RANCANG BANGUN SISTEM PENGELOMPOKA PELANGGAN POTENSIAL MENGGUNAKAN METOD K- MEANS UNTUK PROMOSI PAKET WISATA (STUDI KASUS PT. BALI SINAR MENTARI Oleh I Putu Agus Hendra Krisnawan 07.41010.0096
Feb 08, 2016
RANCANG BANGUN SISTEM PENGELOMPOKAN PELANGGAN POTENSIAL MENGGUNAKAN METODE K-MEANS UNTUK
PROMOSI PAKET WISATA (STUDI KASUS PT. BALI SINAR MENTARI)
OlehI Putu Agus Hendra Krisnawan
07.41010.0096
Latar Belakang
Manager
Paket Wisata
Pelanggan
Sistem Pengelompokan Pelanggan Potensial
Menggunakan Metode K-means
Perumusan Masalah
Bagaimana merancang dan membangun sistem pengelompokan pelanggan potensial menggunakan metode k-means untuk promosi paket wisata (studi kasus PT. Bali Sinar Mentari).
Batasan Masalah Pembuatan tugas akhir ini mengambil
studi kasus pada PT. Bali Sinar Mentari. Paket wisata yang disediakan perusahaan
hanya untuk wisata di daerah Bali. Tidak membahas proses pemesanan dan
penjualan paket wisata serta pembuatan laporan keuangan.
Sistem ini hanya membahas proses input data transaksi penjualan jasa, pendaftaran pelanggan, pembuatan paket wisata.
Batasan Masalah Pengelompokan kategori paket wisata
ditentukan oleh manajemen PT. Bali Sinar Mentari.
Pelanggan yang dikelompokan adalah pelanggan yang telah terdaftar sebelumnya dan pernah memakai jasa perusahaan ini serta harus memiliki e-mail.
Layanan e-mail hanya mencakup pemberian promosi kepada pelanggan.
Aplikasi ini berbasis dekstop dan bahasa pemrograman yang digunakan adalah Visual Basic.Net 2005 dan Microsoft SQL Server 2005 sebagai basis datanya.
Tujuan
Tujuan pada Tugas Akhir ini adalah menghasilkan sistem pengelompokan pelanggan potensial menggunakan metode k-means untuk promosi paket wisata (studi kasus PT. Bali Sinar Mentari).
Landasan Teori Sistem Informasi
› Sistem› Informasi
› Sistem Informasi
Data Informasi
Data
Proses
Komponen Sistem
Informasi
Landasan Teori Sistem Pendukung Keputusan
› Fase Pengambilan Keputusan
› Kerangka Kerja SPK
Choice
TakTerstruktur
Semi Terstruktur
Terstruktur
Intellligence Design
Landasan Teori Data Mining
› Proses dalam Knowledge Discovery
Selection
Prepocessing
Interpretation and evaluation
Transformation
Data Mining
Landasan Teori Clustering K-Means Clustering
Eucledian Distance =
Mulai
Selesai
Menentukan Jumlah Cluster
Hitung Centroid
Hitung Jarak Objek ke Centroid
Pengelompokan Berdasarkan Jarak
Terdekat
Ada Objek Berpindah Kelompok?
Tidak
Ya
Perancangan Sistem
System Flow
Diagram Berjenjang
Data Flow Diagram (DFD)
Conceptual Data Model (CDM)
Physical Data Model (PDM)
Demo Aplikasi . . .
Kesimpulan Pengelompokan pelanggan menggunakan
metode K-Means Clustering dapat diterapkan dengan baik dan dapat menghasilkan pelanggan yang potensial pada sistem pengelompokan pelanggan potensial menggunakan metode k-means untuk promosi paket wisata (studi kasus PT. Bali Sinar Mentari).
Sistem pengelompokan pelanggan potensial menggunakan metode k-means untuk promosi paket wisata (studi kasus PT. Bali Sinar Mentari) mampu mengirimkan promosi paket wisata kepada pelanggan potensial menggunakan email.
Saran Sistem pengelompokan pelanggan ini dapat
diintegrasikan dengan sistem informasi yang lain pada PT. Bali Sinar Mentari. Sehingga nantinya masing-masing sistem dapat saling bertukar data, agar data pada sistem ini dapat digunakan untuk keperluan lain.
Metode K-Means Clustering merupakan salah satu metode dari sekian banyak metode pengelompokan data yang ada. Untuk itu, tidak menutup kemungkinan adanya metode yang lebih baik jika dibandingkan dengan metode K-Means Clustering ini, untuk kemudian dapat dikembangkan dalam penelitian selanjutnya.
Terima Kasih . . .