Aplikasi Pengelompokan Pelanggan Menggunakan Metode Ward dan Algoritma K-Means

Authors

  • Latifah Hannum Politeknik Caltex Riau
  • Dini Hidayatul Qudsi Politeknik Caltex Riau
  • Dewi Hajar Politeknik Caltex Riau

Abstract

Pada zaman sekarang, pelanggan adalah aset terpenting suatu perusahaan. Semua pelanggan mendapatkan pelayanan yang sama dan terbaik dari perusahaan tetapi masih ada pelanggan yang berhenti melakukan transaksi. Hal tersebut terjadi karena kebutuhan pelanggan yang berbeda-beda belum dapat dipenuhi perusahaan karena perusahaan memberikan pelayanan yang sama kepada semua pelanggan. Adapun solusi yang dapat dilakukan yaitu melakukan pengelompokan pelanggan dan menentukan karakteristik dari setiap kelompok pelanggan. Pengelompokan pelanggan dapat diketahui menggunakan clustering. Data yang digunakan untuk proses clustering adalah nilai setiap pelanggan yang terdiri dari variabel length, recent, frequency dan monetary, setelah mendapatkan nilai pelanggan maka selanjutnya melakukan proses clustering dengan metode ward untuk menentukan jumlah kelompok dan algoritma k-means untuk menentukan jumlah pelanggan dari setiap kelompok, lalu setiap kelompok dipetakan dengan customer loyalty matrix dan customer value matrix sehingga mengetahui karakteristik setiap kelompok pelanggan. Hasil yang didapatkan adalah 2 kelompok pelanggan dengan karakteristik high value new customers dan uncertain new customers. Pengujian menggunakan perbandingan kesesuaian perhitungan metode di aplikasi dengan SPSS menghasilkan nilai yang sama sehingga hasil perhitungan metode di aplikasi telah valid dan pengujian user acceptance test adalah semua kebutuhan pengguna telah terpenuhi dan aplikasi sudah diterima pengguna. Berdasarkan hasil tersebut maka aplikasi dapat membantu pengguna untuk mengelompokkan pelanggan dan menentukan karakteristik setiap kelompok pelanggan.Kata kunci : Kelompok Pelanggan, Karakteristik Pelanggan, Clustering, Metode Ward, Algoritma K-Means

Author Biographies

Latifah Hannum, Politeknik Caltex Riau

Sistem Informasi

Dini Hidayatul Qudsi, Politeknik Caltex Riau

Sistem Informasi

Dewi Hajar, Politeknik Caltex Riau

Sistem Informasi

References

Dewi, D. P., “Evaluasi dan Rekomendasi Peningkatan Nilai Hidup Pelanggan Berdasarkan Analisa RFM Perilaku Pembelian Pelanggan : Studi Kasus PT.XYZ”, Jurnal Teknik POMITS, 2013.

Han, J., Kamber, M., & Pei, J.,” Data Mining Concepts and Techniques Third Edition”, California: Morgan Kauffman, 2012.

Hendrawan, R.A, “Evaluasi Loyalitas Pelanggan Distributor Produk Etikal Farmasi Berdasarkan Nilai Pelanggan”, Jurnal Sistem Informasi Institut Sepuluh Nopember, Surabaya, 2015.

Laeli, S., “Analisis Cluster dengan Average Linkage Method dan Ward’s Method untuk Data Responden Nasabah Asuransi Jiwa Unit Link”, Yogyakta: Universitas Negeri Yogyakarta, 2014

Li, D. C., Dai, W. L., & Tseng, W. T, “A Two Stage Clustering Method to Analyze Customer Characteristics to Build Discriminative Customer Management: A Case of Textile Manufacturing Business”, Elsevier, 2011.

Prayitno, “Penentuan Bidang Konsentrasi Studi Tugas Akhir Berdasarkan Nilai Matakuliah Dengan Klasterisasi Kmeans”, Teknik Informatika, Politeknik Elektronika Negeri Semarang, 2009.

Pujiati, S. A., “Keputusan Bisnis Dalam R”, Surabaya: Berbagi .NET, 2010.

Santosa, B.,“Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis”, Graha Ilmu, Yogyakarta, 2007.

Santoso, S., “Statistik Multivariat”, Jakarta: PT Elex Media Komputindo, 2010.

Sumathi, S., & Sivanandam, S., “Introduction to Data Mining and Its Applications”. India: Springer, 2006.

Tan, P., Steinbach, M., & Kumar, V, “Introduction to Data Mining”, Pearson Education, Inc., 2006.

Published

2017-12-18

Issue

Section

Artikel