PRESENTASI TUGAS AKHIRdigilib.its.ac.id/public/ITS-paper-34231-5209100035-Presentation.pdf · 1....

PRESENTASI TUGAS AKHIR

Pengusul Tugas Akhir :

Dyah Puspita Dewi (NRP : 5209.100.035)

Dosen Pembimbing :

Prof. Ir. Arif Djunaidy, M.Sc, Ph.D Renny Pradina Kusumawardani, S.T, M.T

PENDAHULUAN

12 Juli 2013 TUGAS AKHIR – KS 091336 2

PT. XYZ adalah perusahaan yang

bergerak pada bisnis retail printer

Salah satu outline bisnisnya yaitu

penjualan printer laser

Outline bisnis ini memiliki banyak

pelanggan

Namun di sisi lain juga memiliki

banyak pesaing

PT.XYZ harus melakukan

pengelolahan hubungan pelanggan

Evaluasi NHP

Rekomendasi peningkatan NHP


1. Bagaimana menyediakan alat bantu berupa aplikasi untuk memberikan evaluasi NHP dari hasil segementasi pelanggan dengan menggunakan teknik FCM dan model RFM?

2. Bagaimana menyediakan alat bantu berupa aplikasi yang dapat memberikan rekomendasi untuk meningkatkan NHP dari setiap pelanggan?


1. Tugas akhir ini untuk menyediakan aplikasi yang dapat memberikan evaluasi NHP dan rekomendasi untuk meningkatkan NHP. Namun tugas akhir ini tidak melakukan evaluasi terhadap keberhasilan kinerja aplikasi maupun rekomendasi peningkatan NHP setelah diterapkan di PT. XYZ.

2. Segmentasi pelanggan dilakukan pada pelanggan pengguna printer laser di PT. XYZ area Surabaya.

3. Data yang digunakan adalah data pelanggan dan data historikal penjualan PT. XYZ dalam periode 1 Januari 2006 –

31 Desember 2012.


1. Menyediakan plikasi yang dapat digunakan untuk melakukan evaluasi NHP dan memberikan rekomendasi meningkatan NHP di PT. XYZ.

2. Menerapkan strategi pemasaran yang sesuai untuk setiap pelanggan PT. XYZ.

3. Menerapkan algoritma klasterisasi FCM dan algoritma rekomendasi item-to-item collaborative filtering.


TAHAP PENGERJAAN


Identifikasi masalah

Tinjauan Pustaka Pengumpulan Data Praposes dan Ekstrasi Data

Proses Normalisasi Data RFM

Proses Klasterisasi Estimasi Nilai NHP Peringkat Klaster

Penerapan Strategi Pemasaran

Penerapan Algoritma

Rekomendasi Produk

Tahap Uji Coba Analisis Hasil Uji

Coba

Pembuatan User Interface

Kesimpulan dan saran


• Recency : mengacu pada durasi waktu/periode pembelian terakhir dengan waktu saat ini. Nilai yang lebih rendah sesuai dengan probabilitas yang lebih tinggi dari pelanggan yang melakukan pembelian produk secara berulang.

• Frequency : banyaknya jumlah pembelian produk yang dilakukan dalam jangka waktu/periode tertentu, frekuensi yang lebih tinggi menunjukkan loyalitas yang lebih besar.

• Monetary : nilai total pembelian yang dihabiskan selama periode tertentu; jumlah yang lebih tinggi menunjukkan kontribusi yang besar bagi perusahaan.


Doc.date Sales

doc. Customer Name 1 Street Material Quantity

Exch.

rate Curr. Total Rev

02.01.2012 4949969 268999

Data

sengaja

dikosongkan

Data

sengaja

dikosongkan

CT201609 12 1 IDR 4,687,200

02.01.2012 4950003 343008

Data

sengaja

dikosongkan

Data

sengaja

dikosongkan

P3200MFP_B 1 1 IDR 1,909,091

02.01.2012 4950018 342198

Data

sengaja

dikosongkan

Data

sengaja

dikosongkan

CWAA0776 1 1 IDR 1,026,000

03.01.2012 4950539 337022

Data

sengaja

dikosongkan

Data

sengaja

dikosongkan

CWAA0776 1 1 IDR 1,026,000

03.01.2012 4950569 343155

Data

sengaja

dikosongkan

Data

sengaja

dikosongkan

CT350670 1 1 IDR 1,329,900

06.01.2012 4956382 339694

Data

sengaja

dikosongkan

Data

sengaja

dikosongkan

CWAA0776 1 1 IDR 1,026,000


• Data yang dipilih: 1. Atribut Doc.Date mendefinisikan tanggal transaksi.

2. Atribut Customer mendefinisikan nomor identitas pelanggan.

3. Atribut Name 1 mendefinisikan nama pelanggan.

4. Atribut Material mendefinisikan kode produk yang dibeli.

5. Atribut Quantity mendefinisikan jumlah produk yang dibeli.

6. Atribut Exch.rate mendefinisikan nilai tukar mata uang.

7. Atribut Curr. mendefinisikan mata uang yang untuk mendefinisikan melakukan pembayaran transaksi

8. Atribut Total.Rev mendefinisikan total nilai transaksi.


• Transformasi Data : Atribut yang dilakukan tranformasi adalah Total.Rev, atribut ini nilainya disamakan dengan menggunakan mata uang rupiah (Rp). Mata uang asing selain rupiah maka dikonversi ke dalam rupiah.


• Atribut untuk proses RFM

• Atribut untuk Rekomendasi Produk


Nama Atribut Keterangan

Customer nomor identitas pelanggan

Name 1 nama pelanggan

Doc.Date Tanggal pada saat pelanggan melakukan transaksi

Total Transaksi Nilai total pembayaran transaksi pelanggan yang telah dikoneversi ke dalam rupiah

Nama Atribut Keterangan

Customer nomor identitas pelanggan

Name 1 nama pelanggan

Material kode produk yang dibeli

Quantity jumlah produk yang dibeli

• Nilai Recency


IDpelanggan Tanggal Pembelian

Terakhir

Tanggal Analisis Recency

(hari)

312358 06.02.2006 01.01. 2013 2.485

267849 20.01.2006 01.01. 2013 2.501

269918 20.01.2006 01.01. 2013 2.501

287912 02.03.2006 01.01. 2013 2.459

313785 06.03.2006 01.01. 2013 2.455

303242 28.03.2006 01.01. 2013 2.455

• Nilai Frequency dan Monetary


Frequency

Monetary

• Nilai Recency


R (ci) = 𝑂𝑖

𝑅− 𝑚𝑖𝑛𝑅

𝑚𝑎𝑥𝑅−𝑚𝑖𝑛𝑅 𝑛𝑒𝑤𝑚𝑎𝑥 𝑅 − 𝑛𝑒𝑤𝑚𝑖𝑛 𝑅 + 𝑛𝑒𝑤𝑚𝑖𝑛 𝑅

IDpelanggan Recency RN

302267 2.510 1,000

313400 2.502 0,997

267849 2.501 0,996

269918 2.501 0,996

312358 2.485 0,990

308385 2.484 0,989

269050 2.482 0,989

287912 2.459 0,979

313785 2.455 0,978

303242 2.455 0,978

R maks =2.510

R min = 34

• Nilai Frequency


F (ci) = 𝑂𝑖


𝑚𝑎𝑥𝑅−𝑚𝑖𝑛𝑅 𝑛𝑒𝑤𝑚𝑎𝑥 𝐹 − 𝑛𝑒𝑤𝑚𝑖𝑛 𝐹 + 𝑛𝑒𝑤𝑚𝑖𝑛 𝐹

F maks =148

F min = 1

IDpelanggan Frequency FN

314689 148 1.000

300726 106 0,714

310740 88 0,592

327928 61 0,408

330523 46 0,306

324569 44 0,293

330368 42 0,279

308448 41 0,272

305060 38 0,252

314446 36 0,238

• Nilai Monetary


M (ci) = 𝑂𝑖


𝑚𝑎𝑥𝑅−𝑚𝑖𝑛𝑅 𝑛𝑒𝑤𝑚𝑎𝑥 𝑀 − 𝑛𝑒𝑤𝑚𝑖𝑛 𝑀 + 𝑛𝑒𝑤𝑚𝑖𝑛 𝑀

M maks = Rp.80.795.003,-

M min = Rp.101.200,-.

IDpelanggan Monetary MN

330523 80.795.003 1,000

332142 80.275.000 0,994

314689 79.948.958 0,990

332266 75.282.031 0,932

305415 74.915.684 0,927

314446 74.621.892 0,923

300726 71.072.727 0,880

327628 70.987.273 0,878

270896 66.824.054 0,827

333917 63.699.910 0,788

• Kuisioner AHP


• Hasil Rekapitulasi Kuisioner


Kriteria yang

berpengaruh

Matriks Perbandingan Berpasangan

Recency pada

Responden

Frquency pada

Responden

Monetary pada

Responden

1 2 3 1 2 3 1 2 3

Recency 1 1 1 1/7 1/7 1/7 1/9 1/7 1/7

Frequency 7 7 7 1 1 1 1/3 1/5 1/3

Monetary 9 7 7 3 5 3 1 1 1

Keterangan : 1 : Hasil kusioner perbandingan berpasangan Manager 2 : Hasil kusioner perbandingan berpasangan Karyawan 1 3 : Hasil kusioner perbandingan berpasangan Karyawan 2

1. Menghitung Rata-rata perbandingan berpasangan

2. Menghitung Pembagian Jumlah Tiap Kolom dengan Tiap Cell Matriks Perbandingan Berpasangan

3. Menghitung nilai eigen dan bobot prioritas


Nilai Rata-Rata Kuesioner

Recency Monetary Frequency

Recency 1,00 0,14 0,13

Monetary 7,00 1,00 0,29

Frequency 7,67 3,67 1,00

Jumlah 15,67 4,81 1,4

Recency Monetary Frequency

Recency 0,064 0,030 0,093

Monetary 0,447 0,208 0,203

Frequency 0,490 0,763 0,704

Recency Monetary Frequency Eigen

value

Bobot

Prioritas

Recency 0,06383 0,02970 0,09308 0,062 0,059

Monetary 0,44681 0,20792 0,20328 0,286 0,276

Frequency 0,48936 0,76238 0,70365 0,652 0,666

Jumlah 1

4. Menghitung nilai eigen maksimum

5. Uji Konsistensi


R M F Bobot Prioritas Bobot Sintesis 𝒃𝒐𝒃𝒐𝒕 𝒔𝒊𝒏𝒕𝒆𝒔𝒊𝒔

𝒃𝒐𝒃𝒐𝒕 𝒌𝒓𝒊𝒕𝒆𝒓𝒊𝒂

Recency 0,064 0,030 0,093 0,059 0,187 3,18

Monetary 0,447 0,208 0,203 0,276 0,858 3,11

Frequency 0,489 0,762 0,7037 0,666 1,955 2,94

Cr = 0,006 ≤ 0,1

IDpelanggan R RN RT F FN FT M MN MT

347897 93 0,024 0,001 3 0,014 0,004 Rp60.000.000,00 0,742 0,495

324569 1.454 0,574 0,033 44 0,293 0,081 Rp62.428.194,00 0,772 0,515

332384 451 0,168 0,010 2 0,007 0,002 Rp63.040.000,00 0,780 0,520

333917 54 0,008 0,000 34 0,224 0,062 Rp63.699.910,00 0,788 0,525

270896 1.799 0,713 0,041 23 0,150 0,041 Rp66.824.054,00 0,827 0,551

327628 1.337 0,526 0,030 6 0,034 0,009 Rp70.987.273,00 0,878 0,586

300726 47 0,005 0,000 106 0,714 0,197 Rp71.072.727,00 0,880 0,586

314446 500 0,188 0,011 36 0,238 0,066 Rp74.621.892,00 0,923 0,616

305415 384 0,141 0,008 31 0,204 0,056 Rp74.915.684,00 0,927 0,618

332266 782 0,302 0,017 8 0,048 0,013 Rp75.282.031,00 0,932 0,621

314689 116 0,033 0,002 148 1,000 0,275 Rp79.948.958,00 0,990 0,660

332142 1.111 0,435 0,025 5 0,027 0,007 Rp80.275.000,00 0,994 0,662

330523 407 0,151 0,009 46 0,306 0,084 Rp80.795.003,00 1,000 0,667

347897 93 0,024 0,001 3 0,014 0,004 Rp60.000.000,00 0,742 0,495


Rumus DUNN Index

Hasil Perhitungan dengan bantuan R-Programs


𝑑𝑖𝑗=max (jarak pada 𝐶𝑖)

Jarak 𝐶𝑖 ,𝐶𝑗 ,

i≠ j dan 1 ≤ i,j ≤ k

BC = min z = 1,.....,n (max i=1,....,kx(k-1) dij)

, n= max(k)

Jumlah

Klaster Konektifitas DUNN index Sillhoute

3 66,89 0,0028 0,4039

4 86,41 0,0032 0,4637

5 105,6 0,0024 0,4113

6 139,4 0,0021 0,4519

7 149,0 0,0004 0,3846

8 186,1 0,0012 0,3514

9 183,6 0,0011 0,3332

Titik Tengah dan Jumlah Anggota Klaster


Klaster

Titik Tengah Kriteria Jumlah

Anggota

Klaster

R F M

1 0,0185 0,0444 0,5132 24

2 0,0217 0,0262 0,1921 446

3 0,0438 0,0048 0,0242 71

4 0,0104 0,003 0,0199 371

1. Menghitung solusi ideal positif dan solusi ideal negatif dari masing-masing kriteria.

2. Menghitung jarak antara titik tengah klaster dengan solusi ideal positif.


Kriteria

R F M

Solusi ideal positif 0,0438 0,0444 0,5132

Solusi ideal negatif 0,0103 0,003 0,0197

Jarak 𝐷1+ 𝐷2+ 𝐷3+ 𝐷4+

Nilai 0,0253 0,4906 0,3224 0,4962

3. Menghitung jarak antara titik tengah klaster dengan solusi ideal negatif.

4. Menghitung nilai preferensi (cLi) untuk setiap klaster


Jarak 𝐷1− 𝐷2− 𝐷3− 𝐷4−

Nilai 0,4951 0,0338 0,1742 0

Klaster Nilai cLi Peringkat

1 0,951366 1

2 0,064401 3

3 0,35078 2

4 0 4


Peringkat

NHP Klaster

Titik Tengah Kriteria Jumlah

Anggota

Klaster R F M

1 1 0,0185 0,0444 0,5132 24

2 3 0,0217 0,0262 0,1921 71

3 2 0,0438 0,0048 0,0242 446

4 4 0,0104 0,003 0,0199 371


M↑ apabila > Rp.6.100.000,- M↓ apabila ≤ Rp.6.100.000,- F↑ apabila > 5 F↓ apabila ≤ 5

Peringkat

Klaster

Titik Tengah Tipe

Kelompok frequency monetary

1 26.08333 61368919 F↑ M↑

2 16.57746 22791203 F↑ M↑

3 2.910314 2870378 F↓ M↓

4 3.722372 3261867 F↓ M↓

Nilai Pelanggan Monetary Tinggi Monetary Rendah

Frequency Tinggi Enforced Strategy

(Segmen I )

Klaster 1 dan 2

Offensive Strategy

(Segmen II)

Frequency

Rendah

Defensive Strategy

•(Segmen III)

“Let-go” Strategy

(Segmen IV)

Klaster 3 dan 4

Strategi

Pemasaran

Program Strategi

Pemasaran

Saran untuk Aktivitas

Pemasaran

Offensive

Strategy

(Segmen II)

1. Mempertahankan

loyalitas pelanggan

dengan kegiatan up-

selling dan cross-

selling

2. Mempertahankan

loyalitas pelanggan

dengan

3. Mengembangkan

kegiatan promosi

untuk meningkatkan

frekuensi

4. Menarik minat

pelanggan dengan

probuk atau layanan

baru

1. Mempromosikan

produk baru atau

produk pelengkap

2. Meningkatkan

pembelian

pelanggan dengan

menawarkan

produk yang paling

banyak dibeli.

“Let-go” Strategy

(Segmen IV)

1. Tidak ada keharusan

perusahaan untuk

memperhatikan

segmen ini.

2. Memilih produk

dengan fokus

utama yang

dibutuhkan

pelanggan.

1. Memisahkan

pelanggan baru

dan pelanggan

lama

2. Melakukan

komunikasi hanya

dengan pelanggan

baru


Strategi

Pemasaran

Program Strategi

Pemasaran


Pemasaran

Enforced

Strategy

(Segmen I )

1. Menjaga

komunikasi dengan

pelanggan

2. Menjaga interaktif

jangka panjang

3. Merancang program

loyalitas pelanggan

4. Mengerti

kebutuhan dan

kebiasaan

pelanggan

1. Mengirim

informasi

promosi

melalui

telepon, fax

dan email

2. Memberikan

diskon pada

acara tertentu

3. Melakukan

wawancara

dengan

pelanggan

mengenai

penawaran

produk melalui

telepon

Defensive

Strategy

•(Segmen III)

1. Mengembangkan

kegiatan promosi

untuk meningkatkan

frekuensi

2. Mengirim informasi

produk/layanan

secara berkala

1. Merancang

layanan purna

jual.

2. Menawarkan

produk up-

selling dengan

harga khusus


Strategi

Pemasaran

Program Strategi

Pemasaran


Pemasaran

Enforced

Strategy

(Segmen I )

1. Menjaga

komunikasi

dengan

pelanggan

2. Mengerti

kebutuhan dan

kebiasaan

pelanggan

1. Mengirim

informasi

promosi melalui

telepon, fax dan

email

2. Melakukan

penawaran

produk baru

melalui telepon

“Let-go”

Strategy

(Segmen IV)

1. Memilih produk

dengan fokus

utama yang

dibutuhkan

pelanggan.

2. Mengirim

Informasi

mengenai

layanan produk.

1. Memisahkan

pelanggan baru

dan pelanggan

lama

2. Menawarkan

produk baru dan

produk

pelengkap

dengan harga

yang lebih

rendah dari

harga normal

untuk pelanggan

baru.

Strategi

Pemasaran

Program Strategi

Pemasaran


Pemasaran

“Let-go”

Strategy

(Segmen IV)

1. Memberi informasi

pada pelanggan

lama jika produk

yang digunakan

pelanggan sudah

tidak dilakukan

layanan mengenai

perbaikan atau

pergantian

komponen.

2. Menawarakan

produk baru yang

sejenis dengan

produk lama yang

tidak memiliki

layanan perbaikan

dan pergantian

komponen untuk

pelanggan lama.

1. Membuat matriks yang berisi pembelian produk yang dilakukan oleh setiap pelanggan.

2. Mengubah nilai NA menjadi nilai 0 dengan bantuan perangkat lunak R-program

3. Membuat item matriks dengan bantuan perangkat lunak R-program

4. Mengubah item matriks menjadi bernilai binary rating matrix

5. Menjalankan algoritma rekomendasi item-to-item collaborative filtering dengan bantuan perangkat lunak R-program


1. Skenario perbandingan kualitas rekomendasi produk berbasis parameter metode pengukuran kesamaan pembelian produk.

2. Skenario perbandingan kualitas rekomendasi produk berbasis jumlah n produk yang rekomendasi.


UJI COBA DAN ANALISA REKOMENDASI PRODUK


• Skenario 1 :

Metode

Enforced strategy let-go strategy

presisi recall F1 presisi recall F1

Cosine 0,27 0,67 0,39 0,21 0,72 0,33

Jaccard 0,26 0,60 0,36 0,18 0,67 0,28


Skenario 2 :

Jumlah n Enforced strategy let-go strategy

presisi recall F1 presisi recall F1

1 0,67 0,43 0,53 0,53 0,48 0,51

2 0,45 0,56 0,50 0,34 0,63 0,44

3 0,34 0,66 0,45 0,26 0,72 0,39

4 0,27 0,67 0,39 0,21 0,72 0,33

5 0,25 0,67 0,37 0,18 0,72 0,29

1. Enforced strategy memiliki nilai F1 lebih tinggi dibandingkan Let-Go strategy

2. Rekomendasi produk dapat lebih berperan untuk membantu penerapan aktivitas pemasaran pada strategi Pemasaran dengan nilai F1 yang lebih tinggi

3. Rekomendasi Produk pada Enforced strategy mendukung implementasi aktivitas pemasaran yaitu promosi produk.

4. Rekomendasi Produk pada Let-Go strategy mendukung implementasi aktivitas pemasaran yaitu penawaran produk pelengkap pada pelanggan baru dan menawarkan produk sejenis untuk pelanggan lama.


KESIMPULAN DANSARAN


1. Aplikasi dapat menyediakan alat bantu untuk mengetahui peringkat NHP setiap pelanggan.

2. Aplikasi dapat menyediakan alat bantu untuk menyediakan rekomendasi untuk meningkatkan NHP.

3. Aplikasi juga dapat menyediakan informasi tambahan mengenai informasi RFM dan gambar letak data pelanggan dalam klaster.


Saran yang dapat dipertimbangkan untuk pengembangan tugas akhir ini yaitu mengembangkan aplikasi berbasis bahasa java agara dapat memberikan tampilan yang lebih interkatif kepada pengguna. Hal ini dikarenakan pada tugas akhir ini belum memberikan tampilan yang interaktif secara tampilan.


SEKIAN DAN TERIMAKASIH


PRESENTASI TUGAS AKHIRdigilib.its.ac.id/public/ITS-paper-34231-5209100035-Presentation.pdf · 1....

Documents

Transcript of PRESENTASI TUGAS AKHIRdigilib.its.ac.id/public/ITS-paper-34231-5209100035-Presentation.pdf · 1....