ANALISIS SEGMENTASI PELANGGAN VOUCHER WIFI DENGAN METODE K-MEANS

Authors

  • Fahmi Naufal STIMIK IKMI CIREBON
  • Martanto STMIK IKMI Cirebon
  • Arif Rinaldi Dikananda STMIK IKMI Cirebon
  • Dede Rohman STMIK IKMI Cirebon

DOI:

https://doi.org/10.51401/jinteks.v7i1.5169

Keywords:

K-Means Clustering, Segmentasi Pelanggan, Analisis Data Penjualan, Strategi Pemasaran, Davies-Bouldin Index

Abstract

AirNet Teknologi, yang bergerak di bidang konsultasi komputer dan penyedia layanan internet WiFi, melakukan penelitian untuk menerapkan teknik clustering menggunakan algoritma K-Means dalam menganalisis data penjualan voucher WiFi di cabang Talun dari 31 Oktober 2023 hingga 31 April 2024. Penelitian ini bertujuan untuk mengidentifikasi pola pembelian pelanggan berdasarkan jenis paket, durasi penggunaan, dan harga, guna meningkatkan strategi pemasaran perusahaan. Dataset yang dianalisis mencakup detail transaksi seperti tanggal, jenis produk, durasi penggunaan, dan total pembayaran. Proses analisis dilakukan menggunakan RapidMiner Studio dengan tahapan Knowledge Discovery in Database (KDD), termasuk seleksi data, praproses, dan evaluasi hasil clustering menggunakan Davies-Bouldin Index (DBI). Hasil menunjukkan jumlah klaster optimal adalah K = 6 dengan nilai DBI 0.182, menandakan kualitas clustering yang baik. Pelanggan dikelompokkan ke dalam enam klaster dengan karakteristik berbeda, yang dapat digunakan untuk menargetkan promosi dan program loyalitas. Penelitian ini menekankan pentingnya analisis data dalam pengambilan keputusan strategis, memungkinkan AirNet Teknologi untuk menyusun strategi pemasaran yang lebih efektif, meningkatkan kepuasan pelanggan, dan memperkuat posisinya di pasar layanan WiFi.

References

M. Muhammad Syam Al ghifari and Umi Hayati, “Pengelompokan Transaksi Penjualan Aksesoris Hp Dan Pulsa Dengan Metode K-Means Untuk Meningkatkan Strategi,” vol. 8, no. 3, pp. 2838–2849, 2024.

T. S. Hafshoh Habiballoh, Ahmad Faqih, “IMPLEMENTASI ALGORITMA K-MEANS DALAM,” vol. 12, no. 2, 2024.

B. E. Adiana, I. Soesanti, and A. E. Permanasari, “Analisis Segmentasi Pelanggan Menggunakan Kombinasi Rfm Model Dan Teknik Clustering,” J. Terap. Teknol. Inf., vol. 2, no. 1, pp. 23–32, 2018, doi: 10.21460/jutei.2018.21.76.

E. E. Ananto, “Di Provinsi Sumatera Selatan,” vol. 8, no. 3, pp. 3910–3915, 2007.

D. Putri Adilah Asih, B. Irawan, and A. Bahtiar, “Pengelompokan Data Transaksi Dalam Menentukan Strategi Penjualan Menggunakan Algoritma K-Means,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 141–147, 2024, doi: 10.36040/jati.v8i1.8321.

N. Suarna and Y. Arie Wijaya, “ANALISA PENERAPAN METODE CLUSTERING K-MEANS UNTUK PENGELOMPOKAN DATA TRANSAKSI KONSUMEN (Studi Kasus: Cv. Mitra Indexindo Pratama),” J. Mhs. Tek. Inform., vol. 7, no. 2, pp. 1322–1328, 2023.

I. Ariati, R. N. Norsa, L. Akhsan, and J. Heikal, “Segmentasi Pelanggan Menggunakan K-Means Clustering Studi Kasus Pelanggan Uht Milk Greenfield,” Cerdika J. Ilm. Indones., vol. 3, no. 7, pp. 729–743, 2023, doi: 10.59141/cerdika.v3i7.639.

D. T. Daniel, S. Fauziah, and M. Danny, “Pengelompokan Penerimaan Mahasiswa Baru Dengan Algoritma K-Means Untuk Meningkatkan Potensi Pemasaran,” Bull. Inf. Technol., vol. 4, no. 3, pp. 294–298, 2023, doi: 10.47065/bit.v4i3.732.

B. Nurhakim, I. Septiani, K. Anam, and D. Pratama, “Penarapan Algoritma K-Means Clustering Dalam Menganalisis Resiko Penyakit Stroke,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 318–322, 2024, doi: 10.36040/jati.v8i1.8452.

N. Afiasari, N. Suarna, and N. Rahaningsi, “Implementasi Data Mining Transaksi Penjualan Menggunakan Algoritma Clustering dengan Metode K-Means,” J. SAINTEKOM, vol. 13, no. 1, pp. 100–110, 2023, doi: 10.33020/saintekom.v13i1.402.

Y. Christian and K. O. Y. R. Qi, “Penerapan K-Means pada Segmentasi Pasar untuk Riset Pemasaran pada Startup Early Stage dengan Menggunakan CRISP-DM,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 4, p. 966, 2022, doi: 10.30865/jurikom.v9i4.4486.

N L G P Suwirmayanti and I. G. A. D. Saryanti, “Penerapan Teknik Clustering Untuk Pengelompokan Konsetrasi Mahasiswa Dengan Metode K-Means,” Sintesa, pp. 519–526, 2019, [Online]. Available: http://jurnal.undhirabali.ac.id/index.php/sintesa/article/view/884

K. Handoko, “Penerapan Data Mining Dalam Meningkatkan Mutu Pembelajaran Pada Instansi Perguruan Tinggi Menggunakan Metode K-Means Clustering (Studi Kasus Di Program Studi Tkj Akademi Komunitas Solok Selatan),” J. Teknol. dan Sist. Inf., vol. 02, no. 03, pp. 31–40, 2016, [Online]. Available: http://teknosi.fti.unand.id/index.php/teknosi/article/view/70

A. S. P. Nisriina Nuur Hasanah, “IMPLEMENTASI DATA MINING UNTUK PENGELOMPOKAN BUKU MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING,” vol. 4, no. 2, pp. 300–311, 2022.

N. Ahsina, F. Fatimah, and F. Rachmawati, “Analisis Segmentasi Pelanggan Bank Berdasarkan Pengambilan Kredit Dengan Menggunakan Metode K-Means Clustering,” J. Ilm. Teknol. Infomasi Terap., vol. 8, no. 3, 2022, doi: 10.33197/jitter.vol8.iss3.2022.883.

Published

2025-02-10

How to Cite

[1]
Fahmi Naufal, Martanto, Arif Rinaldi Dikananda, and D. Rohman, “ANALISIS SEGMENTASI PELANGGAN VOUCHER WIFI DENGAN METODE K-MEANS”, JINTEKS, vol. 7, no. 1, pp. 81-90, Feb. 2025.

Issue

Vol. 7 No. 1 (2025): EDISI 23

Section

Articles

Copyright (c) 2025 Fahmi Naufal, Martanto, Arif Rinaldi Dikananda, Dede Rohman

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.