Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penilaian kesesuaian atas standar dan regulasi dilakukan oleh Lembaga Penilaian Kesesuaian (LPK)/Conformity Assessment Body (CAB). Kegiatan penilaian kesesuaian pada barang, jasa, sistem, atau proses dilakukan melalui Pengujian (Testing), Inspeksi (Inspection) dan / atau Sertifikasi (Certification) (TIC). LPK juga dikenal sebagai perusahaan jasa survei. Perusahaan jasa survei di Indonesia memiliki banyak layanan dengan pelanggan yang tersebar di seluruh Indonesia. Banyaknya pelanggan membuat data transaksi menjadi besar yang perlu dilakukan segmentasi untuk menentukan strategi penjualan dan pemasaran.Berdasarkan penelitian sebelumnya, belum banyak penelitian yang ditemukan yang menjadikan perusahaan jasa sebagai objek segmentasi, khususnya perusahaan jasa survei. Penelitian ini melakukan segmentasi pelanggan perusahaan jasa survei menggunakan Recency, Frequency, & Monetary Value (RFM), dan K-Means Clustering.Penelitian ini mengolah 181.724 data transaksi perusahaan jasa. Berdasarkan RFM, pelanggan dapat dibagi menjadi 3 segmen yaitu 646 pelanggan Key Account dengan porsi pendapatan 70,73%, 10.037 pelanggan Regular Account dengan porsi pendapatan 29,06%, dan 3.720 pelanggan Retail dengan porsi pendapatan 0,21%. Berdasarkan K-Means, pelanggan dapat dibagi menjadi 21 klaster. Jumlah klaster, disesuaikan dengan banyaknya Kategori dalam Klasifikasi Baku Lapangan Usaha Indonesia (KBLI).Berdasarkan penelitian ini, K-Means tidak hanya dapat digunakan untuk segmentasi pelanggan barang yang diproduksi, tetapi juga dapat digunakan untuk segmentasi pelanggan perusahaan jasa survei, dan hasil segmentasi dapat digunakan sebagai referensi untuk membuat paket jasa, dan membuat strategi penjualan dan pemasaran.

---

The conformity assessment of standard and regulation is conducted by Conformity Assessment Body (CAB). The conformity assessment activities that applied to goods, services, systems, or processes are carried out through testing, inspection and / or certification (TIC). CAB is also known as a survey service company. Survey service companies in Indonesia have a lot of services with many customers spread nationwide. The large number of customers make large transaction data that needs to be segmented to determine sales and marketing strategies.

Based on the previous research, not many studies have been found that take service companies as object of segmentation, especially survey service companies. This study is segmenting customers of survey service companies using Recency, Frequency, & Monetary Value (RFM), and K-Means Clustering.

This study processed 181,724 transaction data of a service company. Based on RFM, customers can be divided into 3 segments that are 646 Key Account customers with 70.73% revenue portion, 10,037 Regular Account customers with 29.06% revenue portion, and 3,720 Retail customers with a revenue portion of 0.21%. Based on K-Means, customers can be divided into 21 clusters. The number of cluster, is suit to number of Category in Indonesian Standard of Industrial Classification (ISIC).

According to this study, K-Means clustering not only can be used to segment customers of product manufactured, but also can be used to segment customers of survey service company, and the result of segmentation can be used as references for making service package (service bundling), and for making sales and marketing strategy."

"Loyalitas pelanggan memiliki peranan yang besar bagi perusahaan untuk meningkatkan pasar bisnisnya karena pelanggan yang loyal memberikan dampak yang positif berupa peningkatan profit dan daya saing perusahaan, pujian yang positif pada produk, dan sebagai entry barrier terhadap para pesaing. Oleh karena itu, maskapai nasional sebagai bagian dari industri penerbangan yang terus meningkat ini perlu melakukan analisis mengenai loyalitas pelanggannya. Penelitian ini bertujuan untuk mengetahui karakteristik pelanggan dari salah satu maskapai swasta di Indonesia yang mempengaruhi tingkat loyalitasnya dengan metode data mining, dimana algoritma yang digunakan adalah C5.0. Hasil yang didapatkan pada penelitian ini berupa model pohon keputusan.yang berisikan klasifikasi pelanggan Lion Air berdasarkan tingkat loyalitasnya.

---

Customer loyalty has a important role for company in increasing its business market because loyal customers gives positive impacts, such as increasing company's profit and competence skill, positive complement about its product, and applicable to be used as an entry barrier within the competitors. In due to that condition, national airline, as one of the airline industry's components that improve in recent years, needs to do analysis research concerned on its own customer loyalty. This research aims to discover the customers' characteristic from an airline in Indonesia that influences their loyality level by using data mining, while the used algorithm is C5.0. A result obtained in this study is a decision tree model that contains a classification of Lion Air's customers based on their loyalty level. "

"Fraud adalah bentuk ketidaknormalan pola penggunaan layanan telekomunikasi yang menyebabkan kerugian pada operator [1]. Dengan berkembangnya layanan telekomunikasi, fraud pun berkembang ke arah layanan data dari yang tadinya layanan tradisional seperti suara, SMS, roaming internasional. Penelitian ini mengambil studi kasus di PT XYZ dimana selama ini, metode penanganan fraud dilakukan dengan berbasis teknologi. Metode ini memiliki kelemahan yaitu tidak bisa mendeteksi semua kasus fraud dan waktu yang diperlukan semakin lama. Oleh karena itu, perlu dikembangkan suatu prosedur penanggulangan fraud yang lebih efektif dan efisien. Penanganan fraud perlu dilakukan secara menyeluruh dengan melibatkan data dari bagian marketing dan keuangan sebagai bagian dari rantai nilai penciptaan produk layanan data. Dalam pengolahan data yang berukuran sangat besar, digunakan metode data mining menggunakan perangkat lunak Rapidminer. Dengan metode data mining dan definisi fraud baru, didapat data bahwa sebesar 45,5 % pelanggan paket data termasuk kategori fraud. Dari data tersebut dapat diusulkan suatu strategi layanan data baru yang lebih terkendali dengan membatasi penggunaan data pelanggan paket. Sedangkan untuk pelanggan harian, dideteksi jumlah pelanggan fraud sebesar 119% dibandingkan dengan metode lama. Dengan demikian terbukti bahwa metode baru ini mampu meningkatkan kinerja pengendalian fraud pada layanan data di operator seluler.

---

Fraud is an abnormality behavior of telecommunication service that cause loss to operator [1]. With the growing of telecommunication service, fraud also occur on data service compare to previous traditional service such as voice, SMS or international roaming.

This research takes case study at PT XYZ which already implement data service fraud management. This method has weakness on its ability to detect all fraud case and detection time. Therefore, need to develop more effective and efficient fraud management method. Fraud management need to involve data from marketing and finance function as part of value chain on product creation to get holistic approach. This research using data mining approach using free software Rapidminer to process big data.

Data mining method and new fraud definition resulted 45,5 % subscriber included on fraud category. That data suggested a new data service strategy that more controllable by limiting usage of package subscriber. For daily subscriber, detected that fraud subscriber is 119% compare with old method. It is proven that new method can improve performance of fraud control at data service on celluler operator."

"ABSTRAKManajemen churn adalah masalah abadi dalam pemasaran produk layanan selular di Indonesia. Telkomsel sebagai operator selular dengan jumlah pelanggan terbesar dan memiliki pangsa pasar hampir dari setengah pasar layanan selular di Indonesia dipilih untuk penelitian ini. Tujuan dari penelitian ini adalah untuk memberikan wawasan dalam mendapatkan pola pelanggan telkomsel yang berpotensi untuk pindah layanan selular dengan melihat faktor ? faktor yang mempengaruhi dalam memutuskan untuk churn atau no churn dengan metode data mining, dan menggunakan algoritma C5.0. hasil yang didapatkan pada penelitian ini berupa model pohon keputusan yang berisikan prediksi pelanggan Telkomsel yang berpotensi untuk churn atau non churn.

---

ABSTRACTChurn management is an eternal problem in product marketing of cellular services in Indonesia. Telkomsel as a service provider with the largest number of customers and has nearly half a market share of the mobile service market in Indonesia is chosen as topic for this study. The purpose of this study is to provide insight in getting patterns of Telkomsel customers that have the churn potential to the other service providers through observation the factors that influence customers decision to churn or no churn by using data mining methods and the C5.0 algorithm. The obtained result in this study is a decision tree model that contains a prediction of potential Telkomsel customers to churn or non churn."

"ABSTRAKSkripsi ini bertujuan untuk mengetahui kepuasan pelanggan layanan data operator CDMA di Indonesia dengan menggunakan pesan tweet sebagai data kepuasan pelanggan real time. Data tersebut diolah menggunakan text mining dan sentiment analysis dengan membuat model klasifikasi teks. Tingkat akurasi model yang dibuat untuk memprediksi sentimen dari pesan tweet mencapai 80 %. Hasil penelitian menunjukkan bahwa pelanggan data operator CDMA di Indonesia baik secara umum maupun pada masing-masing operator cenderung tidak puas dengan layanan data yang diberikan. Secara umum kriteria kemudahan koneksi paling mempengaruhi ketidakpuasan pelanggan layanan data operator CDMA di Indonesia. Sedangkan kriteria kemudahan koneksi paling mempengaruhi ketidakpuasan pelanggan layanan data operator CDMA 1. Kemudian kriteria kemudahan koneksi dan kehandalan jaringan paling mempengaruhi ketidakpuasan pelanggan layanan data operator CDMA 2.

---

ABSTRACTThis thesis aims to gain insight of customer satisfaction of Indonesian CDMA data services operators by using tweets as real time customer satisfaction data. The data is processed using text mining and sentiment analysis by creating text classification model. The model accuracy to predict sentiment of a tweet achieve 80%. The results showed that Indonesia CDMA data subcribers in general or to individual operators tend to not satisfied with the service provided. Connection easiness criteria most influencing customer dissatisfaction of Indonesia CDMA data service operators in general. While, the connection easiness criteria most influencing customer dissatisfaction of CDMA data service operator 1. Then, Connection easiness and network reliability criteria most influencing customer dissatisfaction of CDMA data service operator 2."

"Permintaan terhadap produk private label PL belakangan ini semakin meningkat seiring dengan semakin selektifnya konsumen untuk membeli barang yang cukup berkualitas dengan harga yang pas Namun di Indonesia masih banyak orang yang memiliki persepsi konvensional terhadap PL diantaranya menyebut produk tersebut sebagai produk dengan kualitas rendah alternatif produk yang tak bermerek dan hanya menarik bagi pembeli yang sadar biaya Oleh karena itu para peritel patut untuk memberi perhatian lebih pada penjualan PL dalam menghadapi kompetisi bisnis dengan perancangan strategi yang tepat Penelitian ini bertujuan untuk mengetahui karakteristik dan perilaku belanja pelanggan pasar ritel serta tingkat kepuasan pada setiap kategori produk PL yang mempengaruhi intensitas pembelian produk PL dengan menggunakan Data Mining dimana algoritma yang digunakan adalah C5 0 Hasil yang didapatkan pada penelitian ini berupa model pohon keputusan yang berisikan klasifikasi pelanggan PL berdasarkan tingkat intensitas pembeliannya.

---

Private label demand will be likely to get higher as the consumers become more and more selective in buying the products of high quality with an optimal price However in Indonesia for some people the traditional perceptions of private label were once of low quality unbranded alternatives attracting the most cost conscious consumers Considering this retailers need to pay more attention to products with private label in facing the competition The current study discusses consumer rsquo s attitude and satisfaction with respect to each category of private label products Frequency of purchase and consumer characteristics are also discussed in light of empirical evidence Using Data Mining with C5 0 algorithm the research resulting decision tree model that contains a classification of PL customers based on their frequency of purchase."

"Proses retur merupakan hal yang perlu diatur oleh sebuah industri untuk dapat meminimalisir pengembalian barang dari pelanggan ke perusahaan. Salah satu cara untuk mengatasi hal itu adalah dengan adanya kebijakan retur terhadap pelanggan, namun kebijakan retur kerap hanya memiliki satu jenis yang diterapkan ke seluruh lapisan pelanggan. Hal ini dapat merugikan perusahaan apabila pelanggan menyalahgunakan kebijakan yang ada. Sehingga dibutuhkan kebijakan retur yang sesuai dengan karakteristik pelanggan. Penelitian ini bertujuan untuk mendapatkan informasi karakteristik pelanggan retur serta produk retur dengan membuat pemetaan pelanggan dan produk berdasarkan aktivitas returnya. Setelah diketahui kelompok dari pelanggan dan produk, setiap kelompokakan diklasifikan berdasarkan hasil kelasnya. Penelitian ini berbasiskan data dari industri farmasi yang memiliki karakteristik khusus dalam proses retur. Penelitian ini menggunakan metode K-Means Clustering dan Decision Tree C4.5 untuk memetakan produk serta pelanggan retur dengan atribut Recency, Frequency, dan Monetary untuk pelanggan, serta frekuensi retur untuk produk. Hasil dari penelitian ini berupa segmentasi pelanggan dan produk retur yang menghasilkan empat klaster pada tiap dimensi. Berdasarkan karakteristik pelanggan retur dapat dihasilkan rekomendasi berupa kebijakan retur yang sesuai dengan segmen pelanggan.

---

The return process is one of the process in supply chain management that is required to be regulated by industry to be able to minimize the return of goods from customers to the firm. One of strategy to overcome this is by implementing a return policy for customers but return policies often have only one type that is applied to all layers of customers. This can be detrimental to the company if the customer abuses the existing policies. So, the firm need a return policy that regulated based on customer characteristics. This study aims to obtain information on the characteristics of customer returns and product returns by mapping customers and products based on their return activities. Having known groups of customers and products, each group will be classified based on the results of its class. This research is based on data from the pharmaceutical industry that has special characteristics in the return process. This study uses the K-Means Clustering and Decision Tree C4.5 method to map products and customer returns with the Recency, Frequency, and Monetary (RFM) attributes for customers, as well as the frequency of returns for products. The result of this study is segmentation on return customers and product with four clusters in each dimension. Based on the segmentation on return customers, recommendation on return policy could be generated with a suitable characteristic of the customers."

"Dengan adanya teknologi, pelaku usaha dapat memanfaatkannya sebagai salah satu faktor pendorong peningkatan operasional bisnis menjadi lebih efisien. Peningkatan jumlah pengguna yang beralih ke mesin kasir modern mengakibatkan kemunculan perusahaan penyedia dengan layanan dan harga yang tidak jauh berbeda. Di Indonesia perusahaan penyedia meisn kasir modern bersaing untuk dapat mempertahankan pelanggannya. Penelitian ini bertujuan untuk mendapatkan informasi mengenai karakteristik pelanggan dengan membuat segmentasi pelanggan berdasarkan perilaku penggunaan mesin kasir pada usaha yang dikelolanya. Setelah diketahui kelompok pelanggan dengan karakteristiknya, setiap kelompok akan diklasifikasikan berdasarkan status pelanggan (Aktif dan Tidak Aktif). Data untuk penelitian ini didapatkan dari salah satu perusahaan penyedia yang menjadi pelopor mesin kasir modern di Indonesia. Atribut yang dipilih yaitu Length, Recency, Frequency, dan Monetary (LRFM). Data Mining merupakan metode yang dapat digunakan untuk mengidentifikasi informasi yang berada pada set data untuk Customer Relationship Management. Metode yang digunakan untuk segmentasi pelanggan adalah metode K-Means Clustering sedangkan untuk klasifikasi status pelanggan adalah metode Decision Tree C4.5. Hasil dari penelitian ini berupa karakteristik setiap kelompok pelanggan dan model prediksi status pelanggan yang dapat digunakan sebagai dasar pembuatan usulan strategi untuk membantu perusahaan dalam penyusunan strategi retensi pelanggan.

---

As the development of technology becomes advanced, businessmen can utilize it as one of the factors to drive the improvement or growth of their business operations to be more efficient. The increasing number of users who switch to use the modern cash register machines has resulted in the emergence of company with services and price that are not much different. In Indonesia, modern cash register companies compete to be able to retain their customers. This study aims to get information about the characteristics of customers through customer segmentation based on the behavior. After knowing the customer segments with their characteristics, each segment will be classified based on customer status (Active and Inactive). The data for this study was obtained from one of the provider companies that became the pioneer of the modern cash register in Indonesia. The selected attributes are Length, Recency, Frequency, and Monetary (LRFM). Data Mining is a method that can be used to identify information that is in a data set for Customer Relationship Management. The method used for customer segmentation is the K-Means Clustering while the classification of customer status is the Decision Tree C4.5. The results of this study are in the form of characteristics of each customer group and customer status prediction models that can be used as the basis for making strategies to assist companies in preparing customer retention strategies."

"Untuk mencapai kesuksesan bisnis, elemen paling penting yang harus diperhatikan oleh perusahaan adalah karyawan. Oleh karena itu, perusahaan harus mampu mempersiapkan dan mengelola karyawannya dengan baik agar dapat berkontribusi secara optimal sehingga produktivitas perusahaan meningkat. Salah satu strategi yang dapat dibuat yaitu untuk mempertahankan karyawan agar tetap bekerja di perusahaan, atau lebih dikenal dengan retensi karyawan. Banyaknya karyawan yang mengundurkan diri menyebabkan turnover meningkat dan dapat merugikan perusahaan. Dalam penyusunan strategi yang berkaitan dengan hal tersebut, salah satu cara untuk menggali informasi dan mendapatkan pemahaman tambahan yaitu dengan menggunakan workforce analytics yang menggunakan data yang berhubungan dengan karyawan seperti profil, dan menggunakan pendekatan data mining dalam pengolahannya. Penelitian ini dilakukan pada salah satu perusahaan fast-moving consumer goods FMCG di Indonesia yang memiliki turnover tinggi karena banyaknya karyawan yang mengundurkan diri. Tujuan penelitian ini yaitu mengidentifikasi atribut profil yang berpengaruh terhadap masa kerja karyawan di perusahaan. Penelitian ini menggunakan data profil karyawan yang menjabat sebagai asisten manajer pada divisi penjualan. Data tersebut bersumber dari divisi human resources perusahaan dan jejaring sosial LinkedIn. Untuk mencapai tujuan, digunakan pendekatan data mining, khususnya metode klasifikasi dengan teknik decision tree dan algoritme C4.5. Hasil dari penelitian ini berupa atribut profil yang berhubungan dengan masa kerja karyawan, yang dapat digunakan untuk membantu memberikan pertimbangan pada perusahaan dalam penyusunan strategi seleksi dan retensi karyawan.

---

To achieve business success, the most important element that must be considered by the company is its employees. Therefore, the company must be able to prepare and manage its employees well so that they can contribute optimally and increase company 39 s productivity. One strategy that can be made is to keep employees to stay and work in the company, or also known as employee retention. The number of employees who are resigned can cause increasing turnover and harm the company. In the development of such strategy, one way to explore information and gain additional understanding is using workforce analytics that uses employee related data such as profiles, and data mining approach in its processing. This research was conducted on one of the fast moving consumer goods FMCG company in Indonesia which had high turnover due to many resigned employees. The purpose of this study is to identify the profile attributes that affect the working period of employees in the company. This study used employee profile data who had become assistant manager in the sales division at the company on the period of 2009 to 2016. The data was obtained from the company 39 s human resources division and LinkedIn social networking site. To achieve the goal, data mining approach is used, namely classification method with decision tree technique and C4.5 algorithm. The results of this study were profile attributes that relate to the employment period of employees, which could be used to help giving consideration to the company in the development of employee selection and retention strategies."