NINETYJOURNALNINETYJOURNAL
Journal Computer and TechnologyJournal Computer and TechnologySegmentasi pelanggan dalam logistik Cash on Delivery (COD) secara inheren menantang karena data transaksi yang sangat heterogen, miring, dan tingkat penolakan yang tinggi, sering kali membatasi efektivitas model klaster deterministik tradisional. Untuk mengatasi hal ini, penelitian ini mengusulkan kerangka kerja segmentasi probabilistik yang kuat yang memanfaatkan Gaussian Mixture Model (GMM) untuk mengekstrak wawasan yang dapat diterapkan dari operasi COD yang kompleks. Analisis dilakukan terhadap 5.147 catatan transaksi mentah, yang dikumpulkan dengan cermat menjadi 2.225 profil pelanggan unik yang dirancang di sekitar tiga fitur logistik yang penting: frekuensi pengiriman, nilai COD total, dan nilai COD rata-rata. Konfigurasi model optimal ditentukan secara ketat menggunakan Bayesian Information Criterion (BIC) untuk mencegah overfitting, dan seluruh pipeline analitis terintegrasi dengan mulus ke dalam Decision Support System (DSS) berbasis web yang interaktif. Hasil empiris menunjukkan bahwa solusi klaster dua optimal menyeimbangkan kesesuaian statistik dan interpretabilitas operasional, dengan jelas membedakan Pelanggan Aktif Nilai Tinggi (68%) dari Pelanggan Nilai Rendah Sesekali (32%). Analisis komparatif membuktikan keunggulan GMM atas algoritma baseline seperti K-Means, mencapai Skor Silhouette yang jauh lebih tinggi (0,64 vs. 0,51) dan berhasil menangkap distribusi data yang tumpang tindih dan tidak berbentuk bulat yang khas dari perilaku COD. Yang paling penting, kemampuan klaster lunak probabilistik GMM secara unik mengidentifikasi segmen transisi 15,7% pelanggan batas, menawarkan manajer logistik peringatan dini yang canggih untuk intervensi yang ditargetkan.
Penelitian ini berhasil mengembangkan kerangka kerja segmentasi pelanggan yang didorong data yang disesuaikan secara khusus untuk konteks yang sangat heterogen dari logistik Cash on Delivery (COD).Dengan mengintegrasikan Gaussian Mixture Model (GMM), yang dievaluasi secara ketat melalui Bayesian Information Criterion (BIC), ke dalam sistem Decision Support System (DSS) berbasis web yang fungsional, penelitian ini secara efektif menjembatani kesenjangan antara analisis probabilistik yang kompleks dan manajemen logistik operasional.147 catatan transaksi, yang dikumpulkan menjadi 2.225 profil pelanggan unik, menunjukkan bahwa solusi klaster dua (K=2) secara optimal menyeimbangkan kesesuaian statistik dan interpretabilitas operasional, yang dipandu oleh prinsip parsimoni.Secara metodologis, analisis komparatif secara empiris membuktikan keunggulan GMM atas baseline deterministik seperti K-Means.GMM terbukti jauh lebih mahir dalam menangkap distribusi data yang tidak berbentuk bulat dan berfluktuasi tinggi yang melekat pada data transaksi COD.Selain itu, sifat probabilistik GMM memungkinkan identifikasi pelanggan batas, segmen transisi yang halus yang sering diabaikan oleh algoritma klaster keras.Kemampuan ini memberikan manajer logistik lensa granular untuk mendeteksi pelanggan berisiko sebelum pengiriman, sehingga mencegah penolakan pengiriman potensial.Dari perspektif manajerial, segmentasi hasil membifurkasi basis pelanggan menjadi Pelanggan Aktif Nilai Tinggi dan Pelanggan Nilai Rendah Sesekali, memungkinkan perusahaan pengiriman ekspres untuk beralih dari pendekatan satu ukuran untuk semua ke kebijakan operasional yang didorong data yang diferensiasi.Hal ini memberdayakan bisnis untuk mengalokasikan penanganan prioritas dan program retensi untuk segmen nilai tinggi, sementara untuk segmen nilai rendah yang ditandai dengan propensi pengiriman gagal yang lebih tinggi, menerapkan taktik efisiensi biaya dan mitigasi risiko, seperti konsolidasi pengiriman batch dan verifikasi pra-pengiriman.Meskipun sumbangsih metodologis dan implikasi praktis, penelitian ini memiliki beberapa keterbatasan yang menawarkan jalur untuk penelitian masa depan.147 transaksi), berasal dari satu penyedia layanan logistik di wilayah geografis tertentu.Hal ini dapat membatasi generalisasi karakteristik klaster ke jaringan logistik nasional atau internasional dengan profil demografis yang berbeda.Penelitian masa depan harus memasukkan dataset multi-regional untuk memvalidasi skalabilitas model.Kedua, teknik pembuatan fitur saat ini mengandalkan variabel transaksional dan logistik (frekuensi, total, dan nilai COD rata-rata) secara eksklusif.Penelitian masa depan harus bertujuan untuk memperkaya model segmentasi dengan mengintegrasikan data geospasial (GIS) untuk optimasi penjaluran perilaku spasial, mengintegrasikan variabel kontekstual eksternal, dan mengeksplorasi arsitektur hibrida seperti autoencoder berbasis pembelajaran dalam untuk ekstraksi fitur non-linear.Secara keseluruhan, penelitian ini menetapkan blueprint dasar untuk mengintegrasikan pembelajaran mesin probabilistik canggih ke dalam operasi logistik sehari-hari, membuka jalan untuk ekosistem e-commerce COD yang lebih tangguh, berorientasi pelanggan, dan berkelanjutan secara finansial.
Untuk penelitian lanjutan, disarankan untuk memperluas cakupan dataset dengan memasukkan data dari berbagai penyedia layanan logistik dan wilayah geografis yang berbeda. Hal ini akan memungkinkan validasi model segmentasi pada skala yang lebih luas dan meningkatkan generalisasi hasil. Selain itu, penelitian masa depan dapat mengeksplorasi teknik pembuatan fitur yang lebih komprehensif dengan mengintegrasikan data geospasial (GIS) dan variabel kontekstual eksternal seperti demografi pelanggan, profil psikografis, dan data geospasial (jarak dari gudang, pola lalu lintas). Integrasi data ini dapat mengarah pada model segmentasi perilaku spasial yang tidak hanya mengoptimalkan pengelompokan pelanggan, tetapi juga perencanaan rute dinamis. Lebih lanjut, penelitian dapat mengeksplorasi arsitektur streaming data (misalnya, Apache Kafka) untuk memungkinkan segmentasi waktu nyata, di mana penugasan klaster pelanggan diperbarui secara instan setelah transaksi selesai, memicu respons operasional langsung. Akhirnya, penelitian masa depan dapat menyelidiki pendekatan klaster hierarkis GMM atau model hibrida yang menggabungkan GMM dengan autoencoder pembelajaran dalam untuk menangkap pola perilaku non-linear yang lebih halus dalam data logistik COD.
- Penerapan Akad Istishna dalam Sistem Cash On Delivery (COD) pada Transaksi Jual Beli Online | JURNAL... doi.org/10.59024/jise.v2i3.813Penerapan Akad Istishna dalam Sistem Cash On Delivery COD pada Transaksi Jual Beli Online JURNAL doi 10 59024 jise v2i3 813
- Unlocking Customer Behavior in COD-based E-commerce: An Unsupervised Learning Approach Using Gaussian... doi.org/10.69916/comtechno.v4i1.409Unlocking Customer Behavior in COD based E commerce An Unsupervised Learning Approach Using Gaussian doi 10 69916 comtechno v4i1 409
- Comparative Study of BiLSTM and GRU for Sentiment Analysis on Indonesian E-Commerce Product Reviews Using... doi.org/10.52436/1.jutif.2025.6.4.4878Comparative Study of BiLSTM and GRU for Sentiment Analysis on Indonesian E Commerce Product Reviews Using doi 10 52436 1 jutif 2025 6 4 4878
| File size | 905.16 KB |
| Pages | 15 |
| DMCA | Report |
Related /
NINETYJOURNALNINETYJOURNAL Mekanisme utama adalah Crop-Union Context Verification, yang mengekstrak union spasial dari kotak batas pasangan orang-sepeda motor, memperluas proporsional,Mekanisme utama adalah Crop-Union Context Verification, yang mengekstrak union spasial dari kotak batas pasangan orang-sepeda motor, memperluas proporsional,
UMKLAUMKLA Dataset yang digunakan mencakup klasifikasi alfabet SIBI dari A hingga Z yang dikumpulkan secara variatif guna meminimalisir risiko overfitting. HasilDataset yang digunakan mencakup klasifikasi alfabet SIBI dari A hingga Z yang dikumpulkan secara variatif guna meminimalisir risiko overfitting. Hasil
UMIUMI Penelitian ini memberikan kontribusi dalam pengembangan sistem deteksi dini berbasis citra awan yang akurat dan interpretatif, yang berpotensi untuk diintegrasikanPenelitian ini memberikan kontribusi dalam pengembangan sistem deteksi dini berbasis citra awan yang akurat dan interpretatif, yang berpotensi untuk diintegrasikan
STTMCILEUNGSISTTMCILEUNGSI Evaluasi dilakukan pada dataset validasi yang terdiri dari 1. 000 gambar yang tersebar merata di sepuluh kategori penyakit. Hasil menunjukkan bahwa modelEvaluasi dilakukan pada dataset validasi yang terdiri dari 1. 000 gambar yang tersebar merata di sepuluh kategori penyakit. Hasil menunjukkan bahwa model
RESCOLLACOMMRESCOLLACOMM Dataset yang digunakan berasal dari Kaggles Rice Pest Detection Dataset, yang mencakup 12 kelas hama dan telah melalui serangkaian langkah pra-pemrosesan:Dataset yang digunakan berasal dari Kaggles Rice Pest Detection Dataset, yang mencakup 12 kelas hama dan telah melalui serangkaian langkah pra-pemrosesan:
AIBPMAIBPM Kekurangan daya telah terbukti menghambat produktivitas, tetapi dampaknya bervariasi menurut negara, dengan hasil regional dan nasional. Penelitian iniKekurangan daya telah terbukti menghambat produktivitas, tetapi dampaknya bervariasi menurut negara, dengan hasil regional dan nasional. Penelitian ini
AIBPMAIBPM USc merujuk pada lingkungan fisik dan fasilitas yang disediakan oleh universitas. Sementara itu, ISQ berkaitan dengan efektivitas dan efisiensi sistemUSc merujuk pada lingkungan fisik dan fasilitas yang disediakan oleh universitas. Sementara itu, ISQ berkaitan dengan efektivitas dan efisiensi sistem
STMIK BANJARBARUSTMIK BANJARBARU Berdasarkan hasil pelatihan dan pengujian yang telah dipaparkan pada bagian hasil dan pembahasan dapat disimpulkan bahwa pada berbagai data, Model EfficientNetBerdasarkan hasil pelatihan dan pengujian yang telah dipaparkan pada bagian hasil dan pembahasan dapat disimpulkan bahwa pada berbagai data, Model EfficientNet
Useful /
LIFESCIFILIFESCIFI Demikian pula, nilai pelanggan juga ditemukan memiliki pengaruh positif dan signifikan terhadap kepuasan, menunjukkan bahwa tamu menghargai layanan yangDemikian pula, nilai pelanggan juga ditemukan memiliki pengaruh positif dan signifikan terhadap kepuasan, menunjukkan bahwa tamu menghargai layanan yang
LIFESCIFILIFESCIFI Lingkungan kerja inklusif dan komunikasi terbuka menjadi faktor kunci dalam mendorong keterlibatan. Penelitian lebih lanjut diperlukan untuk memahami penerapanLingkungan kerja inklusif dan komunikasi terbuka menjadi faktor kunci dalam mendorong keterlibatan. Penelitian lebih lanjut diperlukan untuk memahami penerapan
STTMCILEUNGSISTTMCILEUNGSI This study offers a viable solution for small-scale industries to process palm fronds into usable sticks efficiently. This study successfully designedThis study offers a viable solution for small-scale industries to process palm fronds into usable sticks efficiently. This study successfully designed
AIBPMAIBPM Persepsi nilai layanan pengiriman Shopee Xpress berperan penting dalam membentuk kepuasan pelanggan. Kepercayaan pelanggan terhadap Shopee Xpress memilikiPersepsi nilai layanan pengiriman Shopee Xpress berperan penting dalam membentuk kepuasan pelanggan. Kepercayaan pelanggan terhadap Shopee Xpress memiliki