Klasterisasi Wilayah Pemasaran berdasarkan Preferensi Konsumen terhadap PT. X

Andhika Eko Prasetyo, Ismi Maisaroh

Abstract


PT. X berupaya meningkatkan penjualan dengan menerapkan strategi pemasaran yang tepat guna mempertahankan dan meningkatkan market share. Strategi pemasaran terbagi menjadi beberapa program pemasaran yang tidak bisa dilaksanakan untuk keseluruhan wilayah pemasaran karena membutuhkan sumber daya yang cukup besar. Program Pemasaran akan disesuaikan dengan karakteristik konsumen yang berbeda-beda di masing-masing wilayah pemasaran. Wilayah pemasaran diklasifikasi menjadi beberapa kelompok (klaster) berdasarkan preferensi konsumen terhadap produk dan citra perusahaan. Pelaksanaan program pemasaran akan diterapkan berbeda untuk masing-masing klaster sehingga lebih efisien dari segi biaya dan efektif tepat pada sasaran. Upaya pengelompokan ini dapat dilakukan dengan metode K-Means Clustering. Dalam metode ini ditentukan jumlah kelompok yang akan dibentuk adalah sejumlah 3 (tiga) klaster yaitu Preferensi Positif, Netral, dan Negatif. Masing-masing klaster tersebut telah ditentukan memiliki bagian ruang yang sama dengan pusat klaster yang berbeda antar satu dan lainnya.


Keywords


Wilayah Pemasaran, Klaster, K-Means Clustering, Preferensi Konsumen

Full Text:

PDF

References


Estivill-Castro, V. (2002). "Why so many clustering algorithms: a position paper." SIGKDD Explor. Newsl. 4(1): 65-75.

Kasali, R. (1998). Membidik Pasar Indonesia Segmentasi, Targeting, Positioning. Jakarta, Gramedia Pustaka Utama.

Madura, J. (2006). Introduction To Business, Thomson South West.

Nugroho, A. C. R. (2012). Pengelompokan Posisi Pemain Sepakbola dengan Metode K-Means Clustering. Yogyakarta, Universitas Sanata Dharma.

Permatadevi, M. A. (2013). Karakteristik Pelanggan Telepon Kabel Menggunakan Clustering SOM dan K-Means untuk Mengurangi Kesalahan Klasifikasi Pelanggan Perusahaan Telekomunikasi (Studi Kasus: PT Telkom Mojokerto). Surabaya, Institut Teknologi Sepuluh Nopember.

Putri, C. L. N., Shaufiah, et al. (2010). Implementasi Klasterisasi Menggunakan Algoritma K- Harmonic Means (Studi Kasus Data Pelanggan), Universitas Telkom.

Ramadhani, R. D. (2013). Data Mining Menggunakan Algoritma K-Means Clustering untuk Menentukan Strategi Promosi Universitas Dian Nuswantoro, Universitas Dian Nuswantoro.

Rokach, L. and O. Maimon (2005). Clustering Methods. Data Mining and Knowledge Discovery Handbook. O. Maimon and L. Rokach. Boston, MA, Springer US: 321-352.

Santosa, B. (2007). Data Mining: Terapan. Yogyakarta, Graha Ilmu.

Tan, P.-N., M. Steinbach, et al. (2005). Introduction to Data Mining, (First Edition), Addison-Wesley Longman Publishing Co., Inc.

Wu, X. and V. Kumar (2009). The Top Ten Algorithms in Data Mining, Chapman & Hall CRC.




DOI: http://dx.doi.org/10.36055/jiss.v3i1c.2093

Refbacks

  • There are currently no refbacks.


  is supported by