Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAK<>br>Tesis ini akan membahas tentang strategi penjualan General Sales Agency, yang ditunjuk oleh penerbangan di daerah tertentu, berdasarkan data penjualan penerbangan. Akan tetapi, beberapa penerbangan menggunakan mata uang yang.berbeda tergantung lokasi agensi itu berada. Beberapa Negara menetapkan penggunaan mata uang lokal mereka ketika melakukan transaksi. Oleh karena itu, untuk menganalisa perubahan mata uang, analisa model regresi dinamis diterapkan. Di samping itu, tesis ini juga menggambarkan kecenderungan dari perilaku agen dengan menggunakan analisis RFM dengan metode kuartil. Metode ini digunakan karena implementasinya yang mudah dan membagi agen dengan jumlah yang sama. Setelah ditetapkan, korelasi digunakan untuk menganalisa kecenderungan penjualan terhadap agen-agen tersebut. Dengan menemukan kecenderungan dan tingkat signifikan dari klasifikasi RFM, perumusan untuk strategi berdasarkan data penjualan dapat ditentukan. Dalam hal ini, proses dalam Big Data Analytics digunakan untuk mencari nilai yang tersembunyi. Hasil dari tesis ini adalah penjualan akibat kebijakan pemerintah secara statistic tidak berpengaruh terhadap penjualan, klasifikasi RFM, dan terdapat korelasi negatif antara resensi dan frekuensi dan resensi dan monetary, dan korelasi positif antara frekuensi dan monetary.

---

ABSTRACT<>br>This thesis gives explanation regarding sales strategy of General Sales Agency based on sales data, appointed by airlines rsquo principle to sell the tickets in Indonesia. Some principles are using different currencies, depends on the operating countries where General Sales Agency resides. Dynamic regression model is used to analyze any changing due to external environment such as policy regulation. The tendencies of classification based on RFM analysis with quartile method to cluster agents using correlation were also examined. RFM analysis of quartile method is used because it is easy to implement and divide the agents equally. After that, correlations are used to examine the tendencies of sales data towards RFM classifications. Finding general tendencies and level of significance of RFM classifications would help to formulate strategy based on available data given by the company. Big Data analytics is used to get the hidden value from the data. The results indicate no statistically significant changes of sales due to policy regulation, RFM classifications are created, statistically significant negative correlations between recency and frequency, and between recency and monetary, and statistically significant positive correlation between frequency and monetary."

"

Tujuan - Tujuan dari penelitian ini adalah untuk menghasilkan insight dan rekomendasi yang relevan dan dapat ditindaklanjuti dari berbagai sumber data maskapai penerbangan yang terkait dengan produk, pelanggan, kanal penjualan, dan transaksi. Insight ini dapat bermanfaat untuk mendukung kegiatan penjualan dan pemasaran.

Desain / metodologi / pendekatan - Penelitian ini melakukan proses analisis big data. Pertama, sumber data yang terkait dengan aktivitas pelanggan dan produk Garuda Indonesia perlu dikumpulkan, disiapkan, dan diintegrasikan ke dalam satu platform big data. Kemudian, data terintegrasi dianalisis dan diproses melalui pendekatan analisis big data. Metode data aggregation, analisis cluster, dan analisis pareto digunakan untuk menganalisis insight. Model analisis RFM digunakan untuk menghitung customer value. Untuk segmentasi pelanggan, metode clustering digunakan. Kemudian, analisis campaign media dan konten digunakan untuk mengukur efektivitas proses campaign.

Hasil - Penelitian ini menghasilkan kerangka analisis bauran pemasaran untuk maskapai penerbangan menggunakan pendekatan analisis big data yang mencakup elemen 5P (Product, Pricing, Place, Promotion, and People).

---

Purpose – The purpose of this research is to generate relevant, actionable insight and recommendation from various airlines’ data sources related to Airlines’ products, customers, channels, and transactions. This insight can be beneficial to support sales and marketing campaign activity.

Design/methodology/approach – This research conducts big data analytics process and experimental analysis. First, data sources related to customer’s activities and Garuda Indonesia’s products need to be collected, prepared, and integrated into a single big data platform. Then, the integrated data is analyzed and processed through big data analytics approach. Data aggregation technique, cluster analysis, and pareto analysis are used for analyzing the insight. RFM model and analysis is used to calculate customer value. For segmenting customer, the clustering method is used. Therefore, analysis of campaign medium and content is used to measure the effectiveness of the campaign process.

Result – This research finds that a marketing mix framework analysis for airlines using big data analytics approach covering 5P element (Product, Pricing, Place, Promotion, and People).

"

"This book provides users with cutting edge methods and technologies in the area of big data and visual analytics, as well as an insight to the big data and data analytics research conducted by world-renowned researchers in this field. The authors present comprehensive educational resources on big data and visual analytics covering state-of-the art techniques on data analytics, data and information visualization, and visual analytics. Each chapter covers specific topics related to big data and data analytics as virtual data machine, security of big data, big data applications, high performance computing cluster, and big data implementation techniques. Every chapter includes a description of an unique contribution to the area of big data and visual analytics. This book is a valuable resource for researchers and professionals working in the area of big data, data analytics, and information visualization. Advanced-level students studying computer science will also find this book helpful as a secondary textbook or reference."

"Penelitian ini bertujuan untuk mengidentifikasi segmentasi RFM pada toko kosmetik online di Indonesia. Penelitian ini menggunakan analisis RFM (Recency, Frequency, dan Monetary) yang dilanjutkan dengan K-Means Clustering dengan menggunakan Hiearchical Clustering untuk mencari nilai k. Penelitian ini menggunakan data transaksi penjualan Makeupuccino sepanjang tahun 2017 untuk segmentasi RFM. Hasilnya menunjukkan bahwa jumlah segmentasi yang paling tepat untuk toko kosmetik online adalah 4, yang dibagi menjadi Platinum, Gold, Iron, dan Lead. Keempat segmentasi tersebut memiliki marketing objective dan program marketing yang berbeda.

---

This research aims to identify RFM segmentation on makeup online store in Indonesia. This research uses RFM (Recency, Frequency, and Monetary) analysis and then uses K-Means Clustering with Hierarchical Clustering as the way to finds k values. This study uses transaction on Makeupuccino (one of makeup online store in Indonesia) during 2017 to get RFM segmentation. The result shows that the best RFM segmentation for makeup online store in Indonesia is 4, that divided into Platinum, Gold, Iron, and Lead. Each of segmentation has different marketing objective and marketing program."

"Tujuan dari penelitian ini adalah memberikan solusi dan masukkan kepada XYZ.com untuk mengembangkan layanan video on demand dengan mengevaluasi data yang diperoleh melalui web analytics. Melalui data tersebut XYZ dapat memperdalam pengetahuan mengenai perilaku pengunjung, terutama pengunjung yang memiliki value berupa durasi kunjungan yang tinggi sehingga dimasa mendatang XYZ.com dapat merumuskan strategi untuk meningkatkan dan mempertahankan hubungan yang nantinya diharapkan dapat meningkatkan advertising revenue. Penelitian ini menggunakan big data analytics, yakni analisis deskriptif. Teknik analisa data yang digunakan adalah analisa clustering dan data analysis menggunakan SQL. Clustering analysis digunakan untuk mengelompokkan pengunjung berdasarkan durasi kunjungan dan jumlah perangkat. Data analysis dengan SQL digunakan untuk menganalisa karakteristik dari pola penggunaan perangkat dan traffic source, serta dapat membantu memvisualisasikan data. Hasil akhir dari penelitian yang dilakukan adalah mengetahui jumlah cluster dari pengunjung yang terbentuk, pola penggunaan perangkat dan traffic source yang digunakan pada visitor yang memiliki durasi kunjungan yang tinggi.

---

The purpose of this research is to provide solution and recommendation for XYZ.com in order to develop and enhance their video on demand service by evaluating the data extracted from web analytics. Through these data, XYZ can deepen the knowledge about the behavior of visitors, especially visitors who have value of high duration of visits, so that in future XYZ.com can formulate strategies to improve and maintain relationship that will be expected to increase advertising revenue. This study use big data analytics, namely descriptive analysis. Data analysis technique used are clustering analysis and data analysis using SQL. Clustering analysis is used to group visitors based on the duration of the visit and the number of devices. Data analysis with SQL is used to analyze characteristics of device usage patterns and traffic sources, and can help visualize data. The final result of this research is to know the number of clusters of visitors formed, the pattern of device usage and traffic source used in visitors who have high duration of visit."

"Studi tentang pengelolaan customer retention bersumber dari kebutuhan perusahaan untuk mempertahankan customer agar tetap loyal menggunakan produk ataupun layanan yang ditawarkan. Hingga saat ini customer retention menjadi salah satu perhatian utama dalam dunia bisnis karena menurunnya tingkat customer retention berdampak pada berkurangnya revenue. Big data mulai banyak dimanfaatkan sebagai sumber data untuk memahami suatu kondisi ataupun untuk memprediksi suatu behavior yang akan terjadi melalui berbagai pemodelan analisis data. Peristiwa berhentinya customer dari menggunakan produk ataupun layanan disebut customer churn. Penelitian ini menyajikan dua model untuk membantu suatu perusahaan jasa penyedia layanan online berbasis internet untuk menganalisis dan memprediksi future behavior berupa customer churn dan memahami kondisi yang menyebabkannya. Model prediksi customer churn yang dikembangkan menggunakan konsep logistic regression dan random forest. Hasil dari penelitian ini menunjukkan bahwa model yang dikembangkan bisa mengidentifikasi customer suatu perusahaan penyedia layanan online QWE.Inc yang berpotensi akan meninggalkan layanan. Selain itu penelitian ini juga menganalisis faktor-faktor yang memiliki pengaruh signifikan terhadap kondisi tersebut dan memberikan saran pengelolaan customer retention dengan program customer relationship management.

---

The study of customer retention management is influenced by the need of the companies to keep their customers stay loyal to use their products or services. Customer retention is one of the main concerns in the business world until today, since the declining level of customer retention will result in the reduced revenue. Big data begin to be widely used as source of data to learn about condition or to predict behavior that may occur through various data analysis modeling. The event of the customer stop from using the product or service is called customer churn.

This study presents two models to help QWE Inc. an internet based online service provider company, to analyze and predict future behavior which is customer churn and understand the causes. Customer churn prediction models in this study have been developed using logistic regression and random forest concepts.

The results of this study indicate that the developed model can identify the customer of QWE.Inc that will potentially leave the service. In addition, this study also analyzed the factors that have a significant influence on these conditions and provide advice on customer retention management with customer relationship management programs."

"ABSTRAKPenelitian ini menjelaskan mengenai penerapan segmentasi konsumen berdasarkan CLV agar dapat menghasilkan profil konsumen bagi perusahan untuk memberikan perlakuan yang tepat bagi masing ndash; masing konsumen. Dalam memproses data yang akan digunakan, penelitian ini mengunakan segmentasi RFM sebagai langkah awal untuk mengidentifiksi data dan dilanjutkan dengan klasterisasi menggunakan K-Means agar mendapatkan gambaran data konsumen yang lebih jelas. Hasil dari penelitian ini menunjukan adanya lima jenis profile konsumen yang berbeda berdasarkan perhitungan RFM dan K-Means. Setiap kelompok memiliki karakteristik yang berbeda yang dapat digunakan oleh perusahaan untuk membentuk strategi dalam memberikan pendekatan kepada konsumen. Terdapat juga perbandingan antara kelompok konsumen yang akan dihasilkan apabila perusahaan menggunakan segmentasi konsumen menggunakan CLV dengan saat tidak menggunakan CLV. Dengan memberikan perlakuan yang tepat bagi konsumen yang dapat memberikan keuntungan bagi perusahaan dimasa yang akan datang, maka perusahaan dapat membentuk strategi yang lebih efektif dan tepat sasaran.

---

ABSTRACTThis research focus on how to make a consumer segmentation based on CLV in order to create a customer profile for the company to provide appropriate treatment for each consumer. In order to process the data, this research uses RFM segmentation as the first step to identify the data and continued with K Means clustering to get a better interpretation of consumer data. The results of this research show five different types of consumer profiles based on RFM and K Means calculations. Each cluster has a different characteristic that can be used for a company to define a better strategy in order to approach their customer. There is also a comparison between the consumer groups if the company uses consumer segmentation using CLV or when not using CLV. By providing the right treatment for profitable customer, the company can form an effective and targeted strategy in the future. "

"E-commerce dan big data merupakan bukti dari kemajuan teknologi yang sangat pesat. Big data berperan cukup penting dalam perusahaan e-commerce untuk menangani perkembangan semua data, mengolah setiap data tersebut dan menjadi competitive advantage bagi perusahaan. Perusahaan XYZ.com mengalami kesulitan dalam menganalisis stok dan tren dari produk yang dijual. Jika hal ini tidak ditanggulangi, maka perusahaan XYZ.com akan kehilangan opportunity gain. Untuk menentukan tren dan stok produk secara cepat dengan akurat, dibutuhkan big data predictive analysis. Penelitian ini mengolah data transaksi menjadi data yang dapat dianalisis untuk menentukan tren dan prediksi tren produk berdasarkan kategorinya dengan menggunakan big data predictive analysis. Hasil dari penelitian ini akan memberikan informasi kepada pihak manajemen kategori apa yang berpotensi menjadi tren dan jumlah minimal stok yang harus disediakan dari kategori produk tersebut.

---

E commerce and big data are evidence of rapid technological advances. Big data plays an important role in e commerce companies to handle and analyze all data changes, and become a competitive advantage for the company. XYZ.com experience a difficulty in analyzing stocks and commerce product trend. If this issue not addressed, XYZ.com company will lose an opportunity gain. To determine trends and stock accurately, XYZ.com can use big data predictive analysis. This study processes transaction data into data that can be analyzed to determine trends and predictions of product trends based on its categories using big data predictive analysis. The results of this study give massive informations to management about what categories will potential become trends and minimum stock required to be provided."

"ABSTRAKNama : Adi MulyadiProgram studi : Magister ManajemenJudul : Analisis Segmentasi Konsumen Pada Perusahaan Real Estate Menggunakan Big Data Analytics Studi pada PT. ISPI Pratama LestariPembimbing : Arga Hananto, M.Bus. Studi tentang segmentasi konsumen dipengaruhi oleh kebutuhan perusahaan untuk bersaing dengan kompetitornya dan menciptakan keunggulan kompetitif bagi perusahaannya. Segmentasi produk merupakan salah satu hal utama dalam dunia bisnis, karena kesalahpahaman dalam segmentasi konsumen dapat mengakibatkan berkurangnya pendapatan. Real estate merupakan industri senilai milyaran dolar yang sangat tersegmentasi, dikarenakan karakteristik konsumennya yang beragam. Indonesia merupakan pasar yang potensial dan bertumbuh bagi industri real estate dan perumahan, karena Indonesia memiliki jumlah penduduk yang besar sekitar 260 juta jiwa dan memiliki area geografis yang luas. Untuk menganalisa data dengan jumlah besar tersebut, perusahaan real estate menggunakan Big Data Analytics, sebagai alat untuk mendapatkan masukan yang berarti dari data tersebut. Big Data mulai banyak digunakan sebagai alat untuk mempelajari tentang kondisi atau untuk memprediksi perilaku yang mungkin terjadi melalui berbagai pemodelan analisis data. Penelitian ini menyajikan analisis segmentasi untuk membantu perusahaan pengembang real estate dalam memahami segmentasi konsumen mereka, dengan menggunakan data transaksi penjualan perusahaan periode 2013 - 2017. Analisis segmentasi dalam penelitian ini telah dikembangkan menggunakan cluster analysis, dengan menggunakan metode hierarchical clustering, Elbow Method, dan K-Means. Hasil dari cluster analysis menunjukkan bahwa terdapat 4 segmen konsumen, yang memiliki karakteristik demografis dan preferensi produk yang berbeda. Selain itu, penelitian ini juga melakukan analisis tabulasi silang untuk mengetahui hubungan antar variabel. Selanjutnya dilakukan analisis diskriminan, dari situ diketahui bahwa gaji dan harga jual merupakan 2 variabel yang secara signifikan memberikan pengaruh paling besar terhadap penentuan cluster membership. Setelah mengetahui karakteristik dan melakukan analisa, dapat diusulkan bentuk promosi yang sesuai bagi masing ndash; masing segmen.Kata kunci:Segmentasi konsumen, real estate, big data, cluster analysis, tabulasi silang

---

ABSTRACTABSTRACT Name Adi MulyadiStudy Program Magister of ManagementTitle Customer Segmentation Analysis In Real Estate Using Big Data Analytics A Study In PT. ISPI Pratama LestariCounsellor Arga Hananto, M.Bus. The study of consumer segmentation is influenced by a company 39 s need to compete with its competitors and create a competitive advantage. Product segmentation is one of the main things in the business world, because misunderstanding in consumer segmentation can lead to reduced revenue. Real estate is a multi billion dollar industry that is highly segmented, due to the diverse characteristics of its customers. Indonesia is a potential and growing market for the real estate and housing industries, as Indonesia has a large population around 260 million people and has a large geographical area. To analyze such big amounts of data, real estate companies use Big Data Analytics, as a means to gain meaningful insight from the data. Big Data is widely used as a tool to learn about conditions or to predict behaviors that may occur through various data analysis models. This study presents segmentation analysis to help real estate developers to understand their customer segmentation using company sales transaction data from 2013 to 2017 period. Segmentation analysis in this research has been developed using cluster analysis, with hierarchical clustering, Elbow Method, and K Means. The results of cluster analysis show that there are 4 segments of consumers, which have different demographic characteristics and product preferences. In addition, this study also conducted cross tabulation analysis to determine the relationship between variables. Then from discriminant analysis, it is known that salary and selling price are 2 variables that significantly give the most influence on cluster membership determination. After knowing the characteristics and perform the analysis, it can be proposed the appropriate form of promotion for each segment. Key words Customer segmentation, real estate, big data, cluster analysis, cross tabulation"

"Perkembangan teknologi informasi dan internet dalam berbagai sektor kehidupan menyebabkan terjadinya peningkatan pertumbuhan data di dunia. Pertumbuhan data yang berjumlah besar ini memunculkan istilah baru yaitu Big Data. Karakteristik yang membedakan Big Data dengan data konvensional biasa adalah bahwa Big Data memiliki karakteristik volume, velocity, variety, value, dan veracity. Kehadiran Big Data dimanfaatkan oleh berbagai pihak melalui Big Data Analytics, contohnya Pelaku Usaha untuk meningkatkan kegiatan usahanya dalam hal memberikan insight yang lebih luas dan dalam. Namun potensi yang diberikan oleh Big Data ini juga memiliki risiko penggunaan yaitu pelanggaran privasi dan data pribadi seseorang. Risiko ini tercermin dari kasus penyalahgunaan data pribadi Pengguna Facebook oleh Cambridge Analytica yang berkaitan dengan 87 juta data Pengguna. Oleh karena itu perlu diketahui ketentuan perlindungan privasi dan data pribadi di Indonesia dan yang diatur dalam General Data Protection Regulation (GDPR) dan diaplikasikan dalam Big Data Analytics, serta penyelesaian kasus Cambridge Analytica-Facebook. Penelitian ini menggunakan metode yuridis normatif yang bersumber dari studi kepustakaan. Dalam Penelitian ini ditemukan bahwa perlindungan privasi dan data pribadi di Indonesia masih bersifat parsial dan sektoral berbeda dengan GDPR yang telah mengatur secara khusus dalam satu ketentuan. Big Data Analytics juga memiliki beberapa implikasi dengan prinsip perlindungan privasi dan data pribadi yang berlaku. Indonesia disarankan untuk segera mengesahkan ketentuan perlindungan privasi dan data pribadi khusus yang sampai saat ini masih berupa rancangan undang-undang.

---

The development of information technology and the internet in various sectors of life has led to an increase in data growth in the world. This huge amount of data growth gave rise to a new term, Big Data. The characteristic that distinguishes Big Data from conventional data is that Big Data has the characteristic of volume, velocity, variety, value, and veracity. The presence of Big Data is utilized by various parties through Big Data Analytics, for example for Corporation to incurease their business activities in terms of providing broader and deeper insight. But this potential provided by Big Data also comes with risks, which is violation of one's privacy and personal data. One of the most scandalous case of abuse of personal data is Cambridge Analytica-Facebook relating to 87 millions user data. Therefor it is necessary to know the provisions of privacy and personal data protection in Indonesia and which are regulated in the General Data Protection (GDPR) and how it applied in Big Data Analytics, as well as the settlement of the Cambridge Analytica-Facebook case. This study uses normative juridical methods sourced from library studies. In this study, it was found that the protection of privacy and personal data in Indonesia is still partial and sectoral which is different from GDPR that has specifically regulated in one bill. Big Data Analytics also has several implications with applicable privacy and personal data protection principles. Indonesia is advised to immediately ratify the provisions on protection of privacy and personal data which is now is still in the form of a RUU."