SEGMENTASI PELANGGAN RESTORAN MENGGUNAKAN METODE CLUSTERING SIMPLE K-MEANS (STUDI KASUS XYZ)

Zekha Galih Prastyawan, Muhammad Ridho Bagaskara, Desti Fitriati

Abstract


Di era yang serba modern ini, informasi dengan mudahnya dapat diakses secara langsung tanpa ada dinding pembatas atau dapat dikatakan “real time”, untuk masyarakat yang tiap waktunya haus akan informasi. Kebutuhan akan informasi mengenai faktor perilaku pelanggan pada sebuah restoran juga diperlukan sebagai pengetahuan bisnis untuk bersaing dari kompetitor bisnis restoran lainnya. Penelitian ini dilakukan untuk mencari perilaku masyarakat yang sedang berada di restoran berdasarkan penerapan prinsip ilmu psikografis. Penelitian ini menggunakan Metode Clustering untuk menentukan bagian - bagian dari sekelompok data yang telah didapatkan dengan cara melakukan segmentasi sejumlah data yang memiliki sifat yang sama menggunakan Algoritma Simple K Means. Segmentasi pada penelitian ini dilakukan dengan tools bernama WEKA dan dari hasil perhitungannya didapatkan 5 cluster yang berbeda sesuai dengan perilaku masing masing responden saat berkunjung ke restoran. Cluster yang memiliki nilai paling dominan adalah cluster yang bernama “Langganan” yang memiliki persentase sebesar 28% dikarenakan cluster tersebut merupakan pelanggan yang dikategorikan “pelanggan setia” pada sebuah restoran di penelitian ini.

Full Text:

PDF

References


Lazuardi, Mandra, Dkk, 2015. “Ekonomi Kreatif: Rencana Pengembangan Kuliner Nasional

-2019”, PT. Republik Solusi, Hal. 8-9.

Sa’adah, Hidayatus., 2013. Analisis Strategi Pemasaran Pada Restoran Roast Chicken Di Kota

Bogor, Jawa Barat. Skripsi. Fakultas Kesehatan Masyarakat. Fakultas Ekonomi Dan

Manajemen Institut Pertanian Bogor.

Suharsono, Teguh Nurhadi, Dkk., 2017. Prediksi Minat Konsumen Sesuai Musim

Menggunakan Algoritma K-Means Pada Perangkat Lunak Pemesanan Tempat Dan

Makanan Online, 2(2). 124-129.

Wiguno, Devina, Dkk, .Segmentasi Konsumen Makanan Cepat Saji Online Di Surabaya Secara

Demografis Dan Psikografis. Manajemen Perhotelan, Universitas Kristen Petra, Surabaya,

Indonesia. Hal, 292-307.

Imelda. 2017. “Business Intelligence”. Majalah Ilmiah UNIKOM Vol.11 No.1.

Apriliani, Fitria, Dkk, 2013. Perilaku Konsumen Restoran Etnis : Pengaruh Empat Kelompok

Atribut Terhadap Kepuasan Pelanggan dan Post Dining Behavioral Intentions, Fakultas

Ekonomi Universitas Indonesia.

Haris Lubis, Abdul, 2016. Model Segmentasi Pelanggan Dengan Kernel K-Means Clustering

Berbasis Customer Relationship Management. Jurnal & Penelitian Teknik Informatika.

Vol. 1 No. 1, Hal. 36-41.

Big Data Made Simple. 2003. Possibly the simplest way to explain K-Means algorithm.

[online]. (diperbaharui 7 Agustus 2017). https://bigdata-madesimple.com/possibly-thesimplest-way-to-explain-k-means-algorithm [diakses 05 November 2018]

Wakhidah, Nur. Clustering Menggunakan K-Means Algorithm. Fakultas Teknologi Informasi

dan Komunikasi Universitas Semarang

Asroni, Dkk, 2015. Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan

Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika

UMM Magelang. Jurnal Ilmiah Semesta Teknika. Vol. 18, No. 1, 76-82, Mei 2015


Refbacks

  • There are currently no refbacks.