Analisis Segmentasi Pasar Berdasarkan Penjualan Produk Menggunakan Metode Clustering K-Means, K-Medoids Dan Agglomerative Hierarchical Clustering

Arvi, Reza Nur (2024) Analisis Segmentasi Pasar Berdasarkan Penjualan Produk Menggunakan Metode Clustering K-Means, K-Medoids Dan Agglomerative Hierarchical Clustering. Masters thesis, Universitas Komputer Indonesia.

	Text UNIKOM_Reza Nur Arvi_Cover.pdf - Published Version Download (46kB)
	Text UNIKOM_Reza Nur Arvi_Lembar Pengesahan.pdf - Published Version Download (779kB)
	Text UNIKOM_Reza Nur Arvi_Surat Keterangan Persetujuan Publikasi.pdf - Published Version Download (234kB)
	Text UNIKOM_Reza Nur Arvi_Lembar Pernyataan.pdf - Published Version Download (473kB)
	Text UNIKOM_Reza Nur Arvi_Kata Pengantar.pdf - Published Version Download (81kB)
	Text UNIKOM_Reza Nur Arvi_Daftar Isi.pdf - Published Version Download (122kB)
	Text UNIKOM_Reza Nur Arvi_Bab I.pdf - Published Version Download (220kB)
	Text UNIKOM_Reza Nur Arvi_Bab II.pdf - Published Version Download (731kB)
	Text UNIKOM_Reza Nur Arvi_Bab III.pdf - Published Version Restricted to Repository staff only Download (121kB) | Request a copy
	Text UNIKOM_Reza Nur Arvi_Bab IV.pdf - Published Version Restricted to Repository staff only Download (998kB) | Request a copy
	Text UNIKOM_Reza Nur Arvi_Bab V.pdf - Published Version Download (17kB)
	Text UNIKOM_Reza Nur Arvi_Daftar Pustaka.pdf - Published Version Download (163kB)
	Text UNIKOM_Reza Nur Arvi_Kontak Penulis dan Kontributor.pdf - Published Version Download (114kB)

Abstract

Jiwalu merupakan toko yang beroperasi di bidang kartu dan voucher perdana data/internet broadband, electronic, networking, gadget, accessories komputer & handphone, packaging dan pertukangan. Pengelolaan penjualan produk terhadap pasar merupakan faktor yang sangat penting pada kesuksesan toko. Namun setiap produk memiliki penjualan yang berbeda, sehingga perlu dilakukan analisis segmentasi pasar yaitu dengan cara mengelompokan produk dan mengidentifikasi segmen-segmen pada pasar. Penelitian ini dilakukan untuk mengoptimalkan strategi pemasaran dalam mengambil keputusan yang strategis sesuai dengan segmen pasar yang berbeda untuk lebih memahami kebutuhan, perilaku, dan karakteristik pelanggan. Metode yang digunakan pada segmentasi pasar adalah metode K-Means, K-Medoids dan AHC termasuk tipe metode clustering (pengelompokan). Segmentasi pasar berdasarkan penjualan produk dilakukan pada 6 dataset penjualan toko Jiwalu dan atribut yang dipilih yaitu tanggal pembelian, nama produk, metode pembelian, jumlah, harga dan tipe produk. Tool yang digunakan adalah software RStudio dan Microsoft Excel. Penentuan jumlah cluster optimal menggunakan metode Elbow dan metode Silhouette sedangkan evaluasi model menggunakan DBI, Silhouette Score, Average within dan Between dan Rasio Simpangan Baku. Hasil penelitian diperoleh 3 segmentasi pasar yaitu transaksi harga rendah, sedang dan tinggi. Di antara ketiga metode clustering, AHC menunjukkan kinerja yang lebih baik dalam hal Rasio Simpangan Baku dan Silhouette Score untuk beberapa cluster, sedangkan K-Means berkinerja baik pada Average Between, Silhouette Score untuk cluster lainnya, dan DBI k=3. Sementara itu, K-Medoids menunjukkan hasil yang lebih baik pada nilai Average Within dan DBI. Metode K-Means membutuhkan waktu eksekusi yang lebih lama dibanding K-Medoids dan AHC. Penerapan teknik clustering ini secara signifikan dapat meningkatkan segmentasi pasar dan strategi pemasaran toko Jiwalu.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Segmentasi Pasar, K-Means, K-Medoids, Agglomerative Hierarchical Clustering, Metode Elbow, Metode Sillhouette, Silhouette Score, Average Within dan Between, Rasio Simpangan Baku, DBI.
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science Q Science > QA Mathematics > QA76 Computer software
Divisions:	S2 PASCA SARJANA > S2_Magister Sistem Informasi (51)
Depositing User:	Mia Mia Hayati Kosasih
Date Deposited:	15 May 2025 03:56
Last Modified:	15 May 2025 03:56
URI:	http://elibrary.unikom.ac.id/id/eprint/10229

Actions (login required)

View Item