ERBANDINGAN ALGORITMA DBSCAN DAN K-MEANS DALAM SEGMENTASI PELANGGAN PENGGUNA TRANSPORTASI PUBLIK MENGGUNAKAN METODE RFM (STUDI KASUS: TRANSJAKARTA)

SAPUTRA, ADITIYA (2024) ERBANDINGAN ALGORITMA DBSCAN DAN K-MEANS DALAM SEGMENTASI PELANGGAN PENGGUNA TRANSPORTASI PUBLIK MENGGUNAKAN METODE RFM (STUDI KASUS: TRANSJAKARTA). S1 thesis, Universitas Mercu Buana - Buncit.

Preview	Text (COVER) 41520110106 - AditiyaSaputra - 02 Cover.pdf Download (455kB) | Preview
Preview	Text (ABSTRAK) 41520110106 - AditiyaSaputra - 03 Abstrak.pdf Download (141kB) | Preview
	Text (BAB 1) 41520110106 - AditiyaSaputra - 04 BAB 1.pdf Restricted to Registered users only Download (218kB)
	Text (BAB 2) 41520110106 - AditiyaSaputra - 05 BAB 2.pdf Restricted to Registered users only Download (521kB)
	Text (BAB 3) 41520110106 - AditiyaSaputra - 06 BAB 3.pdf Restricted to Registered users only Download (248kB)
	Text (BAB 4) 41520110106 - AditiyaSaputra - 07 BAB 4.pdf Restricted to Registered users only Download (980kB)
	Text (BAB 5) 41520110106 - AditiyaSaputra - 08 BAB 5.pdf Restricted to Registered users only Download (145kB)
	Text (DAFTAR PUSTAKA) 41520110106 - AditiyaSaputra - 09 Daftar Pustaka.pdf Restricted to Registered users only Download (267kB)
	Text (LAMPIRAN) 41520110106 - AditiyaSaputra - 10 Lampiran.pdf Restricted to Registered users only Download (2MB)

Abstract

Transportasi umum memainkan peran yang sangat penting dalam kehidupan individu di suatu daerah. Selain menjadi alternatif, transportasi umum juga merupakan kebutuhan mendasar yang mendukung berbagai kegiatan warga setiap harinya. Pemerintah memperkenalkan Transjakarta pada tahun 2004 untuk memenuhi permintaan akan transportasi yang lebih baik dan mendukung mobilitas masyarakat. Transjakarta adalah sistem Bus Rapid Transit (BRT) dengan jalur terpanjang di dunia, yaitu 251,2 kilometer, mencakup 14 jalur di seluruh Jakarta dengan 287 halte yang dapat diakses sepanjang waktu. Dengan 1.347 unit transportasi, termasuk kategori transportasi tunggal dan ganda. Namun, seiring dengan kemajuan dan peningkatan jumlah pengguna, timbul masalah seperti kerumunan di halte, antrian panjang, dan lalu lintas padat. Oleh karena itu, segmentasi pelanggan yang cermat diperlukan untuk memahami perilaku, kebutuhan, dan preferensi pengguna. Penelitian ini menerapkan metode RFM (Recency, Frequency, Monetary) untuk analisis segmentasi pelanggan Transjakarta menggunakan algoritma DBSCAN dan K-Means sebagai variabel input. Analisis heatmap time menunjukkan DBSCAN membutuhkan waktu pemrosesan yang lebih signifikan untuk klaster -1, sedangkan K-Means menunjukkan variasi dalam waktu pemrosesan antar klaster dengan waktu pemrosesan yang lebih cepat di klaster tertentu. Hasil analisis K-Means unggul dalam hal kualitas klaster dengan Silhouette Score 0.714917 dan Davies-Bouldin Index 0.365776, dibandingkan dengan DBSCAN yang memiliki Silhouette Score 0.699971 dan Davies-Bouldin Index 0.390784. K-Means lebih efektif dalam membedakan pelanggan berdasarkan frekuensi dan nilai moneter, sementara DBSCAN mampu mengidentifikasi outlier dengan interaksi dan nilai moneter yang sangat tinggi. K-Means menunjukkan performa yang lebih baik dalam segmentasi pelanggan Transjakarta.

Actions (login required)

View Item