Pelanggan merupakan salah satu elemen penting dalam ruang lingkup penjualan barang maupun jasa karena keuntungan yang didapatkan oleh perusahaan atau pembisnis lainnya yaitu utamanya bersumber dari transaksi yang dilakukan oleh pelanggan. Perusahaan yang memiliki banyak pelanggan
serta melakukan cukup banyak transaksi setiap harinya, sangat ditekankan untuk melakukan segmentasi pelanggan. Banyaknya data akan membutuhkan waktu cukup lama dalam penentuan segmentasi pelanggan. Banyaknya atribut
pada data juga menyebabkan perusahaan harus menseleksi terlebih dahulu, atribut mana yang akan digunakan sebagai parameter. Pada penelitian ini dilakukan pembuatan aplikasi yang di dalamnya terdapat mengimplementasikan algoritma k-menas dan metode RFM (Recency, Frequency, Monetary) sehinggga waktu yang digunakan untuk penentuan segmentasi pelanggan lebih efisien. Algoritma k-means digunakan untuk mengelompokkan (Klasterisasi) data pelanggan dan metode RFM sebagai parameter variabel yang akan digunakan. Dataset penjualan yang digunakan pada penelitian ini adalah data
dari perusahaan Kimia Farma Trading & Distribution selama lima bulan. Data penjualan diklasterisasi dengan set tiga klaster, menghasilkan hasil pada klaster satu 54 anggota, klaster dua 24 anggota dan klaster tiga 163 anggota. Untuk
pengujian nilai optimalisasi klaster yang telah dilakukan yaitu menggunakan Davies Bouldin Index (DBI). Proses perhitungan dari nilai DBI sebesar 0,96 sehingga bisa disimpulkan kualitas klaster yang telah dilakukan memiliki kulalitas cukup baik.

Customer is one of the most important elements in the selling of goods and services because the profit generated by the companies or business leaders. The high prescriptive rate for customers with a high data will take considerable
time in determining customer rates as in selecting data which attributes should be desired first as parameters to study and where algorithms K-Means has been developed and RFM methods (recancy, frequency Monetary) until factor is used by customers more efficiently. K-means algorithm is used systemizing the customer and RFM's Methode of data as using variable. The salable assets used in this study are data from the chemical Farma's company trading was
authenticated over five months of sales data cataloged by a three-cluster set, producing results on cluster one 54 members. Cluster two 24 members and an imster three 163 members. For testing the optimized composite values that have been done using Davies Bouldin Index (DBI). Counting process of DBI as about 0.96 to the quality conclusion has been done better