OPTIMASI CENTROID AWAL K-MEANS CLUSTERING MENGGUNAKAN ALGORITMA FIREFLY DAN PCA UNTUK SEGMENTASI PELANGGAN KAFE RUANG NGOPI

Putra, Prisma (2024) OPTIMASI CENTROID AWAL K-MEANS CLUSTERING MENGGUNAKAN ALGORITMA FIREFLY DAN PCA UNTUK SEGMENTASI PELANGGAN KAFE RUANG NGOPI. Other thesis, UPN "Veteran" Yogyakarta.

	Text Abstrak_123190048_Prisma Putra.pdf Download (14kB)
	Text Cover_123190048_Prisma Putra.pdf Download (145kB)
	Text Lembar Pengesahan Pembimbing_123190048_Prisma Putra.pdf Download (2MB)
	Text Lembar Pengesahan Penguji_123190048_Prisma Putra.pdf Download (2MB)
	Text Daftar Isi_123190048_Prisma Putra.pdf Download (70kB)
	Text Daftar Pustaka_123190048_Prisma Putra.pdf Download (157kB)
	Text Skripsi_Fulltext_123190048_Prisma Putra.pdf Restricted to Repository staff only Download (3MB)

Abstract

Kedai kopi telah menjadi bagian integral dari kehidupan masyarakat modern seiring
dengan perubahan gaya hidup dan meningkatnya budaya konsumsi kopi. Pertumbuhan
industri kedai kopi yang pesat telah memicu tingkat kompetisi yang semakin ketat di antara
para pelaku usaha. Situasi ini menuntut penerapan strategi yang efektif untuk menarik minat
pelanggan sekaligus mempertahankan loyalitas mereka. Salah satu pendekatan yang dapat
digunakan dalam perumusan strategi tersebut adalah segmentasi pelanggan. Melalui
segmentasi pelanggan, preferensi dan pola pembelian dapat diidentifikasi secara lebih
mendalam, sehingga menjadi dasar yang kuat untuk merancang strategi penjualan yang lebih
tepat sasaran. Strategi yang disusun berdasarkan hasil segmentasi ini diharapkan mampu
meningkatkan kepuasan pelanggan, mengoptimalkan efisiensi penjualan, serta mendorong
peningkatan penjualan pada kedai kopi di tengah kompetisi yang semakin dinamis.
Berbagai penelitian sebelumnya telah membahas segmentasi pelanggan dengan
menerapkan algoritma seperti K-means, hierarchical clustering, dan DBSCAN, di mana K�means menunjukkan kinerja yang lebih optimal dibandingkan algoritma lainnya.
Berdasarkan temuan tersebut, penelitian ini menggunakan algoritma K-means untuk
melakukan segmentasi pelanggan. Penelitian sebelumnya juga menunjukkan kelemahan K�means berupa ketergantungan terhadap inisialisasi jumlah cluster (K) dan titik pusat awal
(centroid). Untuk mengatasi masalah ini, penelitian ini memanfaatkan algoritma firefly
sebagai metode inisialisasi centroid karena kemampuannya dalam mengeksplorasi ruang
fitur secara menyeluruh, sehingga dapat mengurangi risiko konvergensi dini. Namun, karena
algoritma firefly memiliki tingkat komputasi yang cukup tinggi dan masalah curse of
dimensionality yang kerap terjadi pada K-means, teknik reduksi dimensi melalui Principal
Component Analysis (PCA) diterapkan guna menyederhanakan kompleksitas data tanpa
kehilangan informasi penting. Dataset yang digunakan dalam penelitian ini merupakan data
transaksi harian dari kedai kopi Ruang Ngopi selama periode April hingga Juni 2024, yang
terdiri dari 2380 baris data dengan 8 fitur yang akan ditransformasikan sebelum proses
analisis dilakukan.
Hasil penelitian menunjukkan bahwa kombinasi algoritma firefly dan PCA berhasil
mengoptimalkan K-means clustering dengan menghasilkan 5 cluster. Berdasarkan analisis
nilai cumulative variance, komponen PCA yang digunakan adalah komponen dengan nilai
> 0.9, di mana diperoleh 4 komponen utama yang digunakan dalam proses optimasi. Untuk
mengevaluasi kinerja model, digunakan metrik silhouette score dan sum of squared errors
(SSE). Model K-means yang dioptimalkan dengan firefly + PCA menghasilkan silhouette
score sebesar 0.489 dan SSE sebesar 4836, sementara metode K-means konvensional hanya
mencapai silhouette score sebesar 0.448 dan SSE sebesar 5221.
Kata Kunci: kedai kopi, clustering, segmentasi pelanggan, K-means, principal component
analysis, firefly

Item Type:	Thesis (Other)
Uncontrolled Keywords:	kedai kopi, clustering, segmentasi pelanggan, K-means, principal component analysis, firefly
Subjects:	H Social Sciences > HD Industries. Land use. Labor > HD28 Management. Industrial Management Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md.SI Indah Lestari Wulan Aji
Date Deposited:	10 Feb 2025 01:32
Last Modified:	10 Feb 2025 01:32
URI:	http://eprints.upnyk.ac.id/id/eprint/42138

Actions (login required)

View Item