ANALISIS CLUSTER:
SEGMENTASI PELANGGAN LAYANAN INTERNET BROADBAND
(Studi Kasus : Pelanggan Telkom Speedy di Surakarta)
1. PENDAHULUAN
....
Konsep pemasaran yang dianut oleh suatu perusahaan terutama perusahaan jasa harus berorientasi pada kepuasan konsumen, sehingga perusahaan jasa yang menganut konsep ini akan berusaha untuk mengetahui segala sesuatu yang berhubungan dengan konsumennya dan berusaha memuaskan keinginan mereka. Hal ini sangat penting dalam menjamin kesuksesan jangka panjang.
Berdasarkan pernyataan tersebut diatas, peneliti tertarik untuk melakukan penelitian lebih lanjut tentang faktor-faktor yang mempengaruhi kepuasan pelanggan.
2. PERUMUSAN MASALAH
Mengenal perilaku satu-persatu pelanggan adalah sangat baik, namun hal itu mustahil untuk dilakukan. Sehingga salah satu solusi yang mungkin dilakukan adalah mengenal perilaku sekelompok pelanggan. Hal ini yang dikenal dengan istilah segmentasi.
Sesuai dengan judul proporsal ini, pelanggan layanan Telkom Speedy pastilah berasal dari semua kalangan masyarakat, dan hal ini pasti menyulitkan manajer untuk mengamatinya. Namun dengan mengetahui apakah para pelanggan bisa dikelompokkan ke dalam satu atau lebih kelompok, maka akan memudahkan manajer untuk mengambil kebijaksanaan pemasaran. Untuk itu perlu dilakukan penelitian guna mengelompokkan pelanggan ke dalam satu atau lebih cluster (kelompok) sehingga obyek-obyek yang berada dalam satu cluster akan mempunyai kemiripan satu dengan yang lain
3. PEMBATASAN MASALAH
Karena peneliti hanya ingin mengelompokkan pelanggan berdasarkan kesamaan karakteristik yang dimiliki, maka analisis yang digunakan dalam penelitian ini hanyalah Analisis Cluster
4. ANALISIS DATA
Secara garis besar proses Analisis Cluster terdiri dari delapan tahapan, yaitu mendeskripsikan masalah, menentukan desain Analisis Cluster, mengecek asumsi yang berlaku pada Analisis Cluster, menyeleksi cluster dengan metode hierarki, mengidentifikasi cluster dengan metode non hierarki, interprestatsi cluster, dan validisasi serta profilisasi cluster. Pada tahap pertama dan kedua pada dasarnya akan dilakukan pengecekan terhadap data outlier dan melihat tingkat missing value dari data yang ada, selanjutnya akan dilakukan pengecekan terhadap asumsi-asumsi yang ada dengan berdasarkan nilai-nilai P-value atau koefisien-koefisien yang didapat.
Tahap selanjutnya yaitu menentukan jumlah cluster yang optimum, Pada tahap ini digunakan metode Hierarki yang pada dasarnya ada dua prosedur dalam pembentukan segmennya yaitu agglomerative dan divisive. dan disini penulis memilih untuk menggunakan prosedur pertama, yang nantinya akan dihasilkan koefisien agglomerasi yang sebenarnya merupakan jarak kuadratik eucliden dari dua kasus cluster yang digabungkan. Dilanjutan dengan prosedur non hierarki atau biasa disebut dengan K-means cluster, pada tahap ini tidak seperti pada tahap sebelumnya yakni tahap hierarki disini tidak melibatkan proses kontruksi yang bertahap, bahkan disini prosesnya yaitu memasukan objek kedalam cluster yang nantinya langsung terspesifikasikan, atau secara mudahnya nantinya akan diketahui observasi tertentu akan masuk dalam cluster tertentu yang nantinya terbentuk dan tentunya telah ditentukan sebelumnya jumlah cluster yang optimum, akhirnya akan di lakukan interprestasi dari hasil segmentasi. Pada tahap akhir ini akan dilakukan profilisasi atau melihat kecenderungan-kecenderungan dari rata-rata masing-masing variabel pada segmen tertentu yang memiliki arti berbeda-beda tergantung variabelnya, serta menafsirkan keadaan yang terjadi dari masing-masing segmen untuk profil tertentu.
Download File
Tidak ada komentar:
Posting Komentar