eprintid: 9505
rev_number: 7
eprint_status: archive
userid: 46
dir: disk0/00/00/95/05
datestamp: 2025-03-24 04:11:45
lastmod: 2025-03-24 04:11:45
status_changed: 2025-03-24 04:11:45
type: thesis
metadata_visibility: show
creators_name: Maharani, Anisa
creators_NPM: 065118702
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: Tita, Eneng
contributors_name: Maesya, Haries
contributors_NIDN: 0425087601
contributors_NIDN: 0409098601
corp_creators: Universitas Pakuan
corp_creators: Fakultas Matematika dan Ilmu Pnegetahuan Alam
corp_creators: Program Studi Ilmu Komputer
title: Analisis pengelompokan Pelanggan PT Tirta Asasta Depok
(Perseroda) menggunakan Algoritma DBSCAN
ispublished: pub
subjects: QK
divisions: sch_ecs
full_text_status: restricted
abstract: Analisis pengelompokan Pelanggan PT Tirta Asasta Depok
(Perseroda) menggunakan Algoritma DBSCAN. Dibimbing oleh Eneng Tita Tosida
dan Aries Maesya.
Hasil penelitian menunjukkan bahwa algoritma DBSCAN dengan parameter
terbaik eps = 0.1 dan MinPts = 5 menghasilkan tujuh kluster dengan kualitas yang
baik. Nilai Silhouette Coefficient tertinggi (0.650023) dan Davies-Bouldin Index yang
cukup baik (0.445396) menandakan bahwa kluster yang terbentuk dapat
diinterpretasikan dengan jelas. Sebagian besar pelanggan tergolong sebagai noise
(3517 pelanggan), sedangkan core points hanya mencapai 39 pelanggan. Hal ini
menunjukkan perlunya pendekatan khusus terhadap pelanggan yang tidak
terkelompok untuk meningkatkan kepuasan dan loyalitas pelanggan. Segmentasi
pelanggan yang telah diidentifikasi dapat digunakan untuk merancang layanan yang
lebih efektif, termasuk penanganan khusus untuk pelanggan dengan pola penggunaan
yang tidak konsisten. Visualisasi data direkomendasikan untuk mendukung
pengambilan keputusan yang lebih efisien. Penelitian lanjutan disarankan untuk
mengeksplorasi algoritma klustering lain guna meningkatkan efektivitas segmentasi
pelanggan. Optimasi parameter secara otomatis dan integrasi data eksternal seperti
informasi demografis serta sosial-ekonomi akan memberikan wawasan yang lebih
mendalam. Selain itu, penting untuk menguji implementasi strategi layanan berbasis
hasil klustering di lapangan serta mencari metode baru dalam menangani data noise
agar pengelompokan pelanggan semakin baik.
Kata kunci: DBSCAN, Silhouette Coefficient, Clustering, Optimasi Parameter, dan
Visualisasi Data
date: 2025-02-24
date_type: published
pages: 17
institution: Universitas Pakuan
department: Fakultas Matematika dan Pengetahuan Alam
thesis_type: Skripsi
thesis_name: Sarjana
citation:   Maharani, Anisa  (2025) Analisis pengelompokan Pelanggan PT Tirta Asasta Depok (Perseroda) menggunakan Algoritma DBSCAN.  Skripsi thesis, Universitas Pakuan.   
document_url: http://eprints.unpak.ac.id/9505/1/065118702-Anisa%20Maharani-%20Sidang%20Skripsi.pdf