Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Kebutuhan tenaga listrik di Kepulauan Maluku diproyeksikan akan tumbuh rata- rata sekitar 5,5% pertahun dalam periode 10 tahun ke depan. Pemerintah dan PT PLN (Persero) telah mengantisipasi peningkatan kebutuhan listrik tersebut dengan membuat rencana pembangunan pembangkit listrik tenaga gas bumi agar tidak mengalami defisit energi listrik di beberapa daerahnya. Oleh karena itu, diperlukan penelitian lebih lanjut mengenai skema distribusi LNG untuk memenuhi kebutuhan gas tiap pembangkit listrik di Kepulauan Maluku. Pada penelitian ini dilakukan perancangan distribusi LNG dari kilang Tangguh Teluk Bintuni, Papua Barat menggunakan kapal pengangkut LNG menuju terminal penerima yang berada di Kepulauan Maluku. Optimasi distribusi LNG dilakukan dengan menggunakan metode K-Medoids untuk membentuk klaster sekaligus rute yang mungkin (feasible route) kemudian dilanjutkan dengan metode Capacitated Vehicle Routing Problem (CVRP) dengan meminimalkan biaya transportasi. Berdasarkan yang akan digunakan pada Hasil optimasi distribusi LNG yang sudah dilakukan terdapat satu kapal dengan ukuran 2500m3 yang akan melayani rute klaster pertama melewati 4 titik terminal penerima dengan total jarak sebesar 1099,7 km dengan total biaya transportasi sebesar $3.349.928. Sedangkan dua kapal dengan ukuran 1000 m3 dan 2500m3 melayani rute klaster kedua melewati 8 titik terminal penerima dengan total jarak sebesar 3522,7 km dan total biaya transportasi sebesar $10.636.526, serta dua kapal dengan ukuran 1000 m3 akan melayani rute klaster ketiga melewati 3 titik terminal penerim dengan total jarak sebesar 2141,6 km dan total biaya transportasi sebesar $6.439.600. Selanjutnya, hasil perhitungan keekonomian yang dilakukan menunjukan bahwa investasi dikategorikan layak secara finansial jika margin harga penjualan LNG sekurang-kurangnya sebesar $3 per MMBTU dengan discount rate tidak lebih besar dari 13% yang menghasilkan payback period 4 tahun, IRR 38% dan NPV positif sebesar US$ 5,711,318 diakhir tahun ke 20. ......The demand of electricity in the Maluku Islands is projected to grow by an average of around 5.5% per year in the next 10 years. The government and PT PLN (Persero) have anticipated the increase in electricity demand by making plans to develop natural gas power plants in the archipelago so as not to have an electrical energy deficit in some areas. Therefore, further research is needed on the LNG distribution scheme to fulfill the gas needs of each power plant in the Maluku Islands. In this study, LNG distribution design was carried out from the Tangguh Refinery in Teluk Bintuni, West Papua by means of an LNG carrier ship to the receiving terminal in the Maluku Islands. The optimization of LNG distribution is carried out using the K-Medoids method to form clusters as well as feasible routes then followed by the Capacitated Vehicle Routing Problem (CVRP) method by minimizing transportation costs. Based on what will be used in the results of the LNG distribution optimization that has been carried out, there is one ship with a size of 2500m3 which will serve the first cluster route through 4 receiving terminal points with a total distance of 1099.7 km with a total transportation cost of $3,349,928. Meanwhile, two ships with a size of 1000 m3 and 2500m3 serve the second cluster route through 8 receiving terminal points with a total distance of 3522.7 km and a total transportation cost of $10,636,526, and two ships with a size of 1000 m3 will serve the third cluster route through 3 points. receiving terminal with a total distance of 2141.6 km and a total transportation cost of $6,439,600. Furthermore, the results of the economic calculations carried out show that the investment is categorized as financially feasible if the LNG sales price margin is at least $3 per MMBTU with a discount rate not greater than 13% resulting in a payback period of 4 years, an IRR of 38% and a positive NPV of US$ 5,711,318 at the end of year 20.

Abstrak :
Seiring perkembangan waktu dan teknologi, persaingan bisnis ritel semakin ketat. Oleh karena itu, perusahaan yang bergerak di industri bisnis retail perlu membuat strategi pemasaran yang efektif dan efisien untuk dapat bertahan dan memenangkan persaingan tersebut. Perusahaan dapat memanfaatkan dan menerapkan CRM, seperti mengamati dan menganalisis perilaku pelanggan menggunakan teknik data mining. Identifikasi Pelanggan merupakan tahapan kirits dalam CRM. Hal terpenting dari identifikasi pelanggan adalah proses segmentasi pelanggan dengan mengklasifikasikan pelanggan menjadi beberapa kelompok berdasarkan perilaku transaksi, informasi demografis, geografis, dan atribut psikografis. Analisis RFM adalah teknik data mining yang menganalisis perilaku pelanggan berdasarkan nilai Recency, Frequency, dan Monetary. Oleh karena itu, penelitian ini melakukan segmentasi pelanggan menggunakan pengembangan model RFM yang memperhitungkan usia pelanggan, rata-rata lama pelanggan berbelanja kembali, dan faktor nilai diskon secara bersamaan pada data transaksi belanja rumah tangga. Hasil penelitian ini terbukti bahwa model pengembangan RFM dapat secara akurat menganalisis nilai pelanggan ritel rumah tangga dan diperoleh tiga kelompok kategori prioritas pelanggan yang masing-masing memiliki karakteristik yang berbeda

---

As technology evolved, retail business competition is getting tougher. Therefore, companies engaged in the retail business industry need to create effective and efficient marketing strategies to survive and win the competition. Companies can take advantage of and implement CRM, such as observing and analyzing customer behavior using data mining techniques. Customer identification is a critical step in CRM. The most important thing about customer identification is the customer segmentation process by classifying customers into several groups based on transaction behavior, demographic information, geographic information, and psychographic attributes. RFM analysis is a data mining technique that analyzes customer behavior based on the value of Recency, Frequency, and Monetary. Therefore, this study segmented customers using the RFM model development that took into account the customer's age, the customer's average duration to shop again, and the discount factor simultaneously on household spending transaction data. The results of this study prove that the RFM development model can accurately analyze the value of household retail customers and there are three groups of customer priority categories, that have their respective characteristics

Abstrak :
Dengan perkembangan teknologi yang pesat dan penetrasi internet yang tinggi di kalangan pelajar, pendidikan telah bertransformasi dari pembelajaran konvensional menjadi interactive learning atau biasa disebut sebagai pendidikan daring. Berbagai aplikasi education technology berbasis mobile mulai bermunculan. Namun, menawarkan jasa atau produk dari education technology masih merupakan sebuah tantangan untuk dapat terus bertahan dan diterima masyarakat dalam hal ini siswa. Perusahaan perlu untuk mengetahui kualitas produk dan layanan yang diberikan saat ini dari perspektif pengguna melalui ulasan pengguna. Penelitian ini melakukan Opinion Mining multibahasa untuk ulasan berbahasa Indonesia dan berbahasa Inggris dari Google Play Store pada empat aplikasi yaitu Zenius, Quipper, Rumah Belajar, dan Ruangguru. Dua pendekatan antara lain Aspect-Based Sentiment Analysis dengan algoritma Support Vector Machine dan Text Clustering dengan algoritma K-Medoids Clustering dilakukan dalam mengekstraksi informasi yang berguna dari data teks yang tidak terstruktur ke dalam klasifikasi aspek dan sentimen. Evaluasi performa klasifikasi memberikan hasil bahwa ulasan berbahasa Inggris menghasilkan nilai akurasi yang lebih tinggi dibandingkan ulasan berbahasa Indonesia. Penelitian ini juga menghasilkan gambaran topik pada setiap aspek dan sentimen dalam bentuk klaster-klaster yang memiliki nilai DBI mendekati nol. Penelitian ini menghasilkan analisis yang komprehensif yang dapat dijadikan konsiderasi perusahaan dalam meningkatkan produk dan layanannya. ......With the rapid development of technology and high internet penetration among students, education has transformed from conventional learning to interactive learning, or usually known as daring education. Various mobile-based education technology applications had begun to emerge. However, offering service and product of education technology still remains a challenge in order to sustain and be accepted by the community, especially students. In this case, the company needs to know the quality of product and service they provide from the perspective of customers through customer reviews. This research conducts a multilingual Opinion Mining for Indonesian and English reviews from Google Play Store on four applications: Zenius, Quipper, Rumah Belajar, and Ruangguru. Two approaches are carried out, Aspect-Based Sentiment Analysis with Support Vector Machine Algorithm and Text Clustering with K-Medoids Clustering Algorithm in extracting useful information from unstructured text. The results of classification performance evaluation show that English reviews produced higher accuracy than Indonesian reviews. This research also depicts the topics discussed in each sentiment and aspect in the form of clusters which have DBI value close to zero. This research has produced a comprehensive analysis that can be used as a consideration for companies in improving their products and services.

Abstrak :
Penggunaan data sebagai dasar pengambilan keputusan menjadi hal yang sangat penting dilakukan di dunia olahraga saat ini dan biasa disebut dengan sports analytics. Bola basket menjadi salah satu olahraga yang sangat memanfaatkan hal tersebut untuk memperoleh informasi berharga yang dapat membantu memenangkan pertandingan. Keputusan-keputusan penting saat pertandingan berlangsung menjadi sangat bergantung pada hasil analisis data yang dilakukan. Salah satu faktor penting yang dapat mempengaruhi performa tim adalah komposisi pemain yang bertanding. Saat ini, dunia bola basket, termasuk NBA yang merupakan liga basket terbesar di dunia yang ada di Amerika Serikat, masih menggunakan 5 posisi pemain tradisional sebagai salah satu hal yang mempengaruhi komposisi pemain. Hal tersebut sangat tidak efektif karena posisi tersebut sudah tidak dapat lagi menggambarkan peran dan cara bermain pemain ketika bertanding seiring berovolusinya para pemain bola basket. Penelitian ini bertujuan untuk menghasilkan posisi baru untuk skema penyerangan yang sesuai dengan tipe pemain dan dapat menggambarkan dengan baik peran dan cara bermain pemain dalam skema penyerangan ketika bertanding. Metode clustering dengan algoritma Gaussian Mixture Model (GMM) dan K-Medoids digunakan untuk melakukan hal tersebut dengan mengelompokkan para pemain berdasarkan variabel-variabel yang berkaitan dengan skema penyerangan di olahraga bola basket. Penelitian ini berhasil menemukan kelompok-kelompok baru yang menyatukan para pemain dengan tipe permainan yang mirip dan lebih menggambarkan peran dan cara bermain para pemain ketika bertanding. ......The use of data as a basis for decision making become very important in the world of sports today and is known as sports analytics. Basketball is a sport that really takes advantage of that to get valuable information that can help win matches. Important decisions during a game are very dependent on the results of the data analysis carried out. One of the important factor that can affect a team's performance is the composition of the players that play the game. Currently, the world of basketball, including the United States's NBA which is the largest basketball league in the world, still uses the 5 traditional player positions as one of the things that influence the composition of players. That is really ineffective because this position can no longer describe the roles and ways players play when competing as basketball players evolve. This study aims to produce new positions for attack schemes that suit the type of player and can well describe the roles and ways of playing players in attack schemes when playing in a game. The clustering method with the Gaussian Mixture Model (GMM) algorithm and K-Medoids is used for grouping the players based on variables related to the attack scheme in basketball. This research succeeded in finding new groups that identify players with similar game types and better describe the roles and ways of players play when competing.

Abstrak :
Analisis kelompok adalah metode multivariat yang bertujuan mengelompokkan pengamatan berdasarkan karakteristiknya. Salah satu metode analisis pengelompokan adalah metode cluster ensembel dengan pengelompokan dilakukan dengan satu metode berulang kali hingga diperoleh hasil yang lebih baik dibandingkan jika dilakukan satu kali. Penelitian ini mencoba menggunakan Cluster Ensemble Based Mixed Data Clustering (CEBMDC), yaitu metode pengelompokan yang biasa dilakukan untuk data dengan variabel campuran yaitu numerik dan kategorik. Tahap awal dalam metode ini yaitu membagi data awal menjadi data dengan hanya variabel-variabel numerik dan data dengan hanya variabel-variabel kategorik. Data yang telah dipisahkan berdasarkan jenis variabelnya kemudian dikelompokan menggunakan metode yang sesuai secara simultan. Hasil pengelompokan ini menjadi data baru dengan dua variabel kategorik yaitu hasil pengelompokan dengan variabel numerik dan hasil pengelompokan dengan variabel kategorik. Data baru dengan dua variabel kategorik ini kemudian dilakukan proses pengelompokan. Metode pengelompokan untuk data dengan variabel numerik adalah metode Hierarchical Agglomerative Clustering. Metode clustering untuk data kategorik adalah ROCK (RObust Clustering using linKs) dan K-medoids/PAM (Partition Around Medoids). Penelitian ini membandingkan hasil pengelompokan ROCK dan K-medoids. Pengelompokan dilakukan pada data mengenai sarana dan prasarana sekolah yang diambil dari 5.094 SMP yang ada di Jawa barat. Metode pengelompokan dengan kinerja terbaik pada penelitian ini adalah Ensemble K-medoids berdasarkan rasio antara simpangan baku di dalam kelompok (¬SW) dan simpangan baku antar kelompok (SB) terkecil. Penelitian ini menghasilkan 3 kelompok yang mencerminkan kondisi sekolah-sekolah pada jenjang SMP di Jawa Barat.

---

Clustering analysis is a multivariate method that aims to classify observations based on their characteristics. One method of clustering analysis is the ensemble clustering method in which the grouping is done using a method repeatedly until better results are obtained than if it is done once. This study uses the Cluster Ensemble Based Mixed Data Clustering (CEBMDC), which is a grouping method that commonly used for data with numerical and categorical variables. The first step in this method is to divide the initial data into two parts, that is data with only numerical variables and data with categorical variables. After data has been separated based on the types of variables, and then clustering using the appropriate method is conducted simultaneously. The results of these two clustering method become a new data with two categorical variables, namely the results of clustering with numeric variables and the results of clustering with categorical variables. The new data with two categorical variables are then carried out the clustering process. The clustering method for data with numerical variables is the Hierarchical Agglomerative Clustering method. Clustering methods for categorical data are ROCK (RObust Clustering using linKs) and K-medoids / PAM (Partition Around Medoids). This study compares the results of ROCK and K-medoids clustering. The study was conducted on data of school facilities and infrastructure taken from 5094 junior high schools in West Java. The best performance grouping method in this study is the Ensemble K-medoids based on the ratio between the standard deviation in the group (SW) and the smallest standard inter-group (SB) deviation. This study produced 3 groups that reflect the condition junior high schools in West Java.

Abstrak :
Dengue adalah salah satu penyakit endemik yang terjadi pada banyak daerah sub tropis dan tropis. Nyamuk Aedes aegypti merupakan vektor utama penyakit dengue. Jumlah insiden dengue telah meningkat secara drastis di seluruh dunia dalam beberapa dekade terakhir. Perubahan iklim dapat menyebabkan perubahan curah hujan, suhu, kelembapan, dan arah udara, sehingga dapat berpengaruh pada perkembangbiakan hidup nyamuk Aedes. Pada skripsi ini, penulis mengimplementasikan algoritma ­K-Medoids dan Fuzzy C-Means Clustering menggunakan jarak Euclidean pada data insiden dengue dan cuaca yang diambil dari kelima wilayah di DKI Jakarta pada tahun 2009 hingga 2016. Variabel yang digunakan terdiri atas rata-rata temperatur, rata-rata kelembapan udara relatif, curah hujan, dan insiden dengue. Proses implementasi dalam skripsi ini dibedakan atas 2 skenario penelitian, yaitu menggunakan 4 variabel yang telah disebutkan di atas dan 3 variabel (variabel yang sama seperti sebelumnya, namun tanpa variabel insiden dengue). Tujuan penelitian dalam skripsi ini adalah menganalisis keterkaitan antara variabel cuaca tersebut dan insiden dengue dari kelima wilayah di DKI Jakarta. Untuk menentukan jumlah klaster yang digunakan, pada metode K-Medoids Clustering dilakukan perhitungan Silhouette Coefficient dan pada metode Fuzzy C-Means Clustering dilakukan perhitungan Modified Partition Coefficient. Hasil menunjukkan bahwa terdapat korelasi yang cenderung positif antara insiden dengue dengan rata-rata kelembapan udara relatif dan jumlah curah hujan di DKI Jakarta. Sementara itu, terdapat korelasi yang cenderung negatif antara jumlah insiden dengue dengan rata-rata temperatur di DKI Jakarta. Hasil dari kedua skenario menunjukkan bahwa terdapat kemiripan nilai rata-rata temperatur yang terjadi antara Jakarta Pusat dan Jakarta Utara, serta antara Jakarta Timur, Jakarta Selatan, dan Jakarta Barat. Kemiripan nilai rata-rata kelembapan udara relatif juga terjadi pada wilayah-wilayah seperti yang telah disebutkan sebelumnya. Hasil dari kedua skenario juga menunjukkan bahwa insiden dengue yang terjadi di Jakarta Pusat dan Jakarta Utara cenderung lebih rendah dari Jakarta Timur, Jakarta Barat, dan Jakarta Selatan. Berdasarkan hasil yang diperoleh, pembentukan klaster pada skenario pertama cenderung dipengaruhi oleh jumlah insiden dengue. Sementara itu, pembentukan klaster pada skenario kedua cenderung dipengaruhi oleh jumlah curah hujan.

---

Dengue is an endemic disease prevalent in sub-tropical and tropical regions. The Aedes aegypti mosquito is the main vector of dengue. Dengue incidence has been rising dramatically throughout the last few decades. Climate change may lead to changes in rainfall, temperature, humidity, and wind direction, so that it can affect the breeding of Aedes mosquitoes. In this study, we employ K-Medoids Clustering and Fuzzy C-Means (FCM) Clustering algorithms using Euclidean distance on five regions in DKI Jakarta every year from 2009 to 2016. The variables used consist of average temperature, average relative humidity, rainfall, and dengue incidence. The implementation process in this study is divided into 2 research scenarios. Firstly using the 4 variables that was mentioned above, and secondly using 3 variables (the same variables as before, but without the dengue incidence variable). The purpose of this study is to analyze the relationships between these weather variables and dengue incidence in the five regions in DKI Jakarta. In order to determine the number of clusters used, for K-Medoids Clustering we determine the Silhouette Coefficient, and for Fuzzy C-Means Clustering we determine the Modified Partition Coefficient. The results show that there tends to be a positive correlation between the number of dengue incidence with average relative humidity and the amount of rainfall. On the other hand, there tends to be a negative correlation between the number of dengue incidence with the average temperature. The results of the two scenarios show that there are similarities in the average temperature between Central Jakarta and North Jakarta, as well as between the East Jakarta, South Jakarta, and West Jakarta. Similarities in the average relative humidity also occur in the areas mentioned before. The results of both scenarios also show that the dengue incidence in Central Jakarta and North Jakarta tend to be lower than in East Jakarta, West Jakarta, and South Jakarta. Based on the results, cluster formation in the first scenario tends to be influenced by the number of dengue incidence. Meanwhile, cluster formation in the second scenario tends to be influenced by the amount of rainfall.

Abstrak :
Saat ini internet sudah menjadi kebutuhan bagi seluruh pihak karena kegunaannya di berbagai aspek kehidupan. Hal tersebut memicu bertambahnya jumlah pengguna internet di seluruh dunia, termasuk di Indonesia. Namun, banyaknya jumlah pengguna tersebut tidak dibarengi dengan peningkatan kualitas dan pemerataan akses internet yang baik. Masih ada wilayah di Indonesia yang memiliki kualitas jaringan internet buruk bahkan tidak terjangkau internet. Pada penelitian ini, dilakukan pengelompokan wilayah di Indonesia berdasarkan kualitas jaringan internet menggunakan Algoritma Genetika KMedoids. Pengelompokan ini bertujuan untuk mengumpulkan wilayah dengan karakteristik yang sama berdasarkan kualitas jaringan internet, sehingga dapat dilihat wilayah mana saja yang sudah memiliki kualitas jaringan internet yang baik dan wilayah mana saja yang masih perlu perbaikan. Data yang digunakan adalah data sekunder dari website Speedtest dengan total 84 wilayah. Adapun variabel yang digunakan di antaranya yaitu Mobile Download, Fixed Download, Mobile Upload, Fixed Upload, Mobile Latency, Fixed Latency, Mobile Provider, dan Fixed Provider. Hasil dari penelitian ini didapatkan 6 klaster dengan nilai evaluasi Davies-Bouldien Index sebesar 0,7647. Klaster 1 terdiri dari 19 wilayah dengan kualitas internet kurang baik, klaster 2 terdiri dari 27 wilayah dengan kualitas internet yang standar, klaster 3 terdiri dari 12 wilayah dengan kualitas internet baik, klaster 4 terdiri dari 6 wilayah dengan kualitas internet yang sangat baik, dan klaster 5 terdiri dari 6 wilayah dengan kualitas internet yang cukup baik. ......Internet has now become an essential necessity for everyone due to its utility in various aspects of life. This has led to an increase in the number of internet users worldwide, including in Indonesia. However, the growing number of users has not been accompanied by an improvement in the quality and equitable access to internet services. There are still areas in Indonesia with poor internet quality or even lack of internet access. In this study, a clustering of territory in Indonesia based on internet quality was performed using the Genetic Algorithm K-Medoids. The objective of this clustering was to group territories with similar internet quality characteristics, in order to identify territories that already have good internet quality and territories that require improvement. The data used in the study was obtained from the Speedtest website and covered a total of 84 territories. The variables used included Mobile Download, Fixed Download, Mobile Upload, Fixed Upload, Mobile Latency, Fixed Latency, Mobile Provider, and Fixed Provider. The results of the study revealed 6 clusters with a Davies-Bouldin Index evaluation score of 0,647. Cluster 1 consists of 19 territories with poor internet quality, cluster 2 consists of 27 territories with standard internet quality, cluster 3 consists of 12 territories with good internet quality, cluster 4 consists of 6 territories with very good internet quality, and cluster 5 consists of 6 territories with fairly good internet quality.

Abstrak :
Dengue adalah penyakit infeksi yang menjadi masalah kesehatan serius di dunia. Jumlah insiden dengue di Indonesia terus meningkat sejak tahun 1968, namun pada beberapa tahun belakangan, jumlah penderita dengue cenderung fluktuatif. Faktor-faktor cuaca cenderung memiliki hubungan dengan insiden dengue di Indonesia. Pada skripsi ini, dilakukan analisis pada data time-series cuaca dan insiden dengue pada wilayah DKI Jakarta dari Januari 2008 sampai September 2017. Clustering dapat digunakan untuk menemukan pola pada dataset time-series yang besar dan berisi informasi berharga. Pada skripsi ini, digunakan pendekatan K-Medoids dan Fuzzy C-Means Clustering menggunakan jarak Dynamic Time Warping (DTW). Skripsi ini bertujuan untuk menganalisis pola faktor-faktor cuaca dan insiden dengue di lima wilayah DKI Jakarta (Jakarta Utara, Jakarta Timur, Jakarta Barat, Jakarta Selatan, dan Jakarta Pusat). Faktor-faktor cuaca yang digunakan terdiri dari rata-rata temperatur, curah hujan, rata-rata kelembapan relatif, sinar matahari, dan rata-rata kecepatan angin. Sebelum clustering dilakukan, nilai Silhouette Coefficient digunakan untuk menentukan jumlah cluster yang optimal pada K-Medoids Clustering. Sedangkan, nilai Modified Partition Coefficient digunakan untuk menentukan jumlah cluster yang optimal pada Fuzzy C-Means Clustering. Hasil implementasi menunjukkan bahwa curah hujan merupakan faktor cuaca yang memiliki pola yang paling serupa dengan insiden dengue di kelima wilayah DKI Jakarta. Selain itu, sinar matahari, rata-rata temperatur, dan rata-rata kelembapan relatif juga cenderung memiliki pola yang serupa. Rata-rata kecepatan angin juga cenderung memiliki pola yang serupa dengan curah hujan dan insiden dengue, atau dengan sinar matahari, rata-rata temperatur, dan rata-rata kelembapan relatif.

---

Dengue is an infectious disease which has become a serious issue throughout the world. Since 1968, the incidence of dengue in Indonesia has continued to increase every year, but in recent years it tended to fluctuate. Weather factors are associated with the incidence of dengue in Indonesia. In this thesis, an analysis of weather time-series data and dengue incidence is done in the DKI Jakarta area from January 2008 to September 2017. Clustering can be used to discover patterns in large time-series datasets which contain valuable information. In this thesis, the K-Medoids and Fuzzy C-Means Clustering approaches using Dynamic Time Warping (DTW) distance are employed. This thesis aims to analyze patterns of weather factors and dengue incidence in the five regions of DKI Jakarta (North Jakarta, East Jakarta, West Jakarta, South Jakarta and Central Jakarta). The weather variables consist of average temperature, rainfall, average relative humidity, sunshine, and average wind speed. Before the clustering process, the Silhouette Coefficient value is used to determine the optimal number of clusters in K-Medoids Clustering. Meanwhile, the Modified Partition Coefficient value is used to determine the optimal number of clusters in Fuzzy C-Means Clustering. The implementation results show that rainfall is the weather factor which has the most similar pattern to the dengue incidence in the five regions of DKI Jakarta. In addition, sunshine, average temperature, and average relative humidity also tend to have a similar pattern with each other. Average wind speed also tends to have a pattern similar to rainfall and dengue incidence, or with sunshine, average temperature, and average relative humidity.

Abstrak :
Pertumbuhan kinerja industri alas kaki yang positif dengan permintaan alas kaki domestik yang terus meningkat menjadi peluang besar bagi para usaha mengembangkan bisnisnya di bidang alas kaki, termasuk Usaha Mikro, Kecil, dan Menengah. Seiring dengan dorongan pemerintah terhadap digitalisasi UMKM, semakin bertambahnya UMKM alas kaki yang memasarkan produknya melalui e-commerce. Hal tersebut mengakibatkan peningkatan persaingan antar UMKM alas kaki di e-commerce dalam memenangkan kompetisi bisnis. Salah satu upaya dalam mempertahankan keuntungan jangka panjang berupa penerapan customer relationship management untuk meningkatkan loyalitas pelanggan. Oleh karena itu, penelitian ini bertujuan untuk mengidentifikasi karakteristik pelanggan melalui segmentasi pelanggan berdasarkan Customer Lifetime Value (CLV) dengan pendekatan model Length, Recency, Frequency, Monetary (LRFM) dan merumuskan serta menentukan strategi retensi pelanggan. Penelitian ini berfokus pada segmentasi pelanggan sepatu kulit sebagai volume produk terbesar dalam UMKM Alas Kaki tersebut. Pada tahap awal, metode K-Medoids clustering digunakan untuk mengelompokkan pelanggan dengan menggunakan model LRFM sehingga dapat menghitung CLV pada tiap segmen pelanggan. Tiap klaster tersebut dianalisis karakteristiknya berdasarkan model LRFM, CLV, dan pemetaan klaster pada Customer Value Matrix (CVM). Strategi retensi pelanggan dirumuskan dan ditentukan prioritasnya sesuai karakteristik klaster yang terbentuk menggunakan metode Complex Proportional Assessment (COPRAS). Penelitian ini menghasilkan 3 klaster pelanggan yang terbentuk dan 7 rekomendasi strategi peningkatan loyalitas pelanggan dengan tiga prioritas teratas pada tiap klaster. ......The positive performance growth of the footwear industry with the increasing demand for domestic footwear is a great opportunity for businesses to develop their business in footwear, including Micro, Small and Medium Enterprises. Along with the government's encouragement of the digitalization of MSMEs, more and more footwear MSMEs are marketing their products through e-commerce. This has resulted in increased competition among footwear MSMEs in e-commerce in winning business competitions. One of the efforts in maintaining long-term profits is the implementation of customer relationship management to increase customer loyalty. Therefore, this research aims to identify customer characteristics through customer segmentation based on Customer Lifetime Value (CLV) with the Length, Recency, Frequency, Monetary (LRFM) model approach and formulate also determine customer retention strategies. This research focuses on segmenting leather shoe customers as the largest volume of products in this company. In the initial stage, the K- Medoids clustering method is used to group customers using the LRFM model so as to calculate CLV in each customer segment. Each cluster is analyzed for characteristics based on the LRFM model, CLV, and cluster mapping on the Customer Value Matrix (CVM). Customer retention strategies are formulated and prioritized according to the characteristics of the clusters formed using the Complex Proportional Assessment (COPRAS) method. This research resulted in 3 customer clusters formed and 7 recommendations for strategies to increase customer loyalty with the top three priorities in each cluster.

Abstrak :
Per 9 Februari 2023, 87% dari total populasi kendaraan pribadi di Indonesia merupakan sepeda motor. Persebaran sepeda motor terpadat di Indonesia berada di Pulau Jawa dengan persentase sebesar 60%. Tingginya populasi sepeda motor dan fakta bahwa 80% rumah tangga di Pulau Jawa sudah memiliki sepeda motor membuat pasar sepeda motor semakin mengecil. Dalam jangka panjang, kondisi ini dapat berdampak buruk bagi industri sepeda motor yang terus ingin berkembang. Penelitian ini membahas tentang pengelompokan kabupaten dan kota di Pulau Jawa berdasarkan karakteristik demografinya. Kemudian, diberikan saran keputusan yang dapat dilakukan oleh industri sepeda motor berdasarkan kelompok kabupaten dan kota yang terbentuk menggunakan teknik clustering. Hal ini bertujuan agar produsen yang bergerak di industri sepeda motor dapat memfokuskan produknya pada kelompok kabupaten dan kota yang memiliki potensi terbaik. Terdapat 12 variabel demografi yang digunakan dalam penelitian ini, dan variabel tersebut terbagi menjadi tiga kategori: kondisi ekonomi masyarakat, kondisi kehidupan masyarakat, dan kondisi demografis daerah. Metode yang digunakan dalam penelitian ini adalah metode partitional hard clustering. Sebelumnya, dilakukan pembuatan dataset melalui proses data scrapping pada situs terpercaya, dan dilanjutkan dengan proses Exploratory Data Analysis (EDA) pada dataset. Setelah dataset terbentuk, dilakukan pengelompokan dengan metode partitional hard clustering yang terdiri dari metode K-Means Clustering dan metode K-Medoids Clustering. Kemudian, dilakukan evaluasi cluster untuk menentukan metode clustering yang paling sesuai dengan menggunakan empat metrik evaluasi yaitu Indeks Silhouette, Indeks Dunn, Indeks Davies Bouldin, dan Indeks Calinski Harabasz. Didapatkan hasil bahwa metode K-Medoids Clustering dengan 5 kelompok merupakan yang terbaik untuk mengelompokkan kabupaten dan kota di Pulau Jawa. Setelah kelompok terbentuk, setiap kelompok diberikan rekomendasi keputusan yang sebaiknya diambil oleh industri sepeda motor. Terdapat 4 rekomendasi yang dapat diberikan, yaitu distribusi suku cadang, pembuatan bengkel, penjualan sepeda motor kelas menengah ke atas, dan penjualan sepeda motor kelas menengah ke bawah. ......As of February 9, 2023, 87% of the total population of private vehicles in Indonesia consists of motorcycles. The densest distribution of motorcycles in Indonesia is found on the Island of Java, with a percentage of 60%. The high population of motorcycles and the fact that 80% of households in Java already have motorcycles are causing the motorcycle market to shrink. In the long run, this condition can have negative impacts on the motorcycle industry that continues to seek growth. This research focuses on the clustering of regencies and cities in Java based on their demographic characteristics. Subsequently, decision recommendations will be provided for the motorcycle industry based on the formed groups using clustering techniques. The aim is to enable manufacturers in the motorcycle industry to focus their products on regencies and cities with the best potential. There are 12 demographic variables used in this research, divided into three categories: the economic conditions of society, the living conditions of society, and the demographic conditions of the region. The method used in this research is the partitional hard clustering method. Firstly, a dataset is created through the data scraping process on trusted sites, followed by the Exploratory Data Analysis (EDA) process on the dataset. Once the dataset is formed, clustering is performed using the partitional hard clustering method, consisting of the K-Means Clustering and K-Medoids Clustering methods. Subsequently, cluster evaluation is carried out to determine the most suitable clustering method using four evaluation metrics: Silhouette Index, Dunn Index, Davies Bouldin Index, and Calinski Harabasz Index. The results show that the K-Medoids Clustering method with 5 clusters is the best for grouping regencies and cities in Java. After the groups are formed, each group is given decision recommendations that the motorcycle industry should consider. There are four recommendations: spare parts distribution, workshop establishment, sales of mid- to high-end motorcycles, and sales of mid-range motorcycles and below.