif untuk memahami perilaku donasi. Penelitian ini bertujuan mengelompokkan donatur Pais Foundation menggunakan algoritma K-Means yang dipadukan dengan model RFM (Recency, Frequency, Monetary). Data primer diperoleh dari website resmi Pais Foundation periode 5 Januari–31 Desember 2024. Tahapan penelitian meliputi pengumpulan, pembersihan, transformasi data ke format RFM, normalisasi dengan metode Z-Score, serta klasterisasi menggunakan perangkat lunak RapidMiner. Jumlah klaster optimal ditentukan dengan metode Davies-Bouldin Index (DBI) dan menghasilkan lima kelompok donatur: Pasif, Sekali, Loyal, Rutin, dan Aktif. Kebaruan penelitian ini terletak pada integrasi RFM dengan algoritma K-Means yang dioptimalkan melalui DBI dalam konteks lembaga sosial di Indonesia. Pendekatan ini jarang diterapkan pada organisasi nirlaba lokal sehingga memberikan kontribusi praktis berupa model segmentasi donatur yang lebih akurat. Hasil penelitian menunjukkan perbedaan karakteristik tiap kelompok dalam hal frekuensi, waktu terakhir donasi, dan jumlah kontribusi. Temuan ini dapat digunakan Pais Foundation untuk merancang strategi penggalangan dana yang lebih efektif dan personal.