ANALISIS MODEL REKOMENDASI PRODUK PADA SETIAP LOKASI PENJUALAN LAYANAN FIXED BROADBAND MENGGUNAKAN KMEANS, DBSCAN, HIERARCHICAL CLUSTERING, SVM, RF, DAN ANN - Dalam bentuk pengganti sidang - Rancangan Karya Akhir

THIFAN ANJAR PERMADI

Informasi Umum

Kode

24.05.247

Klasifikasi

658.81 - Sales management

Jenis

Karya Ilmiah - Thesis (S2) - Reference

Subjek

Sales Management, Machine Learning,

Dilihat

45 kali

Informasi Lainnya

Abstraksi

Peningkatan kebutuhan layanan Internet dan digital di Indonesia mendorong Telkomsel untuk selalu memperluas pasarnya, salah satunya melalui produk Indihome, yaitu sebuah solusi berupa layanan digital yang menyediakan Internet, Telepon Rumah, dan TV Interaktif/IPTV yang menyasar segmen rumah tangga. Untuk mencapai tujuan tersebut, diperlukan perhatian khusus pada penetrasi pelanggan baru melalui aktivitas new sales. Namun kinerja penjualan pada semester dua tahun 2023 setelah Indihome resmi beroperasi di Telkomsel menunjukkan angka yang kurang memuaskan karena belum pernah mencapai target penjualan dengan rata-rata pencapaian di angka 75,5%. Pendekatan penetrasi digital marketing diharapkan menjadi solusi untuk meningkatkan kinerja penjualan produk Indihome. Menurut studi dan literatur sebelumnya, definisi digital marketing telah bergeser dari yang sebelumnya diartikan secara sempit sebagai aktivitas penjualan menggunakan media digital, namun saat ini digital marketing dapat diartikan sebagai segala sesuatu penggunaan teknologi digital dalam kegiatan pemasaran. Salah satu penggunaan digital technology yang saat ini banyak dimanfaatkan yaitu implementasi big data analytics, yang selanjutnya akan diterapkan pada penelitian ini untuk menjawab tantangan dari fenomena yang terjadi. Penelitian ini dimaksudkan untuk melakukan analisis model untuk memberikan rekomendasi produk (jenis produk) pada setiap lokasi penjualan Indihome berbasis big data analytics dengan memanfaatkan resource data internal Telkomsel. Penelitian ini menggunakan mix method, yaitu metode gabungan antara clustering dan classifcation, dimana metode clustering digunakan untuk tahapan segmentasi geografis, sedangkan hasil masing-masing cluster dari segmentasi geografis tersebut digunakan sebagai input untuk metode kedua yaitu classification yang merupakan tahapan yang disebut dengan sales forecasting. Selanjutnya dilakukan analisis kinerja dengan mengukur tingkat akurasi dan presisi dari kombinasi masing-masing model. Model yang terbaik adalah kombinasi model clustering dan classification yang secara rata-rata dari keseluruhan cluster memberikan nilai akurasi dan tingkat presisi yang terbaik. Kata kunci: Penjualan, digital marketing, big data analytics, clustering, classification