Sistem Segmentasi Keluhan Pelanggan di Perumda Air Minum Tirta Raharja Cimahi Menggunakan Metode K-Medoids
DOI:
https://doi.org/10.36423/index.v3i1.674Keywords:
K-Medoids, Keluhan, Clustering, Segmentasi, Perumda Tirta Raharja CimahiAbstract
Perumda Air Minum Tirta Raharja Cimahi merupakan sebuah perusahaan yang bergerak di bidang jasa pelayanan pengelolaan air minum dan pengelolaan sarana air limbah di kabupaten Bandung Barat, untuk meningkatkan kesejahteraan masyarakat yang mencakup aspek ekonomi, sosial, kesehatan dan pelayanan umum, namun dalam prosesnya tentu saja perusahaan banyak menerima keluhan dari konsumen yang berasal dari berbagai golongan pelanggan dengan jenis keluhan yang berbeda – beda, dari keluhan – keluhan tersebut tentu ada kecenderungan jenis keluhan yang ada pada suatu wilayah tertentu. Masalah yang ada meliputi tidak mengalirnya air, air yang berbau, dan lain sebagainya. Pendekatan yang digunakan untuk menyelesaikan masalah pada penelitian ini adalah menggunakan K-Medoids clustering. K-Medoids adalah teknik partisi yang berfungsi untuk mengelompokkan data set dari n objek kedalam kelompok k yang dikenal apriori. Dibandingkan dengan K-Means, K-Medoids lebih kuat untuk mengatasi kebisingan (noise) dan pencilan (outlier) karena meminimalkan sejumlah dissimiliarities berpasangan, bukan jumlah kuadrat jarak Euclidean.
References
Susi Indriyani and S. Mardiana, “Pengaruh Penanganan Keluhan ( Complaint Handling ) Terhadap Kepercayaan Dan Komitmen Mahasiswa,†J. Bus., vol. 2, no. 01, pp. 1–13, 2016.
A. Nanang and D. Susanti, “Penerapan Data Mining Menggunakan Algoritma K-Means Untuk,†Sinergi, pp. 93–102.
D. F. Pramesti, Lahan, M. Tanzil Furqon, and C. Dewi, “Implementasi Metode K-Medoids Clustering Untuk Pengelompokan Data,†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 9, pp. 723–732, 2017, doi: 10.1109/EUMC.2008.4751704.
D. Marlina, N. Lina, A. Fernando, and A. Ramadhan, “Implementasi Algoritma K-Medoids dan K-Means untuk Pengelompokkan Wilayah Sebaran Cacat pada Anak,†J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf., vol. 4, no. 2, p. 64, 2018, doi: 10.24014/coreit.v4i2.4498.
S. Saikin and K. Kusrini, “Model Data Mining Untuk Karekteristik Data Traveller Pada Perusahaan Tour and Travel,†J. Manaj. Inform. dan Sist. Inf., vol. 2, no. 2, p. 61, 2019, doi: 10.36595/misi.v2i2.105.
Y. Wicaksono, “Segmentasi Pelanggan Bisnis Dengan Multi Kriteria Menggunakan K-Means,†Indones. J. Bus. Intell., vol. 1, no. 2, p. 45, 2019, doi: 10.21927/ijubi.v1i2.872.
I. Kamila, U. Khairunnisa, and M. Mustakim, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau,†J. Ilm. Rekayasa dan Manaj. Sist. Inf., vol. 5, no. 1, p. 119, 2019, doi: 10.24014/rmsi.v5i1.7381.
M. A. Syakur, B. K. Khotimah, E. M. S. Rochman, and B. D. Satoto, “Integration K-Means Clustering Method and Elbow Method for Identification of the Best Customer Profile Cluster,†IOP Conf. Ser. Mater. Sci. Eng., vol. 336, no. 1, 2018, doi: 10.1088/1757-899X/336/1/012017.
F. A. Syam, “Implementasi Metode Klastering K-Means untuk Mengelompokan Hasil Evaluasi Mahasiswa,†J. Ilmu Komput. dan Bisnis, vol. 8, no. 1, pp. 1857–1864, 2017, doi: 10.47927/jikb.v8i1.94.
Y. H. Chrisnanto and G. Abdillah, “Penerapan Algoritma Partitioning Around Medoids ( Pam ) Clustering Untuk Melihat Gambaran Umum Kemampuan,†Semin. Nas. Teknol. Inf. dan Komun., vol. 2015, no. Sentika, pp. 444–448, 2015.
N. Putu, E. Merliana, and A. J. Santoso, “Analisa Penentuan Jumlah Cluster Terbaik pada Metode K-Means,†pp. 978–979.
A. Kumari and H. Bhagat, “Compression Record Based Efficient k-Medoid Algorithm to Increase Scalability and Efficiency,†vol. 2, no. 8, pp. 2398–2401, 2013.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2021 Febry Ramadhan, Yulison Herry Chrisnanto, Ade Kania Ningsih
This work is licensed under a Creative Commons Attribution 4.0 International License.
All articles in Informatics and Digital Expert (INDEX) are published under the Creative Commons Attribution 4.0 International License (CC BY 4.0). Authors retain copyright and grant the journal the right of first publication. Anyone may share and adapt the work for any purpose, including commercial use, provided that appropriate credit is given, a link to the license is provided, and any changes are indicated.
Bahasa Indonesia
Seluruh artikel di Informatics and Digital Expert (INDEX) diterbitkan di bawah Lisensi Creative Commons Atribusi 4.0 Internasional (CC BY 4.0). Penulis tetap memegang hak cipta dan memberikan hak publikasi pertama kepada jurnal. Siapa pun boleh membagikan dan mengadaptasi karya untuk tujuan apa pun, termasuk komersial, dengan mencantumkan atribusi yang sesuai, menyertakan tautan ke lisensi, dan menandai perubahan yang dilakukan.
