Analisis Clustering dan Pemetaan Sebaran Pelanggan Perusahaan Properti di Sidoarjo

Apriliani Nur Afifah, Vivine Nurcahyawati, Valentinus Roby Hananto

Abstract


Strategi pemasaran selalu diterapkan pada perusahaan yang bertujuan untuk melakukan penjualan sebanyak-banyaknya dengan margin yang tinggi yang didukung oleh promosi yang menarik. Tentunya dengan melakukan promosi yang menarik memerlukan anggaran yang tinggi. Didapatkan data bahwa anggaran untuk pemasaran yang telah dilakukan mencapai 4% dari total omzet yang dimiliki. Hal tersebut dinilai bahwa pemasaran yang dilakukan kurang optimal, tidak terencana, dan menyebabkan kerugian. Hal ini terjadi karena belum adanya penetapan strategi pemasaran berdasarkan kondisi sebaran pelanggannya. Oleh karena itu, diperlukan adanya pengelompokan pelanggan melalui data mining dengan menerapkan metodologi CRISP-DM. Adapun algoritma yang digunakan adalah K-Means Clustering dari data historikal pelanggan agar dapat menciptakan strategi marketing yang benar dan tepat sasaran. Tujuan penelitian ini adalah melakukan analisis clustering sebaran pelanggan untuk mengetahui segmentasi pelanggan. Kontribusi dari penelitian ini berupa pemetaan persebaran pelanggan dari hasil clustering data mining agar mudah dipahami oleh pengguna sehingga dapat dijadikan sebagai acuan untuk melakukan strategi marketing. Dengan menerapkan metode Elbow dan Algoritma K-Means Clustering pada penelitian ini dapat menyelesaikan masalah segmentasi pelanggan dimana pengujian akurasi menggunakan model silhouette score atas hasil 3 cluster menghasilkan nilai 0.959 yang berarti cluster tersebut optimal atau bernilai sangat baik sehingga dapat membantu divisi Marketing dalam mempromosikan produk lebih terarah.


Keywords


Clustering; K-Means; Pemetaan; Persebaran Pelanggan; Data mining

Full Text:

PDF

References


P. W. Nofiani dan M. C. Mursid, “Pentingnya Perilaku Organisasi Dan Strategi Pemasaran Dalam Menghadapi Persaingan Bisnis Di Era Digital,” Jurnal Logistik Bisnis, vol. XI, no. 2, pp. 71-77, 2021.

M. Riadi, J. Kamase dan M. , “Pengaruh Harga, Promosi Dan Kualitas Layanan Terhadap Kepuasan Konsumen Mobil Toyota (Studi Kasus Pada PT. Hadji Kalla Cabang Alauddin),” Journal of Management Science (JMS), vol. II, no. 1, pp. 41-60, 2021.

N. Y. I. Astana, G. A. C. Dharmayanti dan V. B. Delarant, “Analisis Keberhasilan Pengembangan Proyek Properti Komersial Bangunan Campuran,” Jurnal Spektran, vol. VII, no. 1, p. 65 – 74, 2019.

S. Aliami, B. Muslih, Zulistiani dan R. Sardanto, “Analisis Segmenting, Targeting, dan Positioning pada Batik Tulis Ningrat Prasojo,” Jurnal Penelitian Manajemen Terapan (PENATARAN), vol. VII, no. 1, pp. 67-78, 2022.

C. Khairunnisa, “Segmentasi Pasar Berdasarkan Psikografi Pada Konsumen Produk “Bali Ratih” di Kota Malang,” Jurnal Ilmiah Mahasiswa FEB, vol. V, no. 2, pp. 1-14, 2017.

S. P. Tualeka, F. Alameka dan N. W. W. Sari, “Implementasi Data Mining Untuk Memprediksi Penjualan Dan Penempatan Stok Barang Pada CV Pasti Jaya Houseware menggunakan Algoritma Apriori,” SEMINASTIKA, pp. 115-123, 2021.

D. Feblian dan D. U. Daihani, “Implementasi Model Crisp-Dm Untuk Menentukan Sales Pipeline pada PT X,” Jurnal Teknik Industri, pp. 1-12, 202.

M. A. Hasanah, S. Soim dan A. S. Handayani, “Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir,” Journal of Applied Informatics and Computing (JAIC), vol. V, no. 2, p. 103~108, 2021.

E. Luthfi dan A. W. Wijayanto, “Analisis perbandingan metode hirearchical, k-means, dan k-medoids clustering dalam pengelompokkan indeks pembangunan manusia Indonesia,” Journals of Economics and Business Mulawarman (JEBM), vol. IV, no. 17, pp. 761-773, 2021.

A. D. Savitri, F. A. Bachtiar dan N. Y. Setiawan, “Segmentasi Pelanggan Menggunakan Metode K-Means Clustering Berdasarkan Model RFM Pada Klinik Kecantikan (Studi Kasus : Belle Crown Malang),” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. II, no. 9, pp. 2957-2966, 2018.

C. U. Joseph R. Erskine, Developing Cyberspace Data Understanding Using CRISP-DM for Host IDS Feature Mining (Thesis), Ohio: Air Force Institute of Technology, 2010.

Asroni & A. Ronaldo, “Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Magelang,” Jurnal Ilmiah Semesta Teknika, vol. I, no. 18, p. 76–82, 2015.

B. Poerwanto & R. Y. Fa’rifah, “ Analisis Cluster K-Means Dalam Pengelompokan Kemampuan Mahasiswa,” Indonesian Journal Of Fundamental Sciences, vol. II, no. 2, p. 92–96, 2016.

A. T. Rahman, Wiranto dan R.Anggrainingsih, “Coal Trade Data Clustering Using K-Means (Case Study PT. Global Bangkit Utama),” ITSMART: Jurnal Teknologi Dan Informasi, vol. I, no. 6, p. 24–31, 2017.

I. M. A. W. Putra, G. Indrawan dan K. Y. E. Aryanto, “Sistem Rekomendasi Berdasarkan Data Transaksi Perpustakaan Daerah Tabanan Dengan Menggunakan K-Means Clustering,” Jurnal Ilmu Komputer Indonesia (JIKI), vol. III, no. 1, pp. 18-22, 2018.

E. Irfiani dan S. S. Rani, “Algoritma K-Means Clustering untuk Menentukan Nilai Gizi Balita,” Justin : Jurnal Sistem dan Teknologi Informasi, vol. VI, no. 4, pp. 165-172, 2018.

M. Anggara, H. Sujiani dan H. Nasution, “Pemilihan Distance Measure Pada K-Means Clustering Untuk Pengelompokkan Member Di Alvaro Fitness,” Jurnal Sistem dan Teknologi Informasi (JUSTIN), vol. I, no. 1, pp. 1-6, 2016.




DOI: http://dx.doi.org/10.26418/jp.v9i3.67935

Refbacks

  • There are currently no refbacks.