RANCANG BANGUN SISTEM PENGELOMPOKAN PELANGGAN POTENSIAL MENGGUNAKAN METODE K-MEANS UNTUK

PROMOSI PAKET WISATA (STUDI KASUS PT. BALI SINAR MENTARI)

OlehI Putu Agus Hendra Krisnawan

07.41010.0096

Latar Belakang

Manager

Paket Wisata

Pelanggan

Sistem Pengelompokan Pelanggan Potensial

Menggunakan Metode K-means

Perumusan Masalah

Bagaimana merancang dan membangun sistem pengelompokan pelanggan potensial menggunakan metode k-means untuk promosi paket wisata (studi kasus PT. Bali Sinar Mentari).

Batasan Masalah Pembuatan tugas akhir ini mengambil

studi kasus pada PT. Bali Sinar Mentari. Paket wisata yang disediakan perusahaan

hanya untuk wisata di daerah Bali. Tidak membahas proses pemesanan dan

penjualan paket wisata serta pembuatan laporan keuangan.

Sistem ini hanya membahas proses input data transaksi penjualan jasa, pendaftaran pelanggan, pembuatan paket wisata.

Batasan Masalah Pengelompokan kategori paket wisata

ditentukan oleh manajemen PT. Bali Sinar Mentari.

Pelanggan yang dikelompokan adalah pelanggan yang telah terdaftar sebelumnya dan pernah memakai jasa perusahaan ini serta harus memiliki e-mail.

Layanan e-mail hanya mencakup pemberian promosi kepada pelanggan.

Aplikasi ini berbasis dekstop dan bahasa pemrograman yang digunakan adalah Visual Basic.Net 2005 dan Microsoft SQL Server 2005 sebagai basis datanya.

Tujuan

Tujuan pada Tugas Akhir ini adalah menghasilkan sistem pengelompokan pelanggan potensial menggunakan metode k-means untuk promosi paket wisata (studi kasus PT. Bali Sinar Mentari).

Landasan Teori Sistem Informasi

› Sistem› Informasi

› Sistem Informasi

Data Informasi

Data

Proses

Komponen Sistem

Informasi

Landasan Teori Sistem Pendukung Keputusan

› Fase Pengambilan Keputusan

› Kerangka Kerja SPK

Choice

TakTerstruktur

Semi Terstruktur

Terstruktur

Intellligence Design

Landasan Teori Data Mining

› Proses dalam Knowledge Discovery

Selection

Prepocessing

Interpretation and evaluation

Transformation

Data Mining

Landasan Teori Clustering K-Means Clustering

Eucledian Distance =

Mulai

Selesai

Menentukan Jumlah Cluster

Hitung Centroid

Hitung Jarak Objek ke Centroid

Pengelompokan Berdasarkan Jarak

Terdekat

Ada Objek Berpindah Kelompok?

Tidak

Ya

Perancangan Sistem

System Flow

Diagram Berjenjang

Data Flow Diagram (DFD)

Conceptual Data Model (CDM)

Physical Data Model (PDM)

Demo Aplikasi . . .

Kesimpulan Pengelompokan pelanggan menggunakan

metode K-Means Clustering dapat diterapkan dengan baik dan dapat menghasilkan pelanggan yang potensial pada sistem pengelompokan pelanggan potensial menggunakan metode k-means untuk promosi paket wisata (studi kasus PT. Bali Sinar Mentari).

Sistem pengelompokan pelanggan potensial menggunakan metode k-means untuk promosi paket wisata (studi kasus PT. Bali Sinar Mentari) mampu mengirimkan promosi paket wisata kepada pelanggan potensial menggunakan email.

Saran Sistem pengelompokan pelanggan ini dapat

diintegrasikan dengan sistem informasi yang lain pada PT. Bali Sinar Mentari. Sehingga nantinya masing-masing sistem dapat saling bertukar data, agar data pada sistem ini dapat digunakan untuk keperluan lain.

Metode K-Means Clustering merupakan salah satu metode dari sekian banyak metode pengelompokan data yang ada. Untuk itu, tidak menutup kemungkinan adanya metode yang lebih baik jika dibandingkan dengan metode K-Means Clustering ini, untuk kemudian dapat dikembangkan dalam penelitian selanjutnya.

Terima Kasih . . .