Data transaksi konsumen RG Promosindo masih belum dimanfaatkan secara optimal. Berdasarkan hal tersebut, maka diperlukan upaya agar data tersebut dapat lebih bermanfaat. Upaya dilakukan melalui data mining (clustering) sehingga didapatkan pengetahuan baru yang dapat dimanfaatkan untuk strategi pemasaran yang tepat dan efektif. Penelitian ini bertujuan untuk mengetahui pola cluster yang dihasilkan dari algoritma K-Medoids untuk segmentasi konsumen berdasarkan model RFM (Recency, Frequency, Monetary) dan untuk mengetahui kualitas cluster yang dihasilkan dari algoritma K-Medoids untuk segmentasi konsumen menggunakan metode sillhouette coefficient. Hasil dari penelitian didapatkan bahwa pola cluster yang terbentuk dapat berbeda-beda, hal tersebut terjadi karena dipengaruhi oleh pusat cluster yang terpilih secara acak (random) saat bersamaan inisiasi awal jumlah cluster (K). Hasil akhir dari pola cluster yang terbentuk pada K=2, K=3, K=4, K=5, dan K=6 didapatkan nilai silhouette coefficient terbaik yaitu pada K=2 dengan nilai 0,965 termasuk strong structure. Pola cluster K=2 yang terbentuk yaitu cluster pertama memiliki 10577 anggota cluster (konsumen) termasuk kelas konsumen everyday shopper dan cluster kedua memiliki 101 anggota cluster (konsumen) termasuk kelas konsumen superstar. Berdasarkan pola cluster dengan nilai sillhouette coefficient terbaik tersebut maka segmentasi konsumen pada penelitian ini dibagi menjadi 2 (dua) segmen.

Kata Kunci : K-Medoids, Silhouette Coefficient, Segmentasi Konsumen, Model RFM