BSIBSI

Jurnal InfortechJurnal Infortech

Persaingan bisnis pada era saat ini merupakan tantangan besar bagi perusahaan dalam meningkatkan jumlah penjualan suatu produk, sehingga perusahaan dituntut untuk merancang strategi penjualan yang efektif dan tepat sasaran. Salah satu tantangan yang dihadapi oleh PT Masada Abadi, Tangerang, adalah bagaimana menentukan wilayah penjualan kabel listrik yang optimal guna meningkatkan daya saing dan volume penjualan di tengah persaingan yang kompetitif. Permasalahan yang dihadapi PT Masada Abadi, Tangerang, terletak pada analisis pola pembelian pelanggan berdasarkan wilayah yang kurang optimal, sehingga menghambat efektivitas strategi pemasaran dan distribusi produk. Untuk mengatasi permasalahan ini, penelitian ini menerapkan algoritma K-Means clustering sebagai solusi dalam mengoptimalkan wilayah penjualan kabel listrik berdasarkan data. Pemilihan algoritma K-Means clustering bertujuan untuk mengelompokkan pola penjualan berdasarkan jumlah penjualan dan total penjualan setiap jenis kabel di semua wilayah penjualan, sehingga menghasilkan visualisasi klaster yang dapat diinterpretasikan. Hasil pengujian penerapan algoritma K-Means clustering menghasilkan 3 cluster wilayah penjualan, dengan wilayah penjualan terendah di Tangerang, Surabaya, dan Jakarta Selatan; wilayah penjualan sedang di Jakarta Pusat, Bandung, Jakarta Timur, dan Yogyakarta; serta wilayah penjualan tertinggi di Kalimantan, Jakarta Barat, dan Bekasi.

Penelitian ini berhasil mengelompokkan wilayah penjualan berdasarkan potensi penjualan menggunakan algoritma K-Means clustering.Hasil pengelompokan menunjukkan adanya perbedaan signifikan dalam kinerja penjualan di berbagai wilayah, dengan Kalimantan, Jakarta Barat, dan Bekasi menjadi wilayah dengan penjualan tertinggi.Temuan ini memberikan informasi berharga bagi PT Masada Abadi untuk mengoptimalkan strategi pemasaran dan distribusi produk kabel listrik mereka, dengan fokus pada peningkatan penjualan di wilayah-wilayah dengan kinerja rendah dan mempertahankan kinerja yang baik di wilayah-wilayah dengan penjualan tinggi.

Penelitian selanjutnya dapat dilakukan dengan mempertimbangkan faktor-faktor lain yang mungkin mempengaruhi penjualan kabel listrik, seperti karakteristik demografis pelanggan, tingkat pendapatan, dan infrastruktur kelistrikan di setiap wilayah. Selain itu, penelitian dapat diperluas dengan menggunakan algoritma clustering lain, seperti hierarchical clustering atau DBSCAN, untuk membandingkan kinerja dan akurasi hasil segmentasi wilayah. Terakhir, penelitian dapat berfokus pada pengembangan model prediktif untuk memprediksi potensi penjualan di setiap wilayah berdasarkan data historis dan faktor-faktor eksternal, sehingga perusahaan dapat membuat keputusan yang lebih tepat dan efektif dalam merencanakan strategi penjualan mereka. Penelitian ini diharapkan dapat memberikan wawasan yang lebih mendalam tentang perilaku pelanggan dan dinamika pasar, sehingga perusahaan dapat meningkatkan daya saing dan mencapai pertumbuhan bisnis yang berkelanjutan.

  1. Segmentasi Pembelian Produk Menggunakan Algoritma K-Means Berdasarkan Clusterisasi pada pemilihan menu... ejournal.poltekharber.ac.id/index.php/informatika/article/view/6556Segmentasi Pembelian Produk Menggunakan Algoritma K Means Berdasarkan Clusterisasi pada pemilihan menu ejournal poltekharber ac index php informatika article view 6556
  2. ANALISIS CLUSTERING SEGMENTASI PELANGGAN PADA CV PRIMA JAYA UTAMA MENGGUNAKAN METODE K-MEANS | JATI (Jurnal... ejournal.itn.ac.id/jati/article/view/15238ANALISIS CLUSTERING SEGMENTASI PELANGGAN PADA CV PRIMA JAYA UTAMA MENGGUNAKAN METODE K MEANS JATI Jurnal ejournal itn ac jati article view 15238
  3. PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN DATA MAHASISWA BARU | JATI (Jurnal Mahasiswa... ejournal.itn.ac.id/index.php/jati/article/view/9005PENERAPAN ALGORITMA K MEANS CLUSTERING UNTUK MENGELOMPOKKAN DATA MAHASISWA BARU JATI Jurnal Mahasiswa ejournal itn ac index php jati article view 9005
Read online
File size471.33 KB
Pages7
DMCAReport

Related /

ads-block-test