penerapan metode clustering dengan algoritma k-means ...

2022

KEMENTERIAN PENDIDIKAN, KEBUDAYAAN, RISET, DAN TEKNOLOGI

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER

PALCOMTECH

SKRIPSI

PENERAPAN METODE CLUSTERING DENGAN ALGORITMA

K-MEANS MENGGUNAKAN MODEL LRFM

UNTUK SEGMENTASI PELANGGAN

DI PT. KREATIF GLOBAL

SOLUSINDO

Diajukan Oleh :

1. AHMAD FAUZAN FATHULLAH /011170013

2. HENDRI /011160028

Untuk Memenuhi Sebagai dari Syarat

Mencapai Gelar Sarjana Komputer

PALEMBANG

i



PALCOMTECH

SKRIPSI

PENERAPAN METODE CLUSTERING DENGAN ALGORITMA

K-MEANS MENGGUNAKAN MODEL LRFM

UNTUK SEGMENTASI PELANGGAN

DI PT. KREATIF GLOBAL

SOLUSINDO

Diajukan Oleh :

1. AHMAD FAUZAN FATHULLAH /011170013

2. HENDRI /011160028

Untuk Memenuhi Sebagai dari Syarat

Mencapai Gelar Sarjana Komputer

…PALEMBANG

2022

ii



PALCOMTECH

HALAMAN PENGESAHAN PEMBIMBING SKRIPSI

NAMA / NPM : 1. AHMAD FAUZAN FATHULLAH / 011170013

2. HENDRI / 011160028

PROGRAM STUDI : S1 INFORMATIKA

JENJANG PENDIDIKAN : STRATA SATU (S1)

JUDUL : PENERAPAN METODE CLUSTERING DENGAN

ALGORITMA K-MEANS MENGGUNAKAN

MODEL LRFM UNTUK SEGMENTASI

PELANGGAN DI PT. KREATIF GLOBAL

SOLUSINDO

Tanggal : 2 Maret 2022 Mengetahui,

Pembimbing Ketua

Alfred Tenggono, S.Kom., M.Kom. Benedictus Effendi, S.T., M.T.

NIDN: 0205108901 NIP: 09.PCT.13

iii

KEMENTERIAN PENDIDIKAN, KEBUDAYAAN, RISET DAN TEKNOLOGI


PALCOMTECH

HALAMAN PENGESAHAN PENGUJI SKRIPSI

NAMA / NPM : 1. AHMAD FAUZAN FATHULLAH / 011170013

2. HENDRI / 011160028

PROGRAM STUDI : S1 INFORMATIKA

JENJANG PENDIDIKAN : STRATA SATU (S1)

JUDUL : PENERAPAN METODE CLUSTERING DENGAN

ALGORITMA K-MEANS MENGGUNAKAN

MODEL LRFM UNTUK SEGMENTASI

PELANGGAN DI PT. KREATIF GLOBAL

SOLUSINDO

Tanggal : 2 Maret 2022 Tanggal : 2 Maret 2022

Penguji 1 Penguji 2

D Tri Octafian, S.Kom., M.Kom.

NIDN: 0213108002

Mahmud, S.Kom., M.Kom.

NIDN: 0229128602

Menyetujui,

Ketua

Benedictus Effendi, S.T., M.T.

iv

NIP: 09.PCT.13

v

MOTTO DAN PERSEMBAHAN

MOTTO :

(Ahmad Fauzan Fathullah)

Tidak masalah merasa tidak baik untuk mengakhiri rasa sakitmu, Hidupmu Masi panjang yang kutahu dari emosi adalah Emosi bisa berubah kamu punya alasan untuk hidup Tuhan memberi hari-hari yang bagus, Masa depanmu lebih terang dari masa lalu

(Hendri)

Tidak ada kemudahan tanpa doa, Tidak ada kesuksesan tanpa

kerja keras, Tidak ada keberhasilan tanpa kebersamaan.

Kami Persembahkan Kepada :

Kedua orang tua yang selalu mendoakan.

Para pendidik yang kami hormati.

Pembimbing yang kami hormati.

Teman-teman seperjuangan.

vi

KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat Allah SWT yang telah memberikan berkat

dan karunianya sehingga penulis dapat menyelesaikan Laporan Skripsi dengan baik.

Penelitian ini dilakukan pada PT Kreatif Global Solusindo dengan judul “Penerapan Metode

Clustering Dengan Algoritma K-Means Menggunakan Model LRFM untuk Segmentasi

Pelangan pada PT. Kreatif Global Solusindo”.

Laporan Skripsi ini disusun dalam rangka memenuhi syarat guna mencapai Gelar

Sarjana Komputer. Dalam penulisan laporan skripsi ini penulis sadari sepenuhnya bahwa

penulis telah banyak mendapatkan bantuan dari berbagai pihak, baik dari pihak akademik,

keluarga, maupun teman seperjuangan. Oleh karena itu penulis mengucapkan banyak terima

kasih serta doa dan harapan semoga semua bantuan yang diberikan kepada penulis

mendapatkan berkah dari Allah SWT.

Dalam kesempatan ini penulis menyampaikan ucapan terima kasih yang sebesar-

besarnya kepada Ketua STMIK PalcomTech, Bapak Benedictus Effendi, S.T., M.T.

pembimbing laporan skripsi Bapak Alfred Tenggono, S.Kom., M.Kom. dan pembimbing

lapangan Bapak Muhammad Yunus Alfian dan Ibu Dwi Yunita S.Kom. pada PT. Kreatif

Global Solusindo serta orang tua kami, sahabat dan rekan-rekan yang telah memberikan

dorongan semangat selama masa perkuliahan dan penyusunan Laporan Skripsi.

Demikian kata pengantar dari penulis, dengan harapan semoga Laporan Skripsi ini

dapat bermanfaat dan berguna bagi para pembaca, dan dapat menjadi acuan untuk penelitian

selanjutnya. Dengan kesadaran penulis bahwa penulisan Laporan Skripsi ini masih

mempunyai banyak kekurangan dan kelemahan sehingga membutuhkan saran dan kritik yang

vii

membangun untuk menghasilkan sesuatu yang lebih baik. Atas perhatiannya penulis ucapkan

banyak terima kasih.

Palembang, 22 Februari 2022

Penulis

viii

DAFTAR ISI

HALAMAN JUDUL ......................................................................................................... i

HALAMAN PENGESAHAN PEMBIMBING ...............................................................ii

HALAMAN PENGESAHAN PENGUJI ......................................................................... iii

HALAMAN MOTTO DAN PERSEMBAHAN ..............................................................iv

KATA PENGANTAR .......................................................................................................v

DAFTAR ISI ..................................................................................................................... vii

DAFTAR GAMBAR ........................................................................................................ xi

DAFTAR TABEL .............................................................................................................. xiii

DAFTAR LAMPIRAN ......................................................................................................xv

ABSTRAK ......................................................................................................................... xvi

BAB I PENDAHULUAN

1.1. Latar Belakang Penelitian .....................................................................................1

1.2. Rumusan Masalah ..................................................................................................4

1.3. Batasan Masalah ....................................................................................................4

1.4. Tujuan dan Manfaat Penelitian ..............................................................................5

1.4.1. Tujuan Penelitian ........................................................................................5

1.4.2. Manfaat Penelitian .......................................................................................5

1.4.2.1. Manfaat bagi Penulis .......................................................................5

1.4.2.2. Manfaat bagi Akademik ..................................................................5

1.4.2.3. Manfaat bagi Perusahaan ................................................................6

1.5. Sistematika Penulisan ............................................................................................7

BAB II GAMBARAN UMUM PERUSAHAAN

ix

2.1. Sejarah singkat perusahaan ....................................................................................8

2.2. Visi dan Misi PT. Kreatif Global Solusindo ..........................................................8

2.2.1. Visi ..............................................................................................................8

2.2.2. Misi ..............................................................................................................8

BAB III LANDASAN TEORI

3.1. Landasan Teori ......................................................................................................9

3.1.1. Data Mining .................................................................................................9

3.1.2. Model LRFM ...............................................................................................11

3.1.3. Pembobotan LRFM .....................................................................................13

3.1.3.1. Analytical Hierarchy Process (AHP) ..............................................13

3.1.4. Min-max normalization ...............................................................................14

3.1.5. Customer Lifetime Value (CLV) ..................................................................15

3.1.6. Sum Sqquared Error (SSE) ..........................................................................16

3.1.7. Metode Elbow Effect ....................................................................................16

3.1.8. Clustering ....................................................................................................17

3.1.9. K-Means ......................................................................................................18

3.1.10. Orange Data Mining Tools ........................................................................20

3.1.11. Data Primer ................................................................................................21

3.1.12. Data Sekunder ...........................................................................................21

3.1.13. Observasi ...................................................................................................21

3.1.14. Wawancara ................................................................................................21

3.1.15. Studi Pustaka .............................................................................................22

3.1.16. Use case Diagram .....................................................................................22

3.1.17. Activity Diagram .......................................................................................23

x

3.1.18. Sequence Diagram .....................................................................................24

3.1.19. Class Diagram ...........................................................................................26

3.1.20. Prototype ...................................................................................................27

3.2. Penelitian Terdahulu ...............................................................................................28

3.3. Kerangka Pemikiran ................................................................................................30

BAB IV METODE PENELITIAN

4.1. Lokasi dan Jadwal Penelitian .................................................................................31

4.1.1. Lokasi Penelitian .........................................................................................31

4.1.2. Jadwal Penelitian .........................................................................................31

4.2. Jenis Data ...............................................................................................................32

4.2.1. Data Primer .................................................................................................32

4.2.1. Data Sekunder .............................................................................................32

4.3. Teknik Pengumpulan Data .....................................................................................32

4.3.1. Observasi ....................................................................................................32

4.3.2. Wawancara .................................................................................................32

4.3.3. Studi Pustaka ..............................................................................................32

4.4. Teknik Pengembangan Aplikasi .............................................................................33

4.4.1. Pengembangan Aplikasi ..............................................................................33

4.4.1.1. Use Case Diagram ..........................................................................33

4.4.1.2. Diagram Konteks ............................................................................34

4.4.1.3. Data Flow Diagram ........................................................................35

4.4.1.4. Entity Relationship Diagram (ERD) ...............................................36

4.4.2. Rancangan Antarmuka Aplikasi ...........................................................37

4.1.3. Implementasi Protype ...........................................................................40

BAB V HASIL DAN PEMBAHASAN

xi

5.1. Hasil ........................................................................................................... 47

5.1.1. Analisis Kebutuhan Aplikasi ................................................................47

5.1.2. Tahapan Prototype ................................................................................48

5.1.3. Pemodelan LRFM ................................................................................49

5.1.4. Normalisasi Data ..................................................................................51

5.1.5. Pembobotan LRFM ..............................................................................52

5.1.6. Perhitungan CLV ..................................................................................53

5.1.7. Proses Clustering ..................................................................................54

5.1.8. Penentuan Nilai K.................................................................................55

5.1.9. Perhitungan Clustering K-Means .........................................................56

5.1.10. Pengujian Kualitas Clustering ............................................................60

5.1.11. Hasil Clustering ..................................................................................61

5.1.12. Knowladge Presentation ....................................................................62

5.1.13. Analisis Segmen 1 ..............................................................................62

5.1.14. Analisis Segmen 2 ..............................................................................63

5.1.15. Analisis Segmen 3 ..............................................................................64

5.1.16. Analisis Segmen 4 ..............................................................................65

BAB VI KESIMPULAN DAN SARAN

6.1. Kesimpulan .............................................................................................................. 68

6.2. Saran ........................................................................................................................ 68

DAFTAR PUSTAKA .........................................................................................................xviii

HALAMAN LAMPIRAN .................................................................................................xx

DAFTAR GAMBAR

xii

Gambar 1. Data Mining sebagai irisan beberapa bidang ..................................................9

Gambar 2. Tahapan Data Mining ......................................................................................10

Gambar 3. Grafik metode Elbow ......................................................................................17

Gambar 4. Flowchart algoritma K-Means Clustering .......................................................19

Gambar 5. Kerangka Pemikiran ........................................................................................30

Gambar 6. Menggambarkan interaksi aktor kepada sistem ..............................................33

Gambar 7. Menggambarkan ineteraksi user terhadap sistem ............................................34

Gambar 8. Menggambarkan interaksi sistem bekerja .......................................................35

Gambar 9. Menggambarkan Field Pada Sistem ................................................................36

Gambar 10. Halaman Login ..............................................................................................37

Gambar 11. Halaman Dashboard .....................................................................................37

Gambar 12. Mengambarkan halaman data pembeli ..........................................................38

Gambar 13. Menggambarkan antarmuka grafik Variable Pelangan .................................38

Gambar 14. Menggambarkan halaman Analisa Cluster ....................................................39

Gambar 15. Tampilan Login .............................................................................................40

Gambar 16. Tampilan username salah input password ....................................................41

Gambar 17. Source Code Login ........................................................................................41

Gambar 18. Halaman Dashbord .......................................................................................42

Gambar 19. Sourcode Dahsboard .....................................................................................43

Gambar 20.. Halaman Data Admin ...................................................................................43

Gambar 21. Sourccode Data Admin .................................................................................44

Gambar 22. Halaman Data Pembeli/pelangan ..................................................................44

Gambar 23. Sourcode data Pembeli ..................................................................................45

Gambar 24. Halaman data Grafik Pembeli/pelangan ........................................................44

xiii

Gambar 25. Sourcode Data Grafik pembeli/pelangan ......................................................46

Gambar 26. Grafik Metode Elbow Effect ..........................................................................56

xiv

DAFTAR TABEL

Tabel 1. Simbol-Simbol Use Case Diagram .....................................................................22

Tabel 2. Simbol-Simbol Activity Diagram ........................................................................24

Tabel 3. Simbol-Simbol Sequence Diagram .....................................................................25

Tabel 4. Simbol-Simbol Class Diagram ...........................................................................26

Tabel 5. Penelitian Terdahulu ...........................................................................................28

Tabel 6. Jadwal Penelitian .................................................................................................31

Tabel 7. Keterangan entitas ERD ......................................................................................36

Tabel 8. Tabel Fungsional .................................................................................................47

Tabel 9. Atribut Data Pelangan .........................................................................................47

Tabel 10. Atribut LRFM ...................................................................................................50

Tabel 11. Metode Min Max ...............................................................................................51

Tabel 12. Variable LRFM Telah Di Normalisasi ..............................................................52

Tabel 13. Bobot Nilai Custome .........................................................................................53

Tabel 14. Nilai Perhitungan CLV ......................................................................................54

Tabel 15. Nilai SSE Ellbow Effect .....................................................................................55

Tabel 16. Centroid Awal Iterasi 1 .....................................................................................57

Table 17. Nilai Iterasi 1 .....................................................................................................58

Table 18. Atribut LRFM ...................................................................................................59

Tabel 19. Nilai Iterasi 5 .....................................................................................................59

Tabel 20. Pemetaaan Cluster Pelanggan ...........................................................................61

xv

DAFTAR TABEL

Tabel 21. Analisa segmen 1 ..............................................................................................62



Tabel 24. Analisa Segmen 4 ..............................................................................................65

Tabel 25. Perbandingan Setiap Cluster .............................................................................66

xvi

DAFTAR LAMPIRAN

1. Lampiran 1. Form Persetujuan Topik Dan Judul Skripsi (Fotocopy)

2. Lampiran 2. Surat Balasan Dari Perusahaan (Fotocopy)

3. Lampiran 3. Form Konsultasi (Fotocopy)

4. Lampiran 4. Form Pernyataan (Fotocopy)

5. Lampiran 5. Form Revisi Ujian Proposal (Fotocopy)

6. Lampiran 6. Form Revisi Ujian Komprehensif (Asli)

xvii

ABSTRACT

AHMAD FAUZAN FATHULLAH, HENDRI. Application of Clustering With K Means Using

LRFM Model For Customer Segmentation At PT. Creative Global Solusindo.

Pt. Creative Global Solusindo is a company engaged in sales and services. Pt. Creative

Global Solusindo was founded in 1998. The existing customer data is only a pile of data that

continues to grow every month and is only used as an archive. One of the right ways to increase

sales of goods and services is by utilizing data from existing sales transactions of goods and

services. To solve the problems that exist in PT. Creative Global Solusindo is to determine

customer segmentation. There are many methods that can be used in segmenting customers,

one of which is using historical data on sales of goods and services by customers at a certain

time. value can be seen by applying the LRFM model (Length, Recency, Frequency, and

Monetary). Data mining is a process that uses various techniques to find hidden relationships

and patterns. Data Mining has 5 functions consisting of Estimation, Forecasting,

Classification, Clustering, and Association. In this study, the authors used clustering with the

K-Means method. Elbow method is used to assist the process of determining the optimal

number of clusters. The data used by Pt. Creative Global Solusindo is customer transaction

data of 120 transaction data and 58 customers in the period May 2021 to November 2021. The

results of the number of clusters are obtained from the elbow method by looking at the SSE

value of 4.8711, resulting in four clusters which are then implemented into K-Means.

Customer segmentation analysis based on LRFM model in the form of ranking of profitable

customer groups by looking at the LRFM value.

Keywords: Customer Segmentation, LRFM Model, Customer Lifetime Value, K-Means

Clustering, Elbow Method.

xviii

ABSTRAK

AHMAD FAUZAN FATHULLAH, HENDRI. Penerapan Metode Clustering Dengan

Algortima K-Means Menggunakan Model LRFM Untuk Segmentasi Pelanggan Di PT. Kreatif

Global Solusindo.

Pt. Kreatif Global Solusindo merupakan perusahaan yang bergerak dibidang penjualan

dan jasa. Pt. Kreatif Global Solusindo berdiri pada tahun 1998. Data pelanggan yang ada hanya

menjadi tumpukan data yang setiap bulannya terus bertambah. Salah satu cara yang tepat untuk

meningkatkan penjualan barang dan jasa dengan memanfaatkan data dari transaksi penjualan

barang dan jasa yang ada. Untuk menyelesaikan permasalahan yang terdapat pada PT. Kreatif

Global Solusindo yaitu dengan menentukan segmentasi pelanggan. banyak metode yang dapat

digunakan dalam melakukan segmentasi pelanggan, salah satunya adalah menggunakan

riwayat data transaksi penjualan barang dan jasa yang dilakukan pelanggan pada jarak waktu

tertentu. Value pelanggan dapat dilihat dengan menerapkan model LRFM (Length, Recency,

Frequency, dan Monetary). Metode clustering yang digunakan adalah K- Means. Elbow

method digunakan untuk membantu proses penentuan jumlah cluster yang optimal. Data yang

digunakan Pt. Kreatif Global Solusindo adalah data transaksi pelanggan sejumlah 120 data

transaksi dan 58 pelanggan pada periode mei 2021 sampai bulan november 2021. Hasil jumlah

cluster didapat dari hasil elbow method dengan melihat nilai SSE 4.8711 maka menghasilkan

sebanyak empat cluster yang kemudian diimplementasikan ke dalam K- Means. Analisis

segmen pelanggan berdasarkan LRFM model berupa peringkat dari kelompok pelanggan yang

menguntungkan dengan melihat nilai LRFM.

Kata Kunci: Segmentasi Pelanggan, LRFM Model, Customer Lifetime Value K-Means

Clustering, Elbow Method.

BAB 1

PENDAHULUAN

1.1. Latar Belakang Penelitian

Persaingan merupakan hal yang tidak dapat dihindarkan dalam dunia bisnis.

Dalam persaingan di dunia bisnis tidak dapat memungkinkan lagi bahwa akan selalu

ada kerugian dan keuntungan. Maka dari itu demi menghindari kerugian akibat

persaingan bisnis maka sebuah perusahaan perlu mengenali pelanggannya lebih dekat

agar hubungan perusahaan dan pelangan terjalin baik agar saling menguntungkan

antara perusahan dan pelangan, pelanggan telah menjadi prioritas utama bagi banyak

perusahaan. Pelanggan merupakan sumber keuntungan bagi perusahaan. karenasetiap

pelangan memiliki karakteristik berbeda-beda maka perusahaan perlu memetakan

tingkat loyalitas pelanggannya.

PT. Kreatif Global Solusindo biasa disebut creative com berdomisili di

Palembang sejak 1997 awal berdirinya bergerak dalam bidang jasa perbaikan

perangkat komputer. Kemudian pada tahum 1998, merambah ke bidang penjualan

perangkat wartel sebagai distributor perangkat telekomunikasi merk QPHONE.

Dengan berkembangnya teknologi dan kebutuhan masyarakat semakin meningkat,

maka pada 2004 creative com melayani permintaan pemasangan jaringan komputer

(Cable / Wileress) serta tower antena. untuk meningkatkan penjualan barang dan jasa

PT.Kreatif Global Solusindo harus memiliki strategi yang tepat guna menggambil

langkah yang tepat. Salah satu cara yang tepat untuk meningkatkan penjualan barang

dan jasa dengan memanfaatkan data dari transaksi penjualan barang dan jasa yang

ada. Dari data penjualan barang dan jasa yang dilakukan pada PT.Kreatif Global

1

2

Solusindo tersebut semakin hari data tersebut semakin banyak dan menumpuk

sehingga menghasilkan tumpukan data. Sangat disayangkan jika data penjualan

barang dan jasa tersebut tidak dievaluasi. Bedasarkan hasil penjualan barang dan jasa

dari bulan Mei 2021 sampai bulan november 2021 berjumlah 120 data transaksi yang

memiliki 60 data customer, dan hanya digunakan untuk rekap data penjualan dan

arsip pada PT.Kreatif Global Solusindo. Sehingga data tidak dapat diolah lebih lanjut

sehingga tidak dapat memberikan informasi dari data yang sudah terkumpul.

Untuk menyelesaikan permasalahan yang terdapat pada PT.Kreatif Global

Solusindo yaitu dengan menentukan segmentasi pelanggan. banyak metode yang

dapat digunakan dalam melakukan segmentasi pelanggan, salah satunya adalah

menggunakan riwayat data transaksi penjualan barang dan jasa yang dilakukan

pelanggan pada jarak waktu tertentu. Data transaksi penjualan barang dan jasa

tersebut kemudian ditentukan variable LRFM. Data transaksi penjualan barang dan

jasa yang digunakan adalah pada jarak waktu dari bulan Mei 2021 sampai bulan

November 2021.

Data Mining merupakan proses yang menggunakan berbagai teknik untuk

menemukan hubungan dan pola yang tersembunyi. Data Mining memiliki 5 fungsi

yang terdiri dari Estimasi, Peramalan, Klasfikasi, Klasterisasi, dan Asosiasi. Pada

penelitian ini penulis menggunakan klasterisasi dengan metode K-Means. Metode K-

Means adalah metode yang paling sederhana dibanding metode klastering lainnya.

Metode ini mempunyai kelebihan mudah diterapkan, dijalankan, relatif cepat, mudah

untuk diadaptasi, dan paling banyak dipraktekkan dalam data mining.

3

Model LRFM merupakan variabel yang akan digunakan pada penelitian ini

untuk menentukan jumlah cluster dengan mengunakan nilai Length, Recency,

Frequency dan Monetary pada setiap pelanggan. Adapun variabel Recency yang

merupakan waktu antara transaksi terakhir pelanggan dengan perusahaan, Frequency

berdasarkan jumlah frekuensi pelanggan melakukan transaksi dan Monetary

berdasarkan banyaknya nilai transaksi pelanggan. Dan ditambahkan variabel L

(Length) oleh Chang dan Tsay yang merupakan lamanya hubungan antara pelanggan

dan perusahaan. Pengembangan ini dilakukan karena beberapa hal, salah satunya

adalah fakta bahwa model RFM tidak bisa membedakan pelanggan mana yang

memiliki hubungan jangka panjang dan jangka pendek dengan perusahaan. Padahal

loyalitas pelanggan bergantung pada durasi hubungan antara pelanggan dan

perusahaan, maka dari itu perlu ditambahkan sebuah variabel untuk mengukur tingkat

loyalitas yang telah dibangun oleh pelanggan. begitulah mengapa beberapa literatur

lebih memilih menggunakan model LRFM untuk melakukan segmentasi terhadap

pelanggan didalam suatu perusahaan.

Berdasarkan uraian di atas, penulis mempunyai gagasan untuk melakukan

penelitian dengan judul “Penerapan Metode Clustering Dengan Algoritma K-Means

Menggunakan Model LRFM untuk Segmentasi Pelangan pada PT. Kreatif Global

Solusindo”.

4

1.2. Rumusan Masalah

Bedasarkan latar belakang yang ada dapat dirumuskan masalah yaitu

bagaimana menggunakan segmentasi pelanggan dengan kombinasi metode K-Mean

dan model LRFM agar dapat membantu perusahaan dalam menentukan pelanggan

mana yang lebih loyal untuk diberikan harga spesial kepada pelanggan.

1.3. Batasan Masalah

Adapun batasan masalah pada penelitian ini adalah sebagai berikut :

1. Data yang digunakan mengambil data transaksi penjualan barang dan jasa pada

bulan Mei 2021 sampai bulan November 2021 dapat dilihat pada lampiran c tentang

rincian pelanggan.

2. Variabel yang digunakan sebagai parameter adalah jarak pembelian pertama kali

(length), jarak pembelian terakhir kali (recency), frekunsi pembelian, dan total

pembelian pelanggan yang mengacu pada metode LRFM.

3. Clustering mengunakan metode Elbow Effect untuk menentukan jumlah clustering

yang efektif.

4. Output penelitian berupa sistem / aplikasi.

5

1.4. Tujuan dan Manfaat Penelitian

1.4.1. Tujuan Penelitian

Tujuan Penelitian ini adalah Menghasilkan segmentasi pelanggan

menggunakan kombinasi metode clustering K-Means dan model LRFM

1.4.2. Manfaat Penelitian

1.4.2.1. Manfaat bagi Penulis

Manfaat yang diperoleh mahasiswa dari penelitian ini adalah:

1. Dapat menerapkan teori pembelajaran yang didapat selama masa

perkuliahan

2. Meningkatkan pengetahuan penulis tentang Data Mining dan

metode K-Means Clustering berdasarkan Model LRFM

3. Penelitian ini dapat memberikan pengetahuan mengenai proses

Clustering menggunakan metode K-Means pada data transaksi

penjualan barang dan jasa pada PT. Kreatif Global Solusindo.

1.4.2.2. Manfaat bagi Akademik

Manfaat yang diperoleh akademik dari penelitian ini adalah:

1. Sebagai bahan referensi bagi penulis lain untuk dijadikan

perbandingan dalam menyusun proposal dan skripsi pada penelitian

selanjutnya.

2. Sebagai bahan evaluasi sejauh mana kemampuan mahasiswa dalam

menerapkan ilmu pengetahuan yang telah diberikan.

6

1.4.2.3. Manfaat bagi Perusahaan

Berdasarkan tujuan penelitian di atas, manfaat yang diberikan

adalah dapat membantu PT. Kreatif Global Solusindo dalam

mendukung menentukan siapa saja pelanggan yang berhak

mendapatkan harga spesial atau discount yang diberikan secara

objektif berdasarkan performa pelanggan, sebagai bentuk loyalitas

perusahaan terhadapap pelangan yang baik agar tepat sasaran.

7

1.5. Sistematika Penulisan

BAB I PENDAHULUAN

Pada bab ini berisi latar belakang, perumusan masalah, batasan masalah, tujuan

penelitian, manfaat penelitian, dan sistematika penulisan.

BAB II GAMBAR UMUM PERUSAHAAN

Pada bab ini penulis akan membahas tentang profil tempat penelitian, visi dan misi,

struktur organisasi, serta tugas dan wewenang.

BAB III TINJAUAN PUSTAKA

Pada bab ini akan diuraikan teori-teori yang mendukung yang terkait dengan

penelitian.

BAB IV METODE PENELITIAN

Pada bab ini diuraikan lokasi dan waktu penelitian, jenis data, teknik pengumpulan

data, jenis penelitian, alat dan teknik pengembangan aplikasi, serta alat dan teknik

pengujian.

BAB V HASIL DAN PEMBAHASAN

Pada bab ini dilaporkan hasil-hasil yang diperoleh dalam penelitian dan pembahasan terhadap

hasil yang telah dicapai dan uji coba teknologi. Hasil dan pembahasan disesuaikan dengan

teknik pengembangan aplikasi yang digunakan.

BAB VI PENUTUP

Pada bab ini memberikan kesimpulan dari semua pembahasan pada bab-bab

sebelumnya serta memberikan saran yang bermanfaat dalam pengembangan aplikasi

ke depannya.

8

BAB II

GAMBARAN UMUM PERUSAHAAN

2.1. Sejaran Singkat Perusahaan

Creative Com, adalah sebuah Image usaha dengan legalitas CV. CREATIVE

berdomisili di Palembang sejak 1997 dan sejak 2013 menjadi PT. KREATIF

GLOBAL SOLUSINDO. Pada awal berdirinya creative com bergerak dalam bidang

jasa perbaikan perangkat komputer. Kemudian di 1998, merambah ke bidang

penjualan perangkat wartel sebagai distributor perangkat telekomunikasi merk

QPHONE. Selanjutnya pada 2002, Panasonic mempercayakan creative com sebagai

salah satu dealernya di palembang. Dengan mengamati perkembangan teknologi dan

kebutuhan masyarakat, maka pada 2004 melayani permintaan pemasangan jaringan

komputer (Cable / Wileress) serta tower antenna Hingga saat ini.

2.2. Visi dan Misi PT. Kreatif Global Solusindo

2.2.1. Visi

Menjadi perusahaan yang terdepan dan terpercaya serta mampu

memberikan layanan yang baik dan berkualitas. Mampu memberikan solusi

yang tepat sesuai dengan kebutuhan konsumen.

2.2.2. Misi

Membangun, mengem-bangkan dan meningkatkan kemandirian melalui

semangat kerja dan kreatifitas yang tinggi kepada setiap tim sehingga hasil yang

dicapai berdampak positif bagi kemajuan dan kesejahteraan tim creative Com

(KGS) pada khususnya serta masyarakat luas pada umumnya.

9

3.1. Landasan Teori

3.1.1. Data Mining

BAB III

TINJAUAN PUSTAKA

Mnurut Sembiring (2019) Data Mining adalah suatu pengekstrakan informasi

baru yang diambil dari sebuah data besar yang membantu dalam pengambilan

keputusan atau bisa dikatakan sebagai proses pengumpulan informasi penting

dari suatu data yang besar untuk diubah menjadi sebuah pengetahuan. Data

Mining merupakan suatu area yang mengintegrasikan berbagai metode, yang

meliputi statistik, basis data, kecerdasan buatan (artificial intelligence),

machine learning, pengenalan pola (pattern recognition), serta pemodelan yang

mengenai ketidakpastian,. Gambar 1 menunjukan hal tersebut (Wardani 2020).

Gambar 1. Data Mining sebagai irisan beberapa bidang

Sumber : Muhammad Arhami Dan Muhammad Nasir, 2020

Data Mining sering digunakan sebagai sinonim untuk proses menemukan pola-

pola yang berwawasan, menarik, dan baru. Pada dasarnya, Data Mining

10

digunakan untuk meringkas data dan mengekstrak informasi berguna yang

masuk akal dan sebelumnya tidak diketahui (Wanto et al., 2020).

Data Mining dapat disebut dengan istilah knowledge discovery in database

(KDD), yang berarti dimana sebuah kegiatan pengumpulan data dan digunakan

untuk mencari keteraturan sebuah pola didalam sebuah data yang memiliki

ukuran yang besar. Output dari Data Mining dapat digunakan untuk

memperbaiki pengambilan keputusan di masa depan (Panggabean, Buulolo,

dan Silalahi, 2020). Sebagai suatu rangkaian proses, Data Mining dapat dibagi

menjadi beberapa tahap yang dapat dilihat pada gambar 2. Tahap-tahap tersebut

bersifat interaktif di mana pemakai terlibat langsung atau dengan perantara

knowledge base (Wanto et al., 2020).

Gambar 2. Tahapan Data Mining

Sumber : Wanto et al., 2020

Menurut Abdillah, Putra, dan Renaldi (2019) Data Mining memiliki enam

tahapan, yaitu:

1. Pembersihan Data (Data Cleaning)

11

Sebelum dilaksanakannya proses Data Mining, perlu dilakukan proses

pembersihan data yang berupa membuang duplikasi data, memeriksa data

yang tidak konsisten, dan memperbaiki kesalahan pada data.

2. Integrasi Data (Data Integration)

Tahap ini adalah penggabungan data dari berbagai sumber.

3. Seleksi Data (Data Selection)

Pada tahap ini, akan dipilih data-data yang hendak digunakan dalamproses

sesuai dengan kebutuhan analisis.

4. Transformasi Data (Data Transformati)

Pada tahap ini, data diubah atau digabung ke dalam format yang sesuai untuk

diproses dan siap ditambang.

5. Proses Mining

Proses ini adalah suatu proses dimana metode Data Mining diterapkan ke

sistem untuk menemukan informasi yang ingin didapatkan dari data-data

tersebut.

6. Presentasi Pengetahuan (Knowledge Presentation)

Tahap ini merupakan tahap dimana hasil dari proses mining ditampilkan

dalam bentuk informasi yang dapat dimengerti oleh pihak yang

berkepentingan.

3.1.2. Model LRFM

Model LRFM adalah bentuk pengembangan dari Model RFM yang

merupakan metode dalam menganalisa nilai pelanggan pada segmentasi

pelanggan. RFM model mempunyai tiga atribut yaitu recency, frequency, serta

monetary (Dharmawan dkk., 2019). Model yang biasanya digunakan dalam

12

penilaian transaksi. Pelanggan merupakan RFM yang dikembangkan oleh Arthur

Hughes. Adapun variabel Recency yang merupakan waktu antara transaksi

terakhir pelanggan dengan perusahaan, Frequency berdasarkan jumlah frekuensi

pelanggan melakukan transaksi dan Monetary berdasarkan banyaknya nilai

transaksi pelanggan (Kandeil dkk., 2014).

Kemudian Chang dan Tsay mengusulkan untuk menambahkan variabel

jangka panjang dalam penggunaan RFM model karena tidak dapat membedakan

pelanggan mana yang memiliki hubungan jangka pendek atau jangka panjang

dengan perusahaan. Sehingga, ditambahkannya variabel jangka panjang(Length)

lalu menjadi LRFM model (Wu, Lin, dan Liu, 2014). Penambahan tersebut

dinilai penting karena dapat memperkuat nilai recency pada pelanggan

berdasarkan lamanya transaksi terakhir pada periode tertentu (Monalisa, 2018).

Model LRFM ini meliputi 4 variabel yaitu Length of purchases, Recency of the

last purchases, Frequency of the purchases dan Monetary values of the

purchases. Adapun penjelasan dari keempat variabel LRFM adalah sebagai

berikut:

1. Length artinya lama hubungan antara pelanggan dengan perusahaan yang

dihitung selama periode analisis.

2. Recency merupakan jarak sejak terakhir transaksi dilakukan. Maka, semakin

kecil nilai jarak terakhir dengan periode analisis, maka semakin besar nilai R.

3. Frequency adalah jumlah pembelanjaan atau transaksi yang dilakukan selama

waktu tertentu. Maka, semakin besar jumlah transaksi, semakin besar pulalah

nilai F.

13

4. Monetary adalah jumlah keseluruhan uang yang digunakan dalam bertransaksi

pada periode tertentu. Maka, semakin banyak uang yang digunakan semakin

besar pulalah nilai M (Monalisa, Zafa, dkk., 2020).

Tujuan dari LRFM agar dapat memprediksi perilaku pelanggan dimasa

yang akan datang dengan menetapkan keputusan segmentasi yang lebih terarah.

Sehingga, diperlukan pemahaman perilaku pelanggan dalam bentuk angka

sehingga dapat difungsikan dalam jangka waktu yang lama.

3.1.3. Pembobotan LRFM

Pembobotan terhadap keempat variabel dengan menggunakan metode AHP.

Penilaian bobot dilakukan dengan memberikan kuesioner kepada direktur PT.

Kreatif Global Solusindo. Dari perhitungan AHP tersebut diperoleh nilai bobot

untuk keempat variabel. Setelah itu dilakukan uji konsistensi terhadap nilai

bobot yang diperoleh.

3.1.3.1. Analytical Hierarchy Process (AHP)

Banyak metode telah dikembangkan untuk membantu dan memfasilitasi

aktivitas pembuatan keputusan yang kompleks. Salah satunya adalah

metode analytical hierarchy process (AHP) yang dikembangkan oleh

Thomas Saaty, dengan menurunkan vektor prioritas dari matriks pairwise

comparisons. Metode AHP ini pertama kali muncul pada tahun 1972,

namun deskripsi lengkap tentang model tersebut baru tersedia pada tahun

1980. Hingga saat ini metode AHP merupakan yang paling banyak

dipelajari dan diutilisasi dari semua metode Multi-criteria decision

analysis (MCDA). Analytic Hierarchy Process (AHP) adalah teori

14

pengukuran umum.

Clv digunakan untuk mendapatkan skala relatif dari angka absolut dalam

perbandingan diskret dan kontinyu dalam struktur hirarkis bertingkat.

AHP adalah tipikal metode rekayasa sistem yang mengubah analisis

kualitatif menjadi analisis kuantitatif.

Metode AHP digunakan dalam menentukan bobot prioritas

kriteria model LRFM yang dinotasikan dengan WL WR WF WM. Metode

AHP diterapkan pada hasil kuesioner yang telah diisi kepada pihak yang

berkompeten dalam menilai variabel atau kriteria yang paling

berpengaruh bagi perusahaan. Adapun hasil dari pembobotan dengan

AHP akan dikalikan dengan nilai variabel LRFM dalam perhitungan

CLV. Pada AHP, apabila semakin tinggi peringkat pelanggan maka akan

semakin besar pulalah tingkat keloyalan pelanggan pada klaster tersebut

(Kurniawaty dkk., 2014). Sehingga AHP difungsikan sebagai pemberi

bobot dalam perhitungan rangking dalam menentukan cluster pelanggan

terbaik. Adapun tahapan pada metode AHP adalah sebagai berikut

(Munthafa dan Mubarok, 2017):

3.1.4. Min-max normalization

Normalisasi merupakan kata yang dicetuskan oleh E. F. Codd pada 1972,

normalisasi merupakan tahap dalam praproses data. Menormalisasikan data

masukan akan membantu mempercepat tahap pembelajaran dan juga mengatasi

masalah perbedaan jangkauan nilai dari setiap atribut.

Pada penelitian ini akan digunakan skala data dalam rasio angka nol hingga

15

satu (0-1), sehingga formula diatas dapat disederhanakan. Berikut rumus yang

telah disederhanakan :

Keterangan:

𝑑′ = 𝑑′ − 𝑑𝑚𝑖𝑛

𝑑𝑚𝑎𝑥 − 𝑑𝑚𝑖𝑛

d’ = nilai yang telah dinormalisasi

d = nilai asli

dmin = nilai terkecil

dmax = nilai terbesar

3.1.5. Customer Lifetime Value (CLV)

Customer Lifetime Value (CLV) adalah sebuah metric pemasaran yang

menggambarkan nilai dari seseeorang pelanggan sepanjang hubungan pelanggan

dengan perusahan berlangsung. CLV berguna untuk menentukan nilai pelanggan

ke perusahaan selama siklus hidup pelanggan. CLV berusaha memaksimalkan

keuntungan dengan menganalisis perilaku pelanggan dan siklus bisnis untuk

mengidentifikasi dan menargetkan pelanggan dengan potensi nilai terbesar dari

waktu ke waktu. pada penelitian tugas akhir ini, penggunaan CLV mengacu pada

indeks nilai CLV. Indeks CLV ditentukan melalui bobot variabel LRFM yang

sebelumnya telah diperleh dan nilai normalisasi masing-masing variabel LRFM.

Adapun rumus untuk menghitung nilai CLV adalah sebagai berikut :

𝐶𝐿𝑉 = 𝑁𝐿 × 𝑊𝐿 + 𝑁𝑅 × 𝑊𝑅 + 𝑁𝐹 × 𝑊𝐹 + 𝑁𝑀 × 𝑊𝑀

Keterangan:

CLV = nilai CLV yang dicari

NL = nilai nomalisasi variabel length

16

WL = nilai bobot variabel length

17

NR = nilai nomalisasi variabel recency

WR = nilai bobot variabel recency

NF = nilai normalisasi variabel frequency

WF = nilai bobot variabel frequency

NM = nilai normalisasi variabel monetary

WM = nilai bobot variabel monetary

3.1.6. Sum Squared Error (SSE)

Sum Squared Error (SSE) merupakan salah satu metode untuk

mengukur kesalahan atau error dalam suatu penelitian. Singkatnya SSE

merupakan jumlah error yang dikuadratkan. Algoritma K-means

mengelompokkan sekumpulan data sehingga fungsi SSE dapat diminimalkan.

Error yang didapatkan biasanya diukur dengan menggunakan Euclidean

Distance antara titik data atau objek dengan titik mean pada cluster. Sehingga

SSE yang dihitung merupakan jumlah dari selisih titik data tiap objek dengan

nilai mean pada clusternya yang dikuadratkan. Misalkan 𝜇𝑘 adalah mean dari

kelompok k (Ck) maka sum squared error untuk semua cluster dapat dinyatakan

sebagai berikut :

Keterangan ;

𝜇𝑘 = mean dari cluster k

𝑋𝑖 = nilai objek ke-i pada cluster k

3.1.7. Metode Elbow Effect

Metode Elbow Effect adalah suatu metode untuk menghasilkan informasi

dalam menentukan jumlah cluster terbaik dengan cara melihat presentase hasil

perbandingan antara jumlah cluster yang akan membentuk sudut siku pada suatu

titik.

18

Sumber : Nisa Hanum Harani, Cahyo Prianto, Politeknik Pos Indonesia (2020)

Gambar 3. Grafik metode Elbow

Hasil persentase dari setiap perhitungan ditunjukkan dalam grafik dan

dibandingkan. Jika nilai suatu cluster dengan nilai cluster kedua mengalami

penurunan paling dalam atau nilainya mengalami penurunan paling besar maka

nilai cluster tersebut terbaik hal ini juga dapat dilihat dari perbandingan nilai

rasio SSE terbesar. Langkah-langkah dalam perhitungan Metode Elbow Effect

adalah sebagai berikut :

1. Mulai

2. Inisialisasi awal nilai K = 1

3. Naikkan nilai K

4. Hitung hasil SSE dari tiap nilai K

5. Melihat hasil SSE nilai K yang turun secara drastis

6. Tetapkan nilai K yang membentuk siku

7. Selesai.

3.1.8. Clustering

Clustering atau cluster analysis telah lazim digunakan dalam setiap disiplin

ilmu yang melibatkan analisis data multivariat. Secara operasional definisi

clustering dapat dinyatakan sebagai berikut: Jika terdapat sejumlah n objek,

temukan kelompok berjumlah K berdasarkan ukuran kemiripan, sehingga

19

kemiripan antara objek pada kelompok yang sama bernilai tinggi sedangkan

kemiripan antara objek dalam kelompok yang berbeda rendah.

Tujuan dari cluster analysis sendiri adalah untuk menemukan

pengelompokan alami dari serangkaian pola, titik atau objek. Teknik dalam

clustering harus memenuhi dua kriteria, pertama adalah tiap kelompok adalah

homogen; objek yang berada dalam kelompok yang sama pasti mirip satu sama

lain, dan yang kedua tiap grup/kelompok harus berbeda dengan kelompok lain

atau objek dalam kelompok satu harus berbeda dengan semua kelompok lain.

Algoritma Clustering secara luas dapat dibagi menjadi dua kelompok:

hierarchical dan partitional. Algoritma pengelompokan hirarkis secara rekursif

menemukan cluster yang bersarang baik dalam mode agglomerative (dimulai

dengan setiap titik data dalam kelompok tersebut, lalu menggabungkan

kelompok cluster yang paling mirip secara berturut-turut untuk membentuk

hirarki cluster) atau dalam mode divisive (top-down) (dimulai dengan semua

titik data dalam satu cluster dan secara rekursif membagi setiap cluster menjadi

kelompok-kelompok yang lebih kecil). Dibandingkan dengan algoritma

clustering hirarkis, algoritma clustering parsial menemukan semua cluster secara

bersamaan sebagai partisi data dan tidak memaksakan struktur hirarkis.

Algoritma hirarkis yang paling terkenal adalah single-link dan completelink;

Algoritma partikular yang paling populer dan paling sederhana adalah K-means.

3.1.9. K-Means

Algoritma K-Means merupakan salah satu algoritma clustering yang

masuk dalam kelompok Unsupervised Learning yang digunakan untuk membagi

20

data menjadi beberapa kelompok dengan sistem partisi (Wantoet al.,2020). K-

Means merupakan suatu metode Data Mining clustering yang berfungsi untuk

mengelompokan data kedalam bentuk satu atau lebih cluster/kelompok. K-

Means merupakan algoritma clustering dengan metode partisi yang berbasis titik

pusat (centroid). Algoritma inimenerima masukan berupa data tanpa label kelas.

Pada algoritma K-Means, data dikelompokan menjadi masukan tanpa

mengetahui terlebih dahulu target kelasnya. Masukan yang diterima data atau

objek dan k buah kelompok (cluster) yang diinginkan (Wanto et al, 2020:4).

Sumber : Younus et al., 2020

Gambar 4. Flowchart algoritma K-Means Clustering

21

Langkah-langkah algoritma K-Means dapat dijelaskan sebagai berikut

(Larose, 2005; Prasetyo, 2012; Khotimah, 2014; Palina et al.,2018; Primartha,

2018);

1. Tentukan jumlah cluster (k) pada data set sebagai nilai centroid.

2.Menghitung jarak antara data dan titik pusat cluster menggunakanrumus dari

Euclidian Distance. Yang dapat dilihat pada teori jarak Euclidian seperti pada

rumus :

𝐷(ᵢ, j ) =√(𝑋₁ᵢ − 𝑋₁ⱼ)2 + (𝑋₂ᵢ − 𝑋₂ⱼ)2 + ⋯ + (𝑋ₖᵢ − 𝑋ₖⱼ)2

Keterangan :

𝐷(ᵢ, j) = Jarak data ke i ke pusat cluster j

𝑋ₖᵢ = Data ke i pada atribut ke k

𝑋ₖⱼ = Titik pusat ke j pada atribut ke k

3. Pusat cluster baru akan ditentukan bila semua data telah ditetapkan dalam

cluster terdekat.

4. Proses penentuan titik pusat cluster dan penempatan data dalam cluster

diulangi terus-menerus sampai nilai centroid tidak berubah lagi.

3.1.10. Orange Data Mining Tools

Orange merupakan sebuah tools open source untuk pengolahan data

mining. Orange memiliki widget yang berfungsi sebagai unit komputasi untuk

membaca, memproses, melakukan visualisasi, melakukan analisis,

mengeksplorasi data, dan lain-lain. Widget disusun sedemikian rupa sehingga

membentuk workflow (alur kerja) dan berkomunikasi satu sama lain di

lingkungan Orange. Widget data memungkinkan Orange untuk manipulasi

data text atau gambar. Dalam menganalisis gambar menggunakan Orange,

diperlukan sebuah add-ons tambahan yaitu image analytics. Orange

22

mengubah data gambar menjadi representasi vektor menggunakan deep

neural network yang telah dilatih pada banyak gambar sehingga

menghasilkan data yang dapat diproses dan memungkinkan machine

learning.

3.1.11. Data Primer

Menurut Juliandi, Irfan, dan Manurung (2014) pengertian data primer

adalah data mentah yang diambil peneliti sendiri (bukan orang lain) dari

sumber utama guna kepentingan penelitian, biasanya dapat melalui

wawancara, angket/kuisioner dan lain-lain”.

3.1.12. Data Sekunder

Menurut Juliandi, Irfan, dan Manurung (2014) mendefinisikan data

sekunder adalah data yang sudah tersedia yang dikutip oleh peneliti guna

kepentingan penelitiannya. Data yang diperoleh dengan cara membaca,

mempelajari dan memahami melalui media lain yang bersumber dari literatur,

buku-buku, serta dokumen”.

3.1.13. Observasi

Observasi adalah kegiatan melihat suatu kondisi secara langsung

terhadap objek yang diteliti (Juliandi, Irfan, dan Manurung, 2014).

3.1.14. Wawancara

Wawancara adalah dialog langsung antara peneliti dengan responden

penelitian. proses percakapan yang berbentuk tanya jawab dengan tatap muka

untuk pengumpulan data pada suatu penelitian. Percakapan itu dilakukan oleh

23

dua pihak, yaitu pewawancara yang mengajukan pertanyaan dan yang

diwawancarai yang memberikan jawaban atas pertanyaan itu (Juliandi, Irfan,

dan Manurung, 2014).

3.1.15. Studi Pustaka

Studi Pustaka adalah cara yang dipakai untuk menghimpun data-data

atau sumber-sumber yang berhubungan dengan topik yang diangkat dalam

suatu penelitian (Habsy, 2017).

3.1.16. Use Case Diagram

Use Case adalah deskripsi fungsi dari sebuah sistem perspektif pengguna. Use

Case bekerja dengan cara mendeskripsikan tipikal interaksi antara user

(pengguna) sebuah sistem dengan sistemnya sendiri melalui sebuah cerita

bagaimana sebuah sistem dipakai. Urutan langkah-langkah yang

menerangkan antara pengguna dan sistem disebut skenario.

Use Case merupakan awal yang sangat baik untuk setiap fase pengembangan

berbasis objek, design, testing, dan dokumentasi yang menggambarkan

kebutuhan sistem dari sudut pandang di luar sistem (Simatupang dan Sianturi,

2019). Simbol-simbol use case diagram dapat dilihat pada tabel 3.1.

Tabel 1. Simbol-Simbol Use Case Diagram

No Simbol Nama Keterangan

1

Actor Menspesifikasikan himpunan

peran yang pengguna mainkan

ketika berinteraksi dengan use

case.

24


2

Dependency Hubungan di mana perubahan

yang terjadi pada suatu elemen mandiri

(independent) akan

mempengaruhi elemen yang

bergantung padanya elemen yang tidak mandiri.

3

Generalization Hubungan di mana objek anak

(descendent) berbagi perilaku dan

struktur data dari objek yang ada di

atasnya objek induk (ancestor)

4

Include Menspesifikasikan bahwa use

case sumber secara eksplisit.

5

Extend Menspesifikasikan bahwa use

case target memperluas perilaku

dari use case sumber pada suatu

titik yang diberikan .

6

Association Apa yang menghubungkan antara

objek satu dengan yang lainnya.

7

System Menspesifikasikan paket yang

menampilkan sistem secara

terbatas.

8

Use Case Deskripsi dari urutan aksi-aksi

yang ditampilkan sistem yang

menghasilkan suatu hasil yang

terukur bagi suatu aktor.

9

Collaboration Interaksi aturan-aturan dan elemen

lain yang bekerja sama untuk

menyediakan perilaku yang lebih

besar dari jumlah dan elemen-

elemennya (sinergi)

10

Note Elemen fisik yang eksis saat

aplikasi dijalankan dan

mencerminkan suatu sumber daya

komputasi.

3.1.17. Activity Diagram

Diagram aktivitas atau Activity Diagram menggambarkan workflow (aliran kerja) atau

aktivis dari sebuah sistam atau proses bisnis atau menu yang ada pada perangkat lunak.

25

Penekanan pada diagram aktivitas adalah menggambarkan aktivitas sistem atau

aktivitas yang dilakukan oleh sistem, bukan apa yang dilakukan aktor (Simatupang

dan Sianturi, 2019). Berikut adalah simbol-simbol activity diagram, seperti terlihat

pada tabel 3.2

Tabel 2. Simbol-Simbol Activity Diagram


1

Status awal Sebuah diagram aktivitas

memiliki sebuah status awal.

2

Aktivitas Aktivitas yang dilakukan sistem,

aktivitas biasa diawal dengan

kata kerja.

3

Percabangan / decision

Percabangan di mana ada pilihan

aktivitas yang lebih dari satu.

4

Penggabungan / join Penggabungan di mana lebih

dari satu aktivitas lalu

digabungkan jadi satu.

5

Status Akhir Status akhir yang dilakukan

sistem, sebuah diagram aktivitas

memiliki sebuah status akhir.

6

Swimlane Swimlane memisahkan

organisasi bisnis yang

bertanggung jawab terhadap

aktivitas yang terjadi.

3.1.18. Sequence Diagram

Diagram sekuen menggambarkan kelakuan objek pada use case dengan

mendeskripsikan waktu hidup objek dan massage yang dikirimkan dan

diterima antar objek. Oleh karena itu untuk menggambar diagram sekuen maka

harus diketahui objek-objek yang terlibat dalam sebuah use case beserta

metode-metode yang dimiliki kelas yang diinstansiasi menjadi objek itu.

26

Membuat diagram sekuen juga dibutuhkan untuk melihat skenario yang ada

pada use case (Rosa dan Shalahuddin, 2018). Berikut adalah simbol-simbol

activity diagram, seperti terlihat pada tabel 3.3.

Tabel 3. Simbol-Simbol Sequence Diagram


1

Aktor Orang, proses, atau

sistem lain yang

berinteraksi dengan sistem informasi yang

akan dibuat di luar sistem informasi yang akan

dibuat itu sendiri, jadi

walaupun simbol dari aktor adalah gambar

orang, tapi aktor belum tentu merupakan orang,

biasanya dinyatakan

menggunakan kata benda di awal fase nama aktor.

2 Garis hidup / lifeline Menyatakan kehidupan

suatu objek.

3

Nama objek : nama kelas

Objek Menyatakan objek yang

berinteraksi pesan.

4

Waktu aktif Menyatakan objek dalam

keadaan aktif dan

berinteraksi, semua yang

terhubung dengan waktu

aktif ini adalah sebuah

tahapan yang dilakukan didalamnya.

5 << create >>

Pesan tipe create Menyatakan suatu objek

membuat objek yang

lain, arah panah

mengarah pada objek yang dibuat.

6 1 : nama_metode()

Pesan tipe call Meyatakan suatu objek

memanggil operasi atau

metode yang ada pada objek lain atau dirinya

sendiri. Arah panah mengarah pada objek

yang memiliki operasi

atau metode, karena ini memanggil operasi atau

27


metode yang dipanggil

harus ada pada diagram

kelas sesuai dengan kelas

objek yang berinteraksi.

7 1 : masukan

Pesan tipe send Menyatakan bahwa suatu

objek mengirmkan data /

masukan / informasi ke

objek lainnya, arah panah

mengarah pada objek

yang dikirimi.

8 1 : keluaran

Pesan tipe return Menyatakan bahwa suatu

objek yang telah menjalankan suatu

operasi atau metode menghasilkan suatu

kembalian ke objek

tertentu, arah panah mengarah pada objek

yang menerima

kembalian.

9

1 : masukan

X

Pesan tipe destroy Menyatakan suatu objek

mengakhiri hidup objek

yang lain, arah panah

mengarah pada objek

yang diakhiri, sebaiknya

jika ada create maka ada destroy.

Sumber : Rosa dan Shalahuddin, 2018

3.1.19. Class Diagram

Class diagram menggambarkan struktur sistem dari segi pendefinisian

kelas-kelas yang akan dibuat untuk membangun sistem. Kelas memiliki apa

yang disebut atribut dan metode atau operasi (Simatupang dan Sianturi,

2019). Berikut adalah simbol-simbol class diagram, seperti terihat pada

tabel 3.2.

Tabel 4. Simbol-Simbol Class Diagram


1

Generalization Hubungan di mana objek anak

(descendent) berbagi perilaku

dan struktur data dari objek yang

ada di atasnya objek induk

(ancestor).

28


2

Nary Association Upaya untuk menghindari

asosiasi dengan lebih dari 2 objek.

3

Class Himpunan dari objek-objek yang

berbagi atribut serta operasi yang

sama.

4

Collaboration Deskripsi dari urutan aksi-aksi

yang ditampilkan sistem yang

menghasilkan suatu hasil yang

terukur bagi suatu aktor.

5

Realization Operasi yang benar-benar

dilakukan oleh suatu objek.

6

Dependency Hubungan di mana perubahan

yang terjadi pada suatu elemen

mandiri (independent) akan

mempengaruhi elemen yang

bergantung pada elemen yang tidak mandiri.

7

Association Apa yang menghubungkan

antara objek satu dengan objek

lainnya.

Sumber : Rosa dan Shalahuddin, 2016

3.1.20. Prototype

Prototype merupakan metode pengembangan perangkat lunak yang berupa

model fisik kerja sistem dan berfungsi sebagai versi awal dari sistem.

Dengan metode prototyping ini akan dihasilkan prototype sistem sebagai

perantara pengembang dan pengguna agar dapat berinteraksi dalam proses

kegiatan pengembangan sistem informasi (Purnomo, 2017).

29

3.2. Penelitian Terdahulu

Penelitian terdahulu ini menjadi acuan penulis dalam melakukan penelitian,

sehingga penulis dapat memperkaya teori yang digunakan dalam mengkaji

penelitian yang dilakukan. Tabel 2 merupakan beberapa penelitian terdahulu

yang menjadi referensi untuk penelitian ini:

Tabel 5. Penelitian Terdahulu

No Nama Author,

Tahun

Judul Penelitian Hasil Penlitian Keterkaitan

Dengan Tugas Akhir

1 Widiyanto, A

Witanti; 2020

Segmentasi Pelanggan

Berdasarkan Analisis

RFM Menggunakan

Algoritma K-Means

Sebagai Dasar Strategi

Pemasaran (Studi

Kasus PT Coversuper

Indonesia Global)

Hasil dari penelitian ini dengan

menggunakan metode K-means

jumlah segmen pelangan yang

dimiliki oleh PT.Conversuper

indonesia Global adalah 4 buah

cluster pelangan dari

keseluruhan jumlah pelangan

sebanyak 736, hasil dari

pengolahan data pelangan

menggunakan algoritma K-

means dengan metode

clustering dan dengan

menggunakan atribut RFM yang telah di implementasikan.

Penelitian ini

menggunakan 4

cluster pelangan

yaitu Consumers,

Ordinary, Big

Consumers dan

Top Class. Dengan

mengunakan

atribut RFM

sebagai acuan

dalam menentukan

cluster.

2 Apip

Pramudiansyah

, Hamonangan

Munte; 2021

SEGMENTASI

PELANGGAN

MENGGUNAKAN

ALGORITMA

KMEANS

BERDASARKAN

MODEL RECENCY

FREQUENCY

MONETARY

Hasil dari penelitian ini Setelah

dilakukan perhitungan

menggunakan algoritma K-

Means dengan jumlah 4 klaster

maka dihasilkan sebanyak

38,4% atau berjumalah 557

pelanggan masuk kedalam

kelompok kategori Platinum,

12,6% atau berjumlah 184

pelanggan kategori Gold, 22,7%

atau berjumlah 330 pelanggan

kategori Silver, dan 26.% atau

berjumlah 378 pelanggan kategori Bronze.

Penelitian ini

menggunakan 4

cluster pelangan

yang dihasilkan

dari metode

elbow yaitu

Platinum, Gold,

Silver, Bronze

berdasarkan

model (RFM)

Recency

Frequency

Monetary

3 Tika rida, Rudy

Hartanto, 2015

Segmentasi Nasabah

Tabungan

Menggunakan Model

RFM (Recency,

Hasil dari penelitian ini dengan

mengunakan teknik clustering

algoritma K-Means menghasilkan 3 cluster terbaik

Penelitian ini

menggunakan 3

cluster terbaik

berdasarkan

30

Frequency,Monetary)

dan K-Means Pada

Lembaga Keuangan

berdasarkan davies bouldin

index. Cluster pertama terdiri

dari 100 nasabah. RFM score

antara 112-255 termasuk

kelompok occational customer.

Cluster ke dua terdiri dari 69

nasabah, memiliki RFM score

antara 441-544 dan termasuk

kelompok

superstar. Cluster ke tiga terdiri

dari 79 nasabah.

dabies bouldin

index, yaitu

Occational

customer,

Superstar, Sypical

customer. Yang

didapatkan

berdasarkan

Model RFM

Sumber: Diolah Sendiri,2021

31

3.3. Kerangka Pemikiran

Gambar 5. Kerangka Pemikiran

Penelitian ini dilakuan pada PT.Kreatif Global Solusindo, dimana pada

perusahaan ini belum adanya pengelompokan pelanggan bedasarkan jarak

pembelian (Lenght),jarak terakhir transaksi (Recency), jumlah pembelanjaan

(Frequency) dan jumlah uang dari hasil penjualan (Monetary) dari penjualan selama

7 bulan bedasarkan target yang doitentukan dimana dapat membantu perusahaan

dalam menentukan pelanggan mana yang lebih loyal untuk diberikan harga special

kepada pelanggan. Sehingga penulis mengusulkan dibuatnya sebuah aplikasi dan

alat pengembangan menggunakan Bahasa pemprograman PHP versi 7.0 dan DBMS

Mysql Versi 8.0.23 serta metode clustering yang digunakan adalah K-means

Clustering. Output akhir yang dihasilkan dalam penelitian ini berupa aplikasi

pengelompokan berbasis web pada PT.Kreatif Global Solusindo.

31

BAB IV

METODE PENELITIAN

4.1. Lokasi Dan Jadwal Penelitian

4.1.1. Lokasi Penelitian

Untuk mendapatkan data-data yang dibutuhkan, maka penulis

melakukan penelitian langsung di PT. Kreatif Global Solusindo yang betempat

di Jl. Mayor Ruslan No.175C, 9 Ilir, Ilir Timur III, Kota Palembang

4.1.2. Jadwal Penelitian

Penelitian ini dimulai dari bulan Agustus 2020 sampai bulan September

2021. Adapun jadwal penelitian dapat dilihat pada tabel berikut.

Tabel 6. Jadwal Penelitian

No

Tahapan

Bulan

Oktober November Desember Januari

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

1 Analisis

Kebutuhan

√ √ √ √ √ √ √

2

Data Cleaning,

Data Selection,

danData

Transformati

on

√

√

√

√

3 Desain Prototype √ √ √

4 Implementasi

kedalam Sistem

√ √ √

5 Evaluasi dan

perbaikan

√ √ √

6 Implementasi

√

32

4.2. Jenis Data

4.2.1. Data Primer

Data primer yang didapat yaitu dengan cara meminta data mentah berupa

data arsip penjualan barang dan jasa pada PT. Kreatif Global Solusindo dari bulan

mei sampai bula november tahun 2021.

4.2.2. Data Sekunder

Data sekunder yaitu pengumpulan data yang akan di olah pada penelitian

ini. Data yang digunakan ialah data transaksi pelanggan di mulai dari bulan mei

hingga bulan november tahun 2021.

4.3. Teknik Pengumpulan Data

4.3.1. Observasi

Observasi yang dilakukan peneliti yaitu dengan mengamati secara langsung

di lokasi penelitian. Sehingga terlibat lansung dalam kegiatan mencari data yang

di perlukan.

4.3.2. Wawancara

Hasil yang telah diperoleh penulis pada saat wawancara adalah berupa data

teransaksi pelanggan pada PT. Kreatif Global Solusindo.

4.3.3. Studi Pustaka

Studi pustaka dalam penelitian ini dilakukan dengan mengumpulkann

kutipan-kutipan dari berbagai sumber dengan memahami secara mendalami

suatu permasalahan yang sedang diteliti.

33

4.4. Teknik Pengembangan Aplikasi

4.4.1. Pengembangan Aplikasi

Pada tahapan ini, peneliti melakukan perencanaan dan pembangun aplikasi

sesuai dengan kebutuhan dan permasalahan yang sedang dihadapi. Perancangan

desain ini berupa Use Case Diagram, Diagram Konteks, Data Flow Diagram,

Entity Relationship Diagram,

4.4.1.1. Use Case Diagram

Use Case Diagram yaitu mendeskripsikan interaksi antara aktor dengan

aplikasi yang akan dibuat.

Gambar 6. Menggambarkan interaksi aktor kepada sistem

34

Pada gambar 6 Aktor/Penguna dapat mengakses halaman Login aplikasi,

halaman Data Pembeli/pelangan, halaman, halaman grafik

pembbeli/pelangan, halaman Data analisa cluster dan halaman Hasil

Klasterisasi.

4.4.1.2. Diagram Konteks

Diagram konteks adalah sebuah diagram sederhana yang menggambarkan

hubungan antara entity masukan, dan keluaran dari sistem. Diagram konteks

direpsentasikan dengan lingkaran yang mengawali keseluruhan sistem.

Diagram konteks merupakan diagram yang menggambarkan garis besar

operasional sistem.

Gambar 7. Menggambarkan ineteraksi user terhadap sistem

35

4.4.1.3. Data Flow Diagram

Data Flow Diagram merupakan penjabaran dari Diagram Konteks, Secara

umum, Data Flow Diagram menjelaskan bagaimana nantinya fungsi-fungsi di

dalam sistem ini bekerja. Proses yang terjadi yaitu proses login, pengelolaan

data login, pengelolaan data pembeli/pelangan dengan menggunakan nilai

variable LRFM, dan pengelolaan data segmentasi pelangan sehingga dapet

menampilkan nilai nilai K-means clustering.

1. Proses input data user.

2. Proses pengelolahan data pembeli/pelanggan

3. Proses pengemlopokan (clustering) data.

4. Proses menampilkan grapik.

Gambar 8. Menggambarkan interaksi Sistem Bekerja

36

4.4.1.4. Entity Relationship Diagram (ERD)

Entity Relationship Diagram (ERD) berikut ini menggambarkan relasi

antara entitas-entitas yang berkaitan dalam sistem penentuan metode k-

means berdasarkan variable LRFM seperti gambar dibawah ini :

Gambar 9. Menggambarkan Field Pada Sistem

Tabel 7. Keterangan entitas ERD

No Nama Deskripsi Atribut

1 Tabel Admin Menyimpan data admin Id_admin

username

password

nama

2 Pembeli/pelangan Menginput nama

pelangan dan nilai

variable L.R.F.M

Id_admin

Id_pembeli

Nama_pembeli

3 Analisa cluster Menampilkan hasil

cluster dan literasi K-

means

-

37

4.4.2. Rancangan antarmuka aplikasi

Rancangan Antarmuka meliputi perancangan struktur menu dan perancangan

tampilan pada tampilan user. Tahapan ini dilakukan perancangan antarmuka

aplikasi yang akan dijadikan acuan untuk tampilan aplikasi yang sebenarnya.

1. Halaman Login

2. Halaman Dashboard

Gambar 10. Halaman Login

Gambar 11. Halaman Dashboard

Gambar 11 Menggambarkan rancangan antarmuka Halaman Dashboard untuk user.

38

3. Rancangan halaman Data Pembeli/Pelangan

Gambar 12. Mengambarkan halaman data pembeli

Gambar 12 Menggambarkan antar muka halaman Data pembeli untuk memasukan

nilai setiap Variable K-Means

4. Rancangan Halaman antarmuka Grafik

Gambar 13. Menggambarkan antarmuka grafik Variable Pelangan

39

Gambar 13 mengambarkan antarmuka untuk menampilkan grafik nilai

variable setiap pelangan.

5. Halaman Antarmuka Analisa Cluster

Gambar 14. Menggambarkan Antarmuka Halaman Cluster

Gambar 14 Mengambarkan antarmuka Hasil perhitungan cluster dan menampilkan

nilai nilai iterasi yang tepat.

40

4.1.3. Implementasi Protype

Pada tahapan ini, prototype yang sudah selesai dibuat akan dievaluasi oleh

pengguna, sedangkan pengembang bertugas menyesuaikan atau memperbaiki

hasil dari evaluasi pengguna sampai prototype tersebut memenuhi seluruh

kebutuhan. Jika tidak sesuai makan akan dilakukan identifikasi ulang. Berikut

tampilan aplikasi yang sudah dibangun.

1. Halaman Login

Gambar 15. Tampilan Login

Gambar 15 merupakan tampilan halaman login aplikasi untuk user admin.

Pada halaman login, pengguna diperintahkan untuk menginput username

dan password. Apabila username dan password benar maka akan dialihkan

ke halaman dasboard, apabila salah akan muncul notifikasi yang dapat

dilihat pada gambar 16.

41

Gambar 16. Tampilan username salah input password

Cuplikan source code halaman login dapat dilihat pada gambar 17.

Gambar 17. Sourcode Login

42

2. Halaman Dashboard

Gambar 18. Halaman Dashbord

Halaman Dashboard merupakan tampilan utama pada aplikasi untuk

user admin. Pada halaman ini admin dapat mengakses seluruh halaman.

Cuplikan source code halaman dashboard dapat dilihat pada gambar 19.

Gambar 19. Sourcode Dahsboard

43

3. Halaman User Admin

Gambar 20.. Halaman Data Admin

Gambar 20. Merupakan tampilan halaman data admin pada halaman ini admin

bisa menambahkan akun ke user baru. Cuplikasi Sourcode halaman data admin

bisa dilihat pada gambar 21.

Gambar 21. Sourcode data admin

44

4. Halaman Data Pembeli/Pelangan

Gambar 22. Halaman Data Pembeli/pelangan

Gambar 22 merupakan tampilan halaman data pelangan pada halaman ini user

admin bisa menginput nilai variable LRFM untuk dilakukan perhitungan K-

Means Clustering. Sourcode halaman data pelangan bisa di lihat pada gambar 23.

Gambar 23. Sourcode data Pembeli

45

5. Halaman Data Analisa Cluster

Gambar 24

Gambar 23. Merupakan tampilan halaman clustering pada halaman

ini data setiap pelanggan bisa diketahui masuk ke cluster keberapa.

6. Halaman Data Grafik Pembeli/Pelangan

Gambar 24. Halaman data Grafik Pembeli/pelangan

46

Gambar 24 merupakan tampilan halaman data Grafik Pelangan pada

halaman ini user bisa melihat grafik setiap pelangan. Sourcode data grafik

ini bisa dilihat pada gambar 25.

Gambar 25. Sourcode Data Grafik pembeli/pelangan

47

BAB V

HASIL DAN PEMBAHASAN

5.1. Hasil

Berdasarkan pengamatan yang dilakukan penulis pada PT. Kreatif Global

Solusindo, penggunaan excel pada perusahaan tersebut sudah cukup baik dalam

pengolahan data, namu pada PT. Kreatif Global Solusindo belum ada pengelompokan

pelanggan berdasarkan tingkat loyal, sehingga pihak perusahaan melihat tingkat

pencapaian dari produksi per 7 bulan (semester) berdasarkan hasil penjualan, dimana

dalam jangka waktu tersebut dapat terjadi kesalahan dalam menentukan pelanggan

mana yang loyal terhadap PT.Kreatif Global Solusindo. Berdasarkan permasalahan

tersebut diusulkan sebuah aplikasi yang dapat membantu dalam pengelompokan

pelanggan tersebut. Hal ini dapat dilakukan dengan aplikasi pengelompokan

menggunakan metode K-Means.

5.1.1. Analisis kebutuhan aplikasi

Pada Tabel 9 di bawah ini akan menjabarkan spesifikasi fungsional

setiap user pada aplikasi.

Tabel 8. Tabel Fungsional

No User Deskripsi fungsional

1 Admin A . admin dapat masuk dan keluar aplikasi

b. admin dapat melihat menu Analisa cluster

c. admin dapat melihat hasil segmentasi pelanggan

d. admin dapat melihat grafik pelangan

48

5.1.2. Tahapan Prototype

1. Pengumpulan Kebutuhan

Pengumpulan data ialah mengidentifikasi semua kebutuhan dari

garis besar aplikasi yang akan dibuat termasuk data yang dilakukan

proses awal data mining, berikut adalah prosesnya.

2. Data Cleaning

Pembersihan data dilakukan untuk menghilangkan data yang tidak

valid atau kurang sesuai nilainya. Sebelum itu, dipilih terlebih

dahulu atribut yang penting berkaitan dengan model LRFM. Dari 8

atribut yang ada, 3 atribut terpilih akan digunakan untuk proses

selanjutnya. Penjelasan mengenai atribut keseluruhan dan atribut

yang terpilih dapat dilihat pada table 10.

Tabel 9. Atribut Data Pelangan

No No

Tanggal Tanggal

Nama pembeli Nama Pembeli

Uraian pembelian

Jumlah Jumlah

Jual

Modal

Laba/rugi

49

Dari semua atribut tersebut, maka tiga atribut yang digunakan adalah

tanggal, nama pembeli, dan jual.

5.1.3. Pemodelan LRFM

Pemodelan LRFM dilakukan untuk membentuk nilai variabel length,

recency, frequency, dan monetary sebagai masukan proses clustering. Nilai

LRFM didapatkan dengan mengekstrak nilai atribut yang sebelumnya

dipilih. Pemodelan LRFM ini dilakukan dengan melakukan proses

Perhitungan pada data yang diperoleh dari PT.KREATIF GLOBAL

SOLUSINDO.

-Nilai variable Length adalah selisih antara transaksi terakhir dan batas

periode analisis. Atribut yang digunakan untuk menghitung nilai variable

length adalah “tanggal” yang menunjukan tanggal transaksi. Nilai Length

diperoleh dengan mengurangkan tanggal batas periode dengan tanggal

trakhir transaksi.

- Nilai variable Recency adalah selisih waktu dari hari terakhir pelanggan

melakukan transaksi dengan hari yang dijadikan acuan, pada penelitian ini

adalah tanggal 3 januari 2022. Tanggal acuan ini diperoleh dari awal

pembuatan laporan penelitian ini, yang mana nilai itu tersimpan dalam

variabel hari pengerjaan. Maka untuk menghitung recency dengan cara

mengurangkan hari pengerjaan dengan tanggal transaksi.

- Nilai variabel frequency adalah banyaknya jumlah trasanksi yang

dilakukan oleh setiap pelanggan. Atribut yang diperlukan untuk

50

mendapatkan nilai frequency adalah Nama Pembeli dan Tanggal. Nilai

Frequency diperoleh dengan menghitung banyaknya Tanggal transaksi yang

melakukan pembelian.

- Nilai variabel Monetary adalah jumlah uang yang dikeluarkan oleh

pelanggan pada keseluruhan transaksinya. Nilai Monetary diperoleh dari

penjumlahan atribut jumlah untuk setiap baris data dari pelanggan tersebut.

Setelah dihitung masing-masing variable, atribut yang diperoleh

adalah Nama Pembeli , L, R, F, M yang diurutkan berdasarkan Nama

Pembeli. Maka diperoleh data sebanyak 58 data pelangan yang diperoleh

sejak 1 Mei 2021 hingga 30 November 2021.

Tabel 10. Atribut LRFM

NO Nama Pembeli L R F M

1 Z-TECH KOMPUTER 28 62 2 265,755,000

2 UNIVERSITAS KADER BANGSA 82 116 2 10,200,000

3 TEKNOGRASI 15 49 2 31,820,000

4 SHOPEE FOOD 27 61 2 7,479,500

5 SD IT AL-FUQRON 46 80 4 13,331,000

6 RS SITI KHODIJAH 148 182 1 1,500,000

7 RS SILOAM 66 100 1 3,000,000

8 RS MUHAMMADIYAH 4 38 4 27,035,000

9 RS MMC 84 118 1 750,000

10 RS KUSTA Dr.RIVAI ABDULLAH 126 160 1 43,332,000

51

… … … … … …

58 BALAI PENGEMBANGAN KMPETISI

PUPR

211 245 1 14,386,000

5.1.4. Normalisasi Data

Normalisasi data dilakukan untuk menyetarakan skala variabel monetary

yang terlalu jauh dengan variabel length, recency dan frequency. Kemudian,

normalisasi dilakukan dengan menggunakan metode Min-Max dari skala 0

hingga 1. Normalisasi dilakukan pada semua nilai variabel L,R,F, dan M

dengan memperhatikan nilai maksimum dan minimum setiap variable.

Tabel 11. Metode Min Max

Variabel MIN MAX

L 4 211

R 34 245

F 1 10

M 150,000 265,755,000

Perhitungan normalisasi didapatkan dengan mengurangi nilai setiap

variabel dengan nilai minimal variable tersebut, kemudian dibagi dengan

selisih antara nilai maksimum dan minimum variable tersebut.

52

Tabel 12. Variable LRFM Telah Di Normalisasi


1 Z-TECH KOMPUTER 0.115 0.132 0.111 0.994

2 UNIVERSITAS KADER BANGSA 0.376 0.388 0.111 0.378

3 TEKNOGRASI 0.053 0.071 0.111 0.275

4 SHOPEE FOOD 0.111 0.127 0.111 0.027

5 SD IT AL-FUQRON 0.202 0.218 0.333 0.049

6 RS SITI KHODIJAH 0.695 0.701 0 0.005

7 RS SILOAM 0.299 0.312 0 0.107

8 RS MUHAMMADIYAH 0 0.018 0.333 0.101

9 RS MMC 0.386 0.398 0 0.002

10 RS KUSTA Dr.RIVAI ABDULLAH 0.589 0.597 0 0.162

… … … … … …

58 BALAI PENGEMBANGAN KMPETISI

PUPR

1 1 0 0.053

5.1.5. Pembobotan LRFM

Melalui pengisian kuisioner dari pempinan PT. Kreatif Global Solusindo

didapat bobot untuk preferensi atau kepentingan dari nilai keempat

variable yaitu LRFM. Niali pembobotan tersebut dicari rata-ratanya untuk

diolah pada tahap selanjutnya.

53

Tabel 13. Bobot Nilai Custome

Kreateria Length Recency Frequency Monetary

Length 1,00 5,00 0,142 0,111

Recency 0,2 1,00 0,333 0,142

Frequency 7,00 3,00 1,00 1,00

Monetary 9,00 7,00 1,00 1,00

Jumlah 17,2 16,00 2,475 2,253

Rata-Rata 4,3 4,00 0,618 0,563

5.1.6. Perhitungan CLV

Perhitungan CLV dilakukan untuk mengetahui nilai dari suatu pelanggan

terhadap perusahaan. Data yang dibutuhkan adalah data LRFM dari tiap

pelanggan dan hasil bobot untuk setiap variable LRFM. CLV diperoleh

dengan mengambil nilai LRFM masing -masing pelanggan yang kemudian

dikalikan dengan bobot ditiap variable tersebut. Kemudian hasil perkalian

tersebut dijumlahkan, hasil inilah yang disebut sebagai CLV, dan dapat

membantu perusahaan untuk melakukan pemeringkataan pelanggan.

54

Tabel 14. Nilai Perhitungan CLV

NO Nama Pembeli L R F M CLV

1 Z-TECH KOMPUTER 28 62 2 265,755,000 1.649

2 UNIVERSITAS KADER BANGSA 82 116 2 10,200,000 3.448

3 TEKNOGRASI 15 49 2 31,820,000 0.733

4 SHOPEE FOOD 27 61 2 7,479,500 1.068

5 SD IT AL-FUQRON 46 80 4 13,331,000 1.972

6 RS SITI KHODIJAH 148 182 1 1,500,000 5.794

7 RS SILOAM 66 100 1 3,000,000 2.593

8 RS MUHAMMADIYAH 4 38 4 27,035,000 0.333

9 RS MMC 84 118 1 750,000 3.252

10 RS KUSTA Dr.RIVAI ABDULLAH 126 160 1 43,332,000 5.011

… … … … … … …

58 BALAI PENGEMBANGAN

KMPETISI PUPR

211 245 1 14,386,000 8.329

5.1.7. Proses Clustering

Proses clustering dilakukan untuk mendapatkan hasil pengelompokan

pelanggan dengan karakterristik atau kebiasaan yang mirip. Variabel

LRFM menjadi masukan dari proses clustering yang telah dikalikan

dengan bobot dari setiap variable.Dalam proses ini akan dijelaskan

55

mengenai hasil dari penentuan nilai K dengan metode Elbow dan

clustering dengan metode K-Means.

5.1.8. Penentuan Nilai K

Data hasil dari proses sebelumnya, yaitu nilai variabel LRFM semua

pelanggan yang telah dikalikan bobot untuk tiap variabel, digunakan

sebagai masukan untuk menentukan nilai K atau jumlah cluster yang ingin

dihasilkan. Dalam menentukan rentang K digunakan penilaian dari 2

sampai 6. Kemudian ditampilkan grafik yang akan merepresentasikan nilai

SSE untuk setiap nilai K. Selanjutnya menentukan nilai K terbaik dengan

memperhatikan hasil grafik yang dihasilkan dari nilai setiap K serta

penurunan nilai SSE yang dihasilkan.

Tabel 15. Nilai SSE Ellbow Effect

K SSE

2 20.782

3 9.6472

4 4.8711

5 3.8487

6 1.8466

56

Gambar 26. Grafik Metode Elbow Effect

Setelah mendapatkan nilai K terbaik, maka selanjutnya dilakukan

clustering. Masukan dari proses ini sama seperti pada proses sebelumya yaitu

data nilai variable LRFM dari seluruh pelanggan yang telah dikalikan dengan

bobot dari tiap variable.

5.1.9. Perhitungan Clustering K-Means

Proses Clustering K-Means dilakukan untuk pengelompokan pelanggan

terhadap cluster yang telah ditentukan jumlahnya. Nantinya hasil dari

pengolahan ini akan disimpan dalam bentuk .xlsx agar pengguna aplikasi

dapat memiliki data tersebut.

Langkah-langkah Perhitungan K-means

1. Jumlah cluster yang dibentuk adalah 4 cluster. Di mana hasil cluster

1 (C1) Loyal, cluster 2 (C2) sedang , cluster 3 (C3) Tidak Loyal dan cluster

(C4) Sangat Loyal berdasarkan besaran nilai yang dihasilkan oleh nilai CLV.

57

2. Dalam melakukan pengujian sebagai pusat titik awal cluster

(centroid) masukan dari nilai sama seperti pada proses sebelumnya yaitu

data nilai variable LRFM dari seluruh pelanggan yang telah dikalikan

dengan bobot dari tiap variable. Berikut hasil data centroid awal untuk

iterasi 1.

Tabel 16. Centroid Awal Iterasi 1

Cluster Nama Pembeli L R F M

C1 RS SILOAM 1.285 1.248 0.000 0.060

C2 PT.MUSI AGRO SEJAHTERA 0.331 0.376 0.068 0.077

C3 PT.ANEKA BUMI PRATAMA 0.000 0.072 0.480 0.066

C4 IBU ITA 2.386 2.252 0.000 0.003

3. Perhitungan iterasi 1 dengan menghitung jarak terpendek dengan

menggunakan rumus Euclidean Distance :

C1 = √(0,494 – 1,285) 2 + (0.284 – 1.248) 2 + (0.068 – 0.000) 2 +

(0.559 – 0.060) 2 = 1,1822

C2 = √0,494 – 0,2331) 2 + (0.284 – 0,376) 2 + (0.068 – 0.068) 2 +

(0.559 – 0.077) 2 = 0,5310

C3 = √0,494 – 0,000) 2 + (0.284 – 0,072) 2 + (0.068 – 0.480) 2 +

(0.559 – 0.066) 2 = 0,9299

C4 = √0,494 – 2,386) 2 + (0.284 – 2,252) 2 + (0.068 – 0,000) 2 +

(0.559 – 0.003) 2 = 2,6202

58

4. Hasil perhitungan iterasi 1 dapat dilihat pada table dibawah ini.

Table 17. Nilai Iterasi 1

NO Nama Pembeli L R F M C1 C2 C3 C4 Jarak Terpendek

1 Z-TECH

KOMPUTER

0.494 0.528 0.068 0.559 1.1822 0.5310 0.9299 2.6202 0.5310

2 UNIVERSITAS

KADER BANGSA

1.616 1.552 0.068 0.212 0.4793 1.7471 2.2345 1.0636 0.4793

3 TEKNOGRASI 0.227 0.284 0.068 0.154 1.4360 0.1588 0.5234 2.9260 0.1588

4 SHOPEE FOOD 0.477 0.508 0.068 0.015 1.0987 0.2064 0.7681 2.5866 0.2064

5 SD IT AL-FUQRON 0.868 0.872 0.205 0.027 0.5986 0.7454 1.2127 2.0619 0.5986

6 RS SITI KHODIJAH 2.988 2.804 0.000 0.002 2.3075 3.6007 4.0776 0.8168 0.8168

7 RS SILOAM 1.285 1.248 0.000 0.060 0.0000 1.2944 1.8068 1.4911 0.0000

8 RS

MUHAMMADIYAH

0.000 0.072 0.205 0.056 1.7539 0.4703 0.2752 3.2389 0.2752

9 RS MMC 1.659 1.592 0.000 0.001 0.5116 1.8035 2.3016 0.9819 0.5116

10 RS KUSTA Dr.RIVAI

ABDULLAH

2.532 2.388 0.000 0.091 1.6898 2.9828 3.4650 0.2181 0.2181

… … … … … … … … … … …

58 BALAI

PENGEMBANGAN

KMPETISI PUPR

4.300 4.000 0.000 0.029 4.0822 5.3752 5.8439 2.5922 2.5922

Jumlah 15 18 2 23

59

Dari hasil perhitungan Iterasi 1 dapat dihasilkan pengelompokan untuk C1= 15,C2

= 18,C3 = 2,dan C4 = 23 seperti yang ditujunkan pada table diatas. Proses Iterasi

terus berulang sampai jumlah cluster sama dengan jumlah Iterasi sebelumnya.

Ketika jumlah cluster terkhir sama dengan cluster sebelumnya, maka proses K-

means berhenti. Dengan kata lain bila perhitungan kelompok data hasil mengalami

perubahan maka melakukan pengulangan setiap data dengan centrorid yang baru.

5. Pada pengujian sampel ini, proses Iterasi dilakukan sebanyak 5 kali karena

jumlah anggota dari perhitungan Itersai ke-4 dan ke-5 sama maka proses Iterasi

dihentikan. Berikut

Table 18. Atribut LRFM

Cluster Nama Pembeli L R F M

C1 RS SILOAM 1.6942 1.4036 0.0170 0.0521

C2 PT.MUSI AGRO SEJAHTERA 0.5306 0.5204 0.1712 0.0847

C3 PT.ANEKA BUMI PRATAMA 0.0898 0.1568 0.1642 0.0670

C4 IBU ITA 3.2347 3.0305 0.0036 0.0456

6. Setelah mendapatkan pembaruan centeroid, Langkah selanjutnya ulangi Iterasi

dengan pusat centeroid baru dengan cara pengerjaan perhitungan yang sama

dengan Iterasi ke-1. Maka didapat hasil cluster Iterasi ke-5

Tabel 19. Nilai Iterasi 5

NO Nama Pembeli L R F M C1 C2 C3 C4 Jarak Terpendek

1 Z-TECH

KOMPUTER

0.494 0.528 0.068 0.559 1.5706 0.4868 0.7433 3.7472 0.4868

60

2 UNIVERSITAS

KADER BANGSA

1.616 1.552 0.068 0.212 0.2373 1.5064 2.0751 2.1995 0.2373

3 TEKNOGRASI 0.227 0.284 0.068 0.154 1.8491 0.4044 0.2277 4.0750 0.2277

4 SHOPEE FOOD 0.477 0.508 0.068 0.015 1.5125 0.1361 0.5341 3.7380 0.1361

5 SD IT AL-FUQRON 0.868 0.872 0.205 0.027 1.0006 0.4919 1.0585 3.2096 0.4919

6 RS SITI KHODIJAH 2.988 2.804 0.000 0.002 1.9073 3.3600 3.9292 0.3378 0.3378

7 RS SILOAM 1.285 1.248 0.000 0.060 0.4382 1.0623 1.6267 2.6418 0.4382

8 RS

MUHAMMADIYAH

0.000 0.072 0.205 0.056 2.1631 0.6961 0.1305 4.3882 0.1305

9 RS MMC 1.659 1.592 0.000 0.001 0.1991 1.5678 2.1339 2.1340 0.1991


ABDULLAH

2.532 2.388 0.000 0.091 1.2934 2.7428 3.3121 0.9532 0.9532

… … … … … … … … … … …

58 BALAI

PENGEMBANGAN

KMPETISI PUPR

4.300 4.000 0.000 0.029 3.6786 5.1331 5.7030 1.4405 1.4405

Jumlah 16 18 5 19

5.1.10. Pengujian Kualitas Clustering

Pengujian kualitas dijalankan untuk mengetahui seberapa baik kualitas

hasil dari proses clustering yang dilakukan. Pengujian dilakukan dengan

mengukur SSE.

61

Hasil pengujian SSE menampilkan nilai error total pada hasil clustering

berdasarkan parameter yang telah digunakan. Nilai SSE yang diperoleh

untuk jumlah K=4 adalah 4.8711

5.1.11. Hasil Clustering

Setelah berhasil menjalankan proses clustering maka keluaran yang

dihasilkan adalah pemetaan cluster pelanggan.

Tabel 20. Pemetaaan Cluster Pelanggan

NO Nama Pembeli L R F M Cluster

1 Z-TECH KOMPUTER 28 62 2 265,755,000 2

2 UNIVERSITAS KADER BANGSA 82 116 2 10,200,000 1

3 TEKNOGRASI 15 49 2 31,820,000 3

4 SHOPEE FOOD 27 61 2 7,479,500 2

5 SD IT AL-FUQRON 46 80 4 13,331,000 2

6 RS SITI KHODIJAH 148 182 1 1,500,000 4

7 RS SILOAM 66 100 1 3,000,000 1

8 RS MUHAMMADIYAH 4 38 4 27,035,000 3

9 RS MMC 84 118 1 750,000 1


ABDULLAH

126 160 1 43,332,000 4

… … … … … … 2

58 BALAI PENGEMBANGAN

KMPETISI PUPR

211 245 1 14,386,000 4

62

Dari hasil clustering ini didapatkan Empat segmen , dengan C1 terdapat 16

pelanggan C2 terdapat 18 pelanggan C3 terdapat 5 pelanggan dan C4

terdapat 19.

5.1.12. Knowledge Presentation

Proses Clustering menghasilkan empat segmen dengan total 58 jumlah

pelanggan yang menjadi anggotanya. Masing-masing segmen memiliki

value yang berbeda. Value setiap segmen pelanggan sangat dipengaruhi

oleh nilai variable Length, Recency, Frequency dan Monetry. Keempat

variable tersebut juga mempengaruhi nilai CLV dari tiap pelanggan. Nilai

CLV inilah yang menjadi ukuran tingkat kepentingan dari setiappelanggan.

5.1.13. Analisis Segmen 1

Segemen Pertama memiliki jumlah pelanggan sebanyak 16 pelanggan

dengan rata-rata nilai CLV pada cluster tersebut 3.04269 yang

menjadikannya sebagai pelanggan loyal dengan pringkat ke-2. Hal ini

dibuktikan dengan hasil nilai rata-rata nilai dari kempat variable pada

kelompok pelanggan ini.

Tabel 21. Analisa segmen 1

C1

Peringkat 2

63

Jumlah Pelanggan 16

CLV

Length

Recency

3.04269

55-113 Hari

(Rata-Rata 82,81 Hari)

34-144 Hari

(Rata-Rata 109,75 hari)

Frequency

Monetery

1-2 Kali

(Rata Rata 1,18 Kali)

Rp.300.000 – Rp.206.283.750

(Rata Rata Rp.17.203.756)




menjadikannya sebagai pelanggan sedang dengan peringkat ke-3. Hal ini

dibuktikan dengan hasil nilai rata-rata nilai dari kempat variable pada



C2

Peringkat 3

Jumlah Pelanggan 18

64

CLV

Length

Recency

1.17572

20-50 Hari


54-84 Hari


Frequency

Monetery

1-10 Kali


Rp.1.212.500 – Rp.265.755.000





menjadikannya sebagai pelanggan tidak loyal dengan pringkat ke-4. Hal

ini dibuktikan dengan hasil nilai rata-rata nilai dari kempat variable pada



C3

Peringkat 4

Jumlah Pelanggan 5

65

CLV

Length

Recency

0.60020

4-15 Hari


38-49 Hari


Frequency

Monetery

1-8 Kali


Rp.6.000.000 –

Rp.31.820.000



Segmen Pertama memiliki jumlah pelanggan sebanyak 19 pelanggan


menjadikannya sebagai pelanggan sangat loyal dengan pringkat ke-1. Hal

ini dibuktikan dengan hasil nilai rata-rata nilai dari kempat variable pada


Tabel 24. Analisa Segmen 4

C4

Peringkat 1

Jumlah Pelanggan 19

66

CLV

Length

Recency

5.50116

119-211 Hari


153-245 Hari


Frequency

Monetery

1-2 Kali


Rp.150.000 – Rp.65.350.000


Perbandingan value dari setiap segmen dilihat pada table. Dari table tersebut

dapat disimpulkan bahwa nilai value C4 memiliki nilai variable yang baik.

Tabel 25. Perbandingan Setiap Cluster

C1 C2 C3 C4

Peringkat 2 3 4 1

Jumlah

Pelanggan

16 18 5 19

CLV

Length

3.04269

55-113 Hari

1.17572

20-50 Hari

0.60020

4-15 Hari

5.50116

119-211 Hari

67

Recency

(Rata-Rata

82,81 Hari)

34-144 Hari

(Rata-Rata

109,75 hari)

(Rata-Rata

29,66 Hari)

54-84 Hari

(Rata-Rata

63,66 hari)

(Rata-Rata 8,4

Hari)

38-49 Hari

(Rata-Rata

42,4 hari)

(Rata-Rata

159,94 Hari)

153-245 Hari

(Rata-Rata

193,94 hari)

Frequency

Monetery

1-2 Kali

(Rata Rata 1,18

Kali)

Rp.300.000 –

Rp.206.283.750

(Rata Rata

Rp.17.203.756)

1-10 Kali

(Rata Rata 3,5

Kali)

Rp.1.212.500 –

Rp.265.755.000

(Rata Rata

Rp.40.618.993)

1-8 Kali

(Rata Rata 3,4

Kali)

Rp.6.000.000 –

Rp.31.820.000

(Rata Rata

Rp.23.778.992)

1-2 Kali

(Rata Rata 1,05

Kali)

Rp.150.000 –

Rp.65.350.000

(Rata Rata

Rp.15.295.905)

68

BAB VI

PENUTUP

5.2. Kesimpulan

Berdasarkan hasil penelitian yang dilakukan tentang segemntasi pelanggan dengan

menggunkan algoritma K-means dan model LRFM dapat ditarik kesimpulan, yaitu :

1. Segmentasi pelanggan dapat membantu pihak perusahaan dalam mengetahui segmen

pelanggan yang dimiliki berdasarkan pertimbangan dari nilai variable LRFM, dengan

hasil segmen pelanggan perusahaan dapat menentukan stategi pemberian harga special

untuk setiap segmen pelanggan.

2. Hasil clustering menghasilkan 4 cluster dengan acuan nilai dari SSE (Sum Squared

Error) yaitu 4.8711.

3. Penelitian ini menghasilkan analisis segmentasi dari clustering yang telah

dilakukan. Analisis dilakukan berdasarkan beberapa value, value pertama

adalah nilai dari CLV dari setiap clustering dan kempat variable LRFM yang

dijadikan acuan untuk tahapan clustering dan C4 sebagai pelanggan yang loyal

dengan peringkat ke-1 untuk nilai CLV yang diperoleh C4 memiliki nilai ClV

tertinggi yaitu 5.50116.

5.3. Saran

1. Penelitian data dapat dikembangkan dengan memperpanjang periode data yang

digunakan untuk pengolahan.

2. Penentuan nilai optimal terhadap K dapat dikembangkan dengan metode lain,

misalkan SOM agar dapat memberikan nilai K yang lebih optimal.

69

3. Sebagai masukan untuk peneliti selanjutnya rentang waktu transaksi lebih baik

diperbanyak lebih dari 1 tahun transaksi agar hasil clustering lebih akurat.

4. Penelitian ini dapat dilanjutkan dengan menggunakan perhitungan AHP

(Analytical Hierarchy Process) untuk dilakukan uji kosnsistensi agar nilai bobot

yang diperoleh tetap optimal atau dikombinasikan dengan metode atau model

perhitungan lain.

5. Penelitian ini dapat dikembangkan lagi dengan menggunakan software selain

bahasa pemrograman PHP, misal menggunakan tools orange data mining

sebagai pembanding hasil clustering.

xviii

Daftar Pustaka

Apip Pramudiansyah, Hamonangan Munte ” SEGMENTASI PELANGGAN

MENGGUNAKAN ALGORITMA KMEANS BERDASARKAN

MODEL RECENCY FREQUENCY MONETARY”, (2021).

A T Widiyanto, A Witanti “Segmentasi Pelanggan Berdasarkan Analisis RFM

Menggunakan Algoritma K-Means Sebagai Dasar Strategi Pemasaran

(Studi Kasus PT Coversuper Indonesia Global)”, (2020)

Muhammad Taufik Dharmawan, Nanang Yudi Setiawan, Fitra Abdurrachman

Bachtiar “Segmentasi Pelanggan Menggunakan Metode Fuzzy C-

Means Clustering Berdasarkan LRFM Model Pada Toko Sepatu”,

(2019).

Faisal Kamal, Yusi Tyroni Mursityo, Admaja Dwi Herlambang “Pengembangan

Sistem Informasi Pemetaan Perilaku Pelanggan dengan Prediktor

Length, Recency, Frequency dan Monetary (Studi pada Bagian

Marketing Radio Kalimaya Bhaskara)”, (2019).

Bagaskoro Cahyo Laksono, Ika Yuni Wulansari, “PEMODELAN DAN

PENERAPAN METODE RFM PADA ESTIMASI NILAI

KONSUMEN (CUSTOMER LIFETIME VALUE)

MENGGUNAKAN K-MEANS CLUSTERING MACHINE

LEARNING”, (2020).

Siti Monalisa, “KLASTERISASI CUSTOMER LIFETIME VALUE DENGAN

xix

MODEL LRFM MENGGUNAKAN ALGORITMA K-MEANS”,

(2018).

Nisa Hanum Harani, Cahyo Prianto, Fikri Aldi Nugraha, “Segmentasi Pelanggan

Produk Digital ServiceI ndihome Menggunakan Algoritma K-Means

Berbasis Python”, (2015).

Ni Putu Eka Merliana, Ernawati, Alb. Joko Santoso “ANALISA PENENTUAN

JUMLAH CLUSTER TERBAIK PADA METODE K-MEANS

CLUSTERING”,

Elly Muningsih, “OPTIMASI JUMLAH CLUSTER K-MEANS DENGAN

METODE ELBOW UNTUK PEMETAAN PELANGGAN”, (2017).

A. Q. G. Fajri, “Pengaruh Customer Relationship Management Terhadap

Relationship Quality Dan Customer Lifetime Value,”, (2019).

Sembiring, M. A. (2019). Prediksi Kinerja Pencapaian Hasil Usaha Menggunakan

Decission Tree. Journal of Science and Social Research,

Wardani, N. W. (2020). Penerapan Data Mining Dalam analytic CRM. Yayasan

Kita Menulis.

Wanto, A. (2020). Data Mining : Algoritma Dan Implementasi. Yayasan Kita

Menulis.

xx

A. Kuisioner Penelitian

KUISIONER PENELITIAN KRITERIA NILAI PERILAKU PELANGGAN

PADA PT.KREATIF GLOBAL SOLUSINDO

Kuesioner ini bertujuan untuk mendapatkan masukan

pendapat/pemikiran dari Narasumber terkait dengan pemeringkatan

kriteria yang akan digunakan dalam pemberian bobot pada variabel

segmentasi retailer. Kami menjamin kerahasiaan data/informasi yang

diberikan serta tidak akan membawa implikasi apapun bagi

responden.

IDENTITAS RESPONDEN

Nama :

Jabatan :

PETUNJUK PENGISIAN

1. Berilah tanda centang (√) pada kriteria yang menurut penilaian

bapak/ibu lebih penting dibandingkan dengan keriteria lainnya,

dengan cara membandingkan kriteria pada sebelah kiri dengan

kriteria pada sebelah kanan. Kriteria yang dimaksud adalah

perilaku retailer yang melakukan transaksi. Skala numerik akan

menunjukkan suatu perbandingan dari tingkat kepentingan dua

kriteria dengan penjelasan setiap skalanya yaitu:

Skala Nilai Tingkat Prefensi Penjelasan

1 Sama Pentingnya Kedua kriteria memiliki

pengaruh yang sama

3 Sedikit lebih penting Penilaian dan pengalaman

sedikit memihak pada salah

satu kriteria tertentu

dibanding kriteria

pasangannya

5 Lebih Penting Penilaian dan pengalaman

memihak pada salah satu

kriteria tertentu disbanding

kriteria pasangannya

7 Jelas lebih penting Salah satu kriteria lebih

diprioritaskan dan relatif

lebih penting dibandingkan

kriteria pasangannya.

9 Mutlak Salah satu kriteria sangat

jelas lebih penting

xxi

dibandingkan kriteria

pasangannya.

2,4,6,8 Diberikan bila ada keraguan

penilaian diantara dua tingkat

kepentingan yang

berdekatan.

2. Jika kriteria pada sebelah kiri lebih penting dibandingkan dengan kriteria

sebelah kanan, maka pilih skala yang lebih dekat pada kriteria sebelah kiri,

begitu pula sebaliknya

3. Kriteria retailer yang dibandingkan yaitu:

a. Length : Interval atau jarak waktu trasanksi awal

hingga transaksi terakhir yang dilakukan

oleh pelanggan

b. Recency : Jarak dari waktu trasanksi terakhir kali

yang dilakukan oleh pelanggandengan

waktu saat ini

c. Frequency : Total jumlah trasanksi yang dilakukan

oleh pelanggan selama periode tertentu

d. Monetary : Total nilai trasanksi suatu produk dalam

bentuk uang yang diberikan pelanggan

pada perusahaan.

Kriteria Skala Prioritas Kriteria Length 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 Recency

√

Length 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 Frequency

√

Length 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 Monetary

√ Recency 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 Fequency

√

Recency 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 Monetary

√

Frequency 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 Monetary

√

xxii

2. Bobot Nilai Kuisioner/Nilai Custome

Kriteria Length Recency Frequency Monetary

Length 1,00 5,00 0,142 0,111

Recency 0,2 1,00 0,333 0,142

Frequency 7,00 3,00 1,00 1,00

Monetary 9,00 7,00 1,00 1,00

Jumlah 17,2 16,00 2,475 2,253

Rata-Rata 4,3 4,00 0,618 0,563

xxiii

C. Data Transaksi Pelanggan Bulai Mei sampai Bulan November 2021

NO

Nama Pelanggan

Jumlah

Transaksi (Mei

s/d November 2021)

Jumlah

1 PT. AGRONUSA ALAM SEJAHTERA 7 28.000.000

2 PT. WAHANA LESTARI MAKMUR

SUKSES 10 189.202.000

3 PT. GLOBAL ALAM LESTARI 8 23.039.000

4 PT. BUMI SAWINDO PERMAI 10 54.000.000

5 Balai Pengembangan Kompetensi PUP 1 14.386.000

6 PEMKAB. OKI - DINAS KOMUNKASI

& INFORMATIKA 1 65.350.000

7 PT. Palembang Kulina Utama 1 22,883.000

8 PT. ANEKA BUMI PRATAMA 8 31.571.210

9 PT. RIZKI TUJUHBELAS KELOLA 1 18.700.000

10 KAMPUNG TAUHID (Bpk Agus) 1 500.000

11 Notaris Dian Saraswati 2 1.700.000

12 PT. AGRONUSA INTI MANDIRI 2 11.856.500

13 PONPES Khasanah Kampus A dan B 1 94.160.000

14 PT. MUSI AGRO SEJAHTERA 2 36.860.550

15 PT. BINASAWIT MAKMUR 1 6.829.900

16 Bpk. Surya Yusra Dosen BINA DARMA 1 20.284.000

17 RS Muhammadiyah Palembang 4 27.035.000

18 PT. MANAMBANG MUARAENIM 1 3.350.00

19 IBU ITA 1 2.000.000

20 Al Furqon 4 13.331.500

21 PT. ARJUNA MAS ABADI 1 17.742.000

22 Ibu Ning 1 1.030.000

23 RS Ar Rasyid 4 11.935.500

24 PT. MIDTOU ARYACOM FUTURES 1 8.500.000

25 IBU Kholilah 1 4.377.000

26 PT. SRIJASA BRIKA PERKASA 2 10.000.000

27 PT. GLOBAL MAKARA TEKNIK 1 6.800.000

28 RSS MMC 1 750.000

29 UNIVERSITAS KADER BANGSA 2 10.200.000

xxiv

30 KOPKAR KITLUR SUMBAGSEL

(KOPKAR PLN) 1 206.283.000

31 PT.SOLID 1 300.000

32 PT. NIPPON INDOSARI CORPINDO 1 2.700.000

33 BPK AGUNG BAGUSTA 2 1.700.000

34 Z-TECH KOMPUTER 2 265.755.000

35 PT. PINAGO UTAMA TBK 1 3.235.000

36 SILOAM HOSPITALS PALEMBANG 1 3.000.000

37 SHOPEE FOOD 2 6.698.000

38 PT. KASIH AGRO MANDIRI 2 10.179.318

39 PT.ABL 1 800.000

40 PT.FIF 1 2.810.000

41 Masjid Nurullah 1 740.000

42 PT. BARA PAGMER JAYA 3 50.636.000

43 PT. GLOBAL MAKARA TEKNIK 1 6.000.000

44 PT. LAJU PERDANA INDAH 1 2.040.000

45 TEKNOGRASI 2 31.820.000

46 Bpk Yusuf Solehat 1 2.500.000

47 Bpk. Wendi 1 1.212.000

48 PT. TRIMATA BENUA 1 6.000.000

49 PT. MANAMBANG MUARA ENIM 1 21.000.000

50 PT.BBIP 1 1.200.000

51 RS SITI KHODIJAH, PALEMBANG 1 1.500.000

52 Bpk Gusnar 1 200.000

53 Bpk. Reinaldi 1 2.200.000

54 Kantor Notaris Halida dan Yandes 1 150.000

55 PT. TRIARYANI 2 42.474.500

56 Bpk Lukman 1 1.720.000

57 PT. BAYUNG AGRO SAWITA 1 35.846.800

58 RS Kusta Dr. Rivai Abdullah Palembang 1 43.332.000

xxv

D. Atribut LRFM

No Nama Perusahaan Tanggal

Transaksi

Batas

Periode Jumlah L R F M

1 Z-TECH KKOMPUTER 02-Nov-21 30-Nov-21

12.830.000 28 62 2 265.755.000

Z-TECH KKOMPUTER 24-Sep-21 252.925.000

2 UNIVERSITAS KADER

BANGSA 09-Sep-21

30-Nov-21 300.000

82

116

2

10.200.000 UNIVERSITAS KADER

BANGSA 23-Jul-21 9.900.000

3 TEKNOGRASI 15-Nov-21 30-Nov-21

17.100.000 15 49 2 31.820.000

TEKNOGRASI 29-Oct-21 14.720.000

4 SHOPEE FOOD 03-Nov-21 30-Nov-21

2.908.000 27 61 2 7.479.500

SHOPEE FOOD 30-Sep-21 4.571.500

5 SD IT AL-FUQRON 15-Oct-21

30-Nov-21

350.000

46

80

4

13.331.000 SD IT AL-FUQRON 23-Aug-21 550.000

SD IT AL-FUQRON 06-Aug-21 300.000

SD IT AL-FUQRON 02-Jul-21 12.131.000

6 RS SITI KHODIJAH 05-Jul-21 30-Nov-21 1.500.000 148 182 1 1.500.000

7 RS SILOAM 25-Sep-21 30-Nov-21 3.000.000 66 100 1 3.000.000

8 RS MUHAMMADIYAH 26-Nov-21

30-Nov-21

210.000

4

38

4

27.035.000 RS MUHAMMADIYAH 19-Nov-21 1.600.000

RS MUHAMMADIYAH 11-Oct-21 23.825.000

RS MUHAMMADIYAH 16-Jun-21 1.400.000

9 RS MMC 07-Sep-21 30-Nov-21 750.000 84 118 1 750.000


ABDULLAH 27-Jul-21 30-Nov-21 43.332.000 126 160

11 RS AR-RASYID 10-Nov-21

30-Nov-21

1.990.000

20

54

4

13.925.500 RS AR-RASYID 24-Aug-21 1.550.000

RS AR-RASYID 13-Aug-21 9.260.500

RS AR-RASYID 28-Jul-21 1.125.000

12 PT.WAHANA LESTARI

MAKMUR SUSKES 03-Aug-21

30-Nov-21

2.300.000

27

61

10

189.202.000

PT.WAHANA LESTARI MAKMUR SUSKES

02-Aug-21 4.000.000

PT.WAHANA LESTARI MAKMUR SUKSES

03-Nov-21 4.000.000


02-Oct-21 4.000.000


02-Sep-21 4.000.000


22-Jul-21 78.700.000

xxvi


01-Jul-21

4.000.000


01-Jul-21 80.202.000


01-Jun-21 4.000.000


01-May-21 4.000.000

13 PT.TRIMATA BENUA 17-Nov-21 30-Nov-21 6.000.000 13 47 1 6.000.000

14 PT.TRIARYANI 21-Jul-21 30-Nov-21

37.474.500 132 166 2 42.474.500

PT.TRIARYANI 14-Jul-21 5.000.000

15 PT.SRIJASA BRIKASA

PERKASA 29-Oct-21

30-Nov-21 2.500.000

32

66

2

10.000.000 PT.SRIJASA BRIKASA

PERKASA 24-Aug-21 7.500.000

16 PT.SOLID 04-Sep-21 30-Nov-21 300.000 87 121 1 300.000

17 PT.RIZKI TUJUHBELAS

KELOLA 24-May-21 30-Nov-21 18.700.000 190 224 1 18.700.000

18 PT.PINAGO 25-Sep-21 30-Nov-21 3.235.000 66 100 1 3.235.000

19 PT.PALEMBANG KULINA UTAMA

05-May-21 30-Nov-21 22.883.000 209 243 1 22.883.000

20 PT.NIPPON INDOSARI

CORPINDO 16-Sep-21 30-Nov-21 2.700.000 75 109 1 2.700.000

21 PT.MUSI AGRO

SEJAHTERA 10-Nov-21

30-Nov-21

6.060.000

20

54

2

36.860.550 PT.MUSI AGRO

SEJAHTERA 11-Jun-21 30.800.550

22 PT.MIDTOU

ARYACOM FUTURES 14-Aug-21 30-Nov-21 8.500.000 108 142 1 8.500.000

23 PT.MANAMBANG

MUARAENIM 24-Nov-21

30-Nov-21 21.000.000

6

40

2

22.468.750 PT.MANAMBANG

MUARAENIM 23-Jun-21 1.468.750

24 PT.LAJU PERDANA

INDAH 18-Oct-21 30-Nov-21 2.040.000 43 77 1 2.040.000

25 PT.KASIH AGRO

MANDIRI 11-Oct-21

30-Nov-21

3.031.818

50

84

2

10.179.318 PT.KASIH AGRO

MANDIRI 30-Sep-21 7.147.500

26 PT.GLOBAL MAKARA

LESTARI 11-Oct-21

30-Nov-21 6.000.000

50

84

2

12.600.000 PT.GLOBAL MAKARA

LESTARI 27-Aug-21 6.600.000

27 PT.GLOBAL ALAM

LESTARI 04-Nov-21 30-Nov-21 2.437.000 26 60 8 23.039.000

xxvii

PT.GLOBAL ALAM LESTARI

02-Oct-21

2.437.000


02-Sep-21 2.437.000


16-Aug-21 5.980.000


02-Aug-21 2.437.000


01-Jun-21 2.437.000


01-May-21 2.437.000


01-Jul-21 2.437.000

28 PT.FIF 30-Sep-21 30-Nov-21 1.646.000 61 95 1 1.646.000

29 PT.BUMI SAWINDO

PERMAI 05-Nov-21

30-Nov-21

2.000.000

25

59

10

54.000.000

PT.BUMI SAWINDO PERMAI

22-Oct-21 4.000.000


02-Oct-21 2.000.000


02-Sep-21 2.000.000


09-Aug-21 20.000.000


02-Aug-21 2.000.000


02-Aug-21 16.000.000


01-Jul-21 2.000.000


01-Jun-21 2.000.000


01-May-21 2.000.000

30 PT.BINASAWIT

MAKMUR 11-Jun-21 30-Nov-21 6.829.900 172 206 1 6.829.900

31 PT.BBIP 06-Nov-21 30-Nov-21 2.271.500 24 1 2.271.500

32 PT.BAYUNG AGRO

SAWITA 27-Jul-21 30-Nov-21 35.846.800 126 160

33 PT.BARA PAGMER

JAYA 06-Nov-21

30-Nov-21

12.544.000

24

58

3

50.636.000 PT.BARA PAGMER

JAYA 11-Oct-21 31.714.500

PT.BARA PAGMER JAYA

11-Oct-21 6.377.500

xxviii

34 PT.ARJUNA MAS

ABADI 09-Aug-21 30-Nov-21 17.742.000 113 34 1 17.742.000

35 PT.ANEKA BUMI

PRATAMA 26-Nov-21

30-Nov-21

400.000

4

38

8

31.571.210

PT.ANEKA BUMI PRATAMA

22-Oct-21 400.000


25-Sep-21 700.000


25-Sep-21 500.000


16-Sep-21 1.450.000


05-Jun-21 25.908.710


22-May-21 1.800.000


10-Jun-21 412.500

36 PT.AGRONUSA INTI

MANDIRI 24-Aug-21

30-Nov-21 950.000

98

132

2

11.856.500 PT.AGRONUSA INTI

MANDIRI 01-Jun-21 10.906.500

37 PT.AGRONUSA ALAM

SEJAHTERA 02-Nov-21

30-Nov-21

4.000.000

28

62

7

29.550.000

PT.AGRONUSA ALAM SEJAHTERA

02-Oct-21 4.000.000


02-Sep-21 4.000.000


02-Aug-21 4.000.000


01-Jul-21 4.000.000


25-Jun-21 1.550.000


01-Jun-21 4.000.000


01-May-21 4.000.000

38 PT.ABL 10-Nov-21 30-Nov-21 6.560.000 20 54 1 6.560.000

39 PT.AAM 14-Jul-21 30-Nov-21 2.200.000 139 1 2.200.000

40 PONPES KHASANAH 08-Jun-21 30-Nov-21 9.416.000 175 209 1 9.416.000

41

PEMKAB. OKI - DINAS KOMUNKASI & INFORMATIKA

03-May-21

30-Nov-21

65.350.000

211

245

1

65.350.000

42 NOTARIS DIAN

SARASWATI 29-May-21 30-Nov-21 1.700.000 185 219 1 1.700.000

xxix

43 MASJID NURULLAH 06-Oct-21 30-Nov-21 740.000 55 89 1 740.000

44 KOPKAR KITLUR

SUMBAGSEL 04-Sep-21 30-Nov-21 206.283.750 87 121 1 206.283.750

45 KANTOR NOTARIS HALIDA & YADES

15-Jul-21 30-Nov-21 150.000 138 172 1 150.000

46 KAMPUNG TAUHID

(Bpk Agus) 27-May-21 30-Nov-21 500.000 187 221 1 500.000

47 IBU NING 12-Aug-21 30-Nov-21 1.030.000 110 144 1 1.030.000

48 IBU KHOLIAH 24-Aug-21 30-Nov-21 4.377.000 98 132 1 4.377.000

49 IBU ITA 03-Aug-21 30-Nov-21 2.000.000 119 153 1 2.000.000

50 BOBBY COM 28-Jul-21 30-Nov-21 1.150.000 125 159 1 1.150.000

51 BAPAK YSUF

SOLEHAT 08-Nov-21 30-Nov-21 2.500.000 22 56 1 2.500.000

52 BAPAK WENDI 08-Nov-21 30-Nov-21 1.212.500 22 56 1 1.212.500

53 BAPAK SURYA YUSRA 14-Jun-21 30-Nov-21 20.284.000 169 203 1 20.284.000

54 BAPAK RIZKY 30-Sep-21 30-Nov-21 1.200.000 61 95 1 1.200.000

55 BAPAK LUKMAN 23-Jul-21 30-Nov-21 1.720.000 130 164 1 1.720.000

56 BAPAK GUSNAR 06-Jul-21 30-Nov-21 200.000 147 181 1 200.000

57 BAPAK AGUNG

BAGUSTA 17-Sep-21 30-Nov-21 1.550.000

74

108

2

1.700.000 BAPAK AGUNG

BAGUSTA 17-Sep-21 30-Nov-21 150.000

58 BALAI

PENGEMBANGAN KOMPETISI PUPR

03-May-21

30-Nov-21

14.386.000

211

245

1

14.386.000

xxx

E. Nilai Normalisasi dan Perhitungan CLV

1 NAMA PT L R F M

Z-TECH

KKOMPUTER

NORMALISASI 0,115 0,132 0,111 0,994 PRO CLV L R F M HASIL 0,494 0,528 0,068 0,559 1,649

2 NAMA PT L R F M

UNIVERSITAS

KADER BANGSA


3 NAMA PT L R F M

TEKNOGRASI


4 NAMA PT L R F M

SHOPEE FOOD


5

SD IT AL-FUQRON

L R F M


6 NAMA PT L R F M

RS SITI KHODIJAH

NORMALISASI 0,695 0,701 0 0,005 PRO CLV L R F M HASIL 2,988 2,804 0 0,002 5,794

7 NAMA PT L R F M

RS SILOAM


8 NAMA PT L R F M

RS

MUHAMMADIYAH

NORMALISASI 0 0,018 0,333 0,101 PRO CLV L R F M HASIL 0 0,072 0,205 0,056 0,333

9 NAMA PT L R F M

RS MMC


10 NAMA PT L R F M

RS KUSTA DR. RIVAL ABDULLAH

NORMALISASI 0,589 0,597 0 0,162 PRO CLV L R F M HASIL

xxxi

2,532 2,388 0 0,091 5,011

11 NAMA PT L R F M

RS.AR-RASYID


12 NAMA PT L R F M

PT.WLMS

NORMALISASI 0,111 0,127 1 0,711 PRO CLV L R F M HASIL 0,477 0,508 0,618 0,400 2,003

13 NAMA PT L R F M

PT. TRIMATA

BENUA


14 NAMA PT L R F M

PT.TRIARYANI


15 NAMA PT L R F M

PT. SRIJASA BP


16 NAMA PT L R F M

PT-SOLID


17 NAMA PT L R F M

PT-RISKI TUJUHBELAS

PERKASA


18 NAMA PT L R F M

PT.PINAGO


19 NAMA PT L R F M

PT.PALEMBANG KULINA UTAMA


20 NAMA PT L R F M

PT.NIPPON INDOSARI CORPINDO


xxxii

21 NAMA PT L R F M

PT.MUSI AGRO

SEJAHTERA


22 NAMA PT L R F M

PT.MIDTOU ARYACOM FUTURES


23 NAMA PT L R F M

PT.MANAMBANG

MUARAENIM


24 NAMA PT L R F M

PT.LAJU PERDANA

INDAH


25 NAMA PT L R F M

PT.KASIH AGRO

MANDIRI

NORMALISASI 0,222 0,236 0.111 0,037 PRO CLV L R F M HASIL 0,954 0,944 0,068 0,020 1,986

26 NAMA PT L R F M

PT.GLOBAL

MAKARA LESTARI


27 NAMA PT L R F M

PT.GLOBAL ALAM

LESTARI


28 NAMA PT L R F M

PT.FIF


29 NAMA PT L R F M


NORMALISASI 0,101 0,118 1 0,202 PRO CLV L R F M HASIL 0,434 0,472 0,618 0,113 1,637

30 NAMA PT L R F M

PT.BINASAWIT

MAKMUR


31 NAMA PT L R F M

xxxiii

PT.BBIP

NORMALISASI 0,096 0,113 0 0,007

PRO CLV L R F M HASIL 0,412 0,452 0 0,003 0,867

32 NAMA PT L R F M

PT.BAYUNG AGRO

SAWITA


33 NAMA PT L R F M

PT.BARA PAGMER

JAYA


34 NAMA PT L R F M

PT.ARJUNA MAS

ABADI

NORMALISASI 0,526 0 0 0,066 PRO CLV L R F M HASIL 2,261 0 0 0,037 2,298

35 NAMA PT L R F M

PT.ANEKA BUMI

PRATAMA

NORMALISASI 0 0,018 0,777 0,118 PRO CLV L R F M HASIL 0 0,072 0,48 0,066 0,618

36 NAMA PT L R F M

PT.AGRONUSA INTI MANDIRI

NORMALISASI 0,454 0,464 0.111 0,044 PRO CLV L R F M HASIL 1,952 1,856 0,068 0,024 3,90

37 NAMA PT L R F M

PT.AGRONUSA

ALAM SEJAHTERA


38 NAMA PT L R F M

PT.ABL


39 NAMA PT L R F M

PT.AAM


40 NAMA PT L R F M

PONPES

KHASANAH


41 NAMA PT L R F M

NORMALISASI 1 1 0 0,245

xxxiv

PEMKAB.OKI- DINAS

KOMUNIKASI & INFORMATIKA

PRO CLV L R F M HASIL

4,3

4

0

0,137

8,437

42 NAMA PT L R F M

NOTARIS DIAN

SARASWATI


43 NAMA PT L R F M

MASJID

NURULLAH


44 NAMA PT L R F M

KOPKAR KITLUR SUMBANGSEL


45 NAMA PT L R F M

KANTOR NOTARIS HALIDA & YADES

NORMALISASI 0,647 0,654 0 0 PRO CLV L R F M HASIL 2,782 2,616 0 0 5,398

46 NAMA PT L R F M

KAMPUNG TAUHID (Bpk

Agus)


47 NAMA PT L R F M

IBU NING


48 NAMA PT L R F M

IBU KHOLIAH


49 NAMA PT L R F M

IBU ITA


50 NAMA PT L R F M

BOBBY COM


51 NAMA PT L R F M

xxxv

BAPAK YSUF

SOLEHAT

NORMALISASI 0,086 0,104 0 0,008

PRO CLV L R F M HASIL 0,369 0,416 0 0,004 0,789

52 NAMA PT L R F M

BAPAK WENDI


53 NAMA PT L R F M

BAPAK SURYA

YUSRA


54 NAMA PT L R F M

BAPAK RISKY


55 NAMA PT L R F M

BAPAK LUKMAN


56 NAMA PT L R F M

BAPAK GUSNAR

NORMALISASI 0,690 0,696 0 0.0001 PRO CLV L R F M HASIL 2,967 2,784 0 0 5,751

57 NAMA PT L R F M

BAPAK AGUNG

BAGUSTA


58 NAMA PT L R F M

BALAI PENGEMBANGAN

BAGUSTA

NORMALISASI 1 1 0 0,053

PRO CLV L R F M HASIL 4,3 4 0 0,029 8,329

xxxvi

F. Perhitungan Manual K-Means

A. Clustering K2

1. Centroid Iterasi 1

L R F M

C1 0,184 0,244 0 0,012

C2 2,782 2,616 0 0

2. Iterasi 1

NO Nama Pembeli L R F M C1 C2 Jarak Cluster

1

Cluster

2

1 Z-TECH KOMPUTER 0,494 0,528 0,068 0,559 0,6932 3,1483 0,6932 1

2 UNIVERSITAS KADER BANGSA

1,616 1,552 0,068 0,212

1,9509

1,5941

1,5941

1

3 TEKNOGRASI 0,227 0,284 0,068 0,154 0,1680 3,4633 0,1680 1

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 0,4002 3,1243 0,4002 1

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 0,9510 2,5976 0,9510 1

6 RS SITI KHODIJAH 2,988 2,804 0 0,002 3,7969 0,2789 0,2789 1

7 RS SILOAM 1,285 1,248 0 0,06 1,4908 2,0288 1,4908 1

8 RS MUHAMMADIYAH

0 0,072 0,205 0,056

0,3277

3,7758

0,3277

1

9 RS MMC 1,659 1,592 0 0,001 1,9982 1,5198 1,5198 1

10 RS KUSTA Dr.RIVAI ABDULLAH

2,532 2,388 0 0,091

3,1806

0,3504

0,3504

1

11 RS AR-RASYID 0,331 0,376 0,205 0,028 0,2852 3,3268 0,2852 1

12 PT.WAHANA LESTARI MAKMUR SUKSES

0,477

0,508

0,618

0,4

0,8295

3,2091

0,8295

1

13 PT.TRIMATA BENUA 0,184 0,244 0 0,012 0,0000 3,5180 0,0000 1

14 PT.TRIARYANI 2,65 2,5 0,068 0,354 3,3604 0,4010 0,4010 1

15 PT.SRIJASA BRIKASA PERKASA

0,58 0,604 0,068 0,02

0,5395

2,9836

0,5395

1

16 PT.SOLID 1,72 0,213 0 0,000281 1,5364 2,6272 1,5364 1

17 PT.RIZKI TUJUHBELAS KELOLA

3,861 3,6 0 0,038

4,9783

1,4608

1,4608

1

18 PT.PINAGO 1,285 1,248 0 0,006 1,4901 2,0279 1,4901 1

xxxvii


4,257 3,96 0 0,047

5,5135

1,9960

1,9960

1

20 PT.NIPPON INDOSARI CORPINDO

1,47

1,42

0

0,005

1,7426

1,7753

1,7426

1

21 PT.MUSI AGRO SEJAHTERA

0,331 0,376 0,068 0,077

0,2188

3,3220

0,2188

1

22 PT.MIDTOU ARYACOM FUTURES

2,158 2,044 0 0,017

2,6715

0,8467

0,8467

1

23 PT.MANAMBANG MUARAENIM

0,038 0,112 0,068 0,047

0,2112

3,7157

0,2112

1

24 PT.LAJU PERDANA INDAH

0,808 0,812 0 0,003

0,8438

2,6742

0,8438

1

25 PT.KASIH AGRO MANDIRI

0,954 0,944 0,068 0,02

1,0429

2,4783

1,0429

1

26 PT.GLOBAL MAKARA LESTARI

0,954 0,236 0,068 0,025

0,7731

3,0019

0,7731

1

27 PT.GLOBAL ALAM LESTARI

0,455 0,492 0,48 0,048

0,6055

3,1873

0,6055

1

28 PT.FIF 1,182 1,156 0 0,002 1,3520 2,1660 1,3520 1

29 PT.BUMI SAWINDO PERMAI

0,434 0,472 0,618 0,113

0,7118

3,2411

0,7118

1

30 PT.BINASAWIT MAKMUR

3,487 3,26 0 0,014

4,4728

0,9550

0,9550

1

31 PT.BBIP 0,412 0,452 0 0,003 0,3088 3,2093 0,3088 1

32 PT.BAYUNG AGRO SAWITA

2,532 2,388 0 0,081

3,1803

0,3479

0,3479

1

33 PT.BARA PAGMER JAYA

0,412 0,452 0,137 0,106

0,3505

3,2140

0,3505

1

34 PT.ARJUNA MAS ABADI

2,261 0 0 0,037

2,0914

2,6676

2,0914

1

35 PT.ANEKA BUMI PRATAMA

0 0,072 0,48 0,066

0,5448

3,8008

0,5448

1

36 PT.AGRONUSA INIT MANDIRI

1,952 1,856 0,068 0,024

2,3936

1,1277

1,1277

1

37 PT.AGRONUSA ALAM SEJAHTERA

0,494 0,528 0,411 0,061

0,5900

3,1253

0,5900

1

38 PT.ABL 0,331 0,376 0 0,013 0,1976 3,3204 0,1976 1

39 PT.AAM 2,803 2,632 0 0,003 3,5443 0,0266 0,0266 1

40 PONPES KHASANAH 3,551 3,316 0 0,019 4,5578 1,0401 1,0401 1

41 PEMKAB. OKI - DINAS KOMUNKASI & INFORMATIKA

4,3

4

0

0,137

5,5736

2,0588

2,0588

1

xxxvii

42 NOTARIS DIAN SARASWATI

3,758 3,504 0 0,002

4,8375

1,3195 1,3195

1

43 MASJID NURULLAH 1,057 1,04 0 0,001 1,1815 2,3365 1,1815 1


1,72 1,648 0 0,436

2,1237

1,5017 1,5017

1


2,782 2,616 0 0

3,5180

0,0000 0,0000

1

46 KAMPUNG TAUHID (Bpk Agus)

3,801 3,544 0 0,0005

4,8962

1,3782 1,3782

1

47 IBU NING 2,201 2,084 0 0,0016 2,7302 0,7878 0,7878 1

48 IBU KHOLIAH 1,952 1,856 0 0,008 2,3926 1,1254 1,1254 1

49 IBU ITA 2,386 2,252 0 0,003 2,9801 0,5379 0,5379 1

50 BOBBY COM 2,463 2,368 0 0,001 3,1153 0,4041 0,4041 1

51 BAPAK YUSUF SOLEHAT

0,369 0,416 0 0,004

0,2527

3,2654 0,2527

1

52 BAPAK WENDI 0,369 0,416 0 0,002 0,2528 3,2654 0,2528 1

53 BAPAK SURYA YUSRA

3,427 3,2 0 0,042

4,3882

0,8711 0,8711

1

54 BAPAK RIZKY 1,182 1,156 0 0,001 1,3520 2,1660 1,3520 1

55 BAPAK LUKMAN 2,614 2,464 0 0,002 3,2914 0,2266 0,2266 1

56 BAPAK GUSNAR 2,967 2,784 0 0 3,7679 0,2499 0,2499 1

57 BAPAK AGUNG BAGUSTA

1,453 1,4 0,068 0,002

1,7180

1,8026 1,7180

1

58 BALAI PENGEMBANGAN KMPETISI PUPR

4,3

4

0

0,029

5,5722

2,0544

2,0544

1

31 27

xxxix


L R F M

C1 0,7231 0,0508 1,082 0,0508

C2 0,1593 2,6193 0,0304 0,0728

4. Iterasi 2


1 Cluster

2

1 Z-TECH

KOMPUTER 0,494 0,528 0,068 0,559

1,2517

0,5955

0,5955

1


1,616 1,552 0,068 0,212

2,0261

1,4639

1,4639

1

3 TEKNOGRASI 0,227 0,284 0,068 0,154 1,1573 0,1374 0,1374 1

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 1,1398 0,3325 0,3325 1

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 1,2104 0,7729 0,7729 1

6 RS SITI KHODIJAH 2,988 2,804 0 0,002 3,7260 2,8296 2,8296 1

7 RS SILOAM 1,285 1,248 0 0,06 1,7088 1,1265 1,1265 1

8 RS MUHAMMADIYAH

0 0,072 0,205 0,056

1,1369

0,4727

0,4727

1

9 RS MMC 1,659 1,592 0 0,001 2,1034 1,5017 1,5017 1


2,532 2,388 0 0,091

3,1475

2,3728

2,3728

1

11 RS AR-RASYID 0,331 0,376 0,205 0,028 1,0145 0,4300 0,4300 1


0,477

0,508

0,618

0,4

0,7790

1,3218

0,7790

1

13 PT.TRIMATA BENUA

0,184 0,244 0 0,012

1,2248

0,0976

0,0976

1

14 PT.TRIARYANI 2,65 2,5 0,068 0,354 3,2911 2,5065 2,5065 1


0,58 0,604 0,068 0,02

1,1643

0,4307

0,4307

1

16 PT.SOLID 1,72 0,213 0 0,000281 1,4810 1,5641 1,4810 1


3,861

3,6

0

0,038

4,8594

3,7020

3,7020

1

18 PT.PINAGO 1,285 1,248 0 0,006 1,7093 1,1285 1,1285 1

xl


4,257 3,96 0 0,047

5,3797

4,0980

4,0980

1


1,47

1,42

0

0,005

1,8988

1,3130

1,3130

1


0,331 0,376 0,068 0,077

1,1351

0,1913

0,1913

1


2,158

2,044

0

0,017

2,6840

1,9996

1,9996

1


0,038 0,112 0,068 0,047

1,2253

0,1558

0,1558

1


0,808 0,812 0 0,003

1,3265

0,6548

0,6548

1


0,954 0,944 0,068 0,02

1,3712

0,7989

0,7989

1


0,954 0,236 0,068 0,025

1,0566

0,8012

0,8012

1


0,455 0,492 0,48 0,048

0,7931

1,0014

0,7931

1

28 PT.FIF 1,182 1,156 0 0,002 1,6141 1,0261 1,0261 1


0,434 0,472 0,618 0,113

0,6929

1,2919

0,6929

1


3,487 3,26 0 0,014

4,3715

3,3283

3,3283

1

31 PT.BBIP 0,412 0,452 0 0,003 1,1961 0,2703 0,2703 1


2,532 2,388 0 0,081

3,1474

2,3727

2,3727

1


0,412 0,452 0,137 0,106

1,0742

0,3440

0,3440

1


2,261 0 0 0,037

1,8811

2,1035

1,8811

1


0 0,072 0,48 0,066

0,9413

1,1563

0,9413

1


1,952 1,856 0,068 0,024

2,4079

1,7936

1,7936

1


0,494 0,528 0,411 0,061

0,8547

0,8635

0,8547

1

38 PT.ABL 0,331 0,376 0 0,013 1,1965 0,1942 0,1942 1

39 PT.AAM 2,803 2,632 0 0,003 3,4873 2,6446 2,6446 1

40 PONPES KHASANAH

3,551 3,316 0 0,019

4,4531

3,3922

3,3922

1

xli


4,3

4

0

0,137

5,4377

4,1414

4,1414

1


3,758 3,504 0 0,002

4,7232

3,5995

3,5995

1

43 MASJID NURULLAH 1,057 1,04 0 0,001 1,5044 0,9018 0,9018 1


1,72 1,648 0 0,436

2,2054

1,6027

1,6027

1


2,782 2,616 0 0

3,4630

2,6237

2,6237

1


3,801 3,544 0 0,0005

4,7801

3,6425

3,6425

1

47 IBU NING 2,201 2,084 0 0,0016 2,7370 2,0430 2,0430 1

48 IBU KHOLIAH 1,952 1,856 0 0,008 2,4375 1,7940 1,7940 1

49 IBU ITA 2,386 2,252 0 0,003 2,9637 2,2278 2,2278 1

50 BOBBY COM 2,463 2,368 0 0,001 3,0935 2,3048 2,3048 1


0,369 0,416 0 0,004

1,1965

0,2306

0,2306

1

52 BAPAK WENDI 0,369 0,416 0 0,002 1,1966 0,2312 0,2312 1


3,427 3,2 0 0,042

4,2894

3,2679

3,2679

1

54 BAPAK RIZKY 1,182 1,156 0 0,001 1,6141 1,0262 1,0262 1

55 BAPAK LUKMAN 2,614 2,464 0 0,002 3,2515 2,4557 2,4557 1

56 BAPAK GUSNAR 2,967 2,784 0 0 3,6985 2,8086 2,8086 1


1,453 1,4 0,068 0,002

1,8395

1,2964

1,2964

1


4,3

4

0

0,029

5,4371

4,1411

4,1411

1

6 52

xlii


L R F M

C1 0,8912 0,2928 0,3660 0,1107

C2 1,7743 1,6825 0,0381 0,0553

6. Iterasi 3


1 Cluster

2

1 Z-TECH

KOMPUTER 0,494 0,528 0,068 0,559

0,7091

1,7963

0,7091

1


1,616 1,552 0,068 0,212

1,4866

0,2599

0,2599

1

3 TEKNOGRASI 0,227 0,284 0,068 0,154 0,7293 2,0882 0,7293 1

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 0,5620 1,7507 0,5620 1

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 0,6074 1,2276 0,6074 1

6 RS SITI KHODIJAH 2,988 2,804 0 0,002 3,2937 1,6538 1,6538 1

7 RS SILOAM 1,285 1,248 0 0,06 1,0973 0,6555 0,6555 1

8 RS MUHAMMADIYAH

0 0,072 0,205 0,056

0,9338

2,4020

0,9338

1

9 RS MMC 1,659 1,592 0 0,001 1,5567 0,1609 0,1609 1


2,532

2,388

0

0,091

2,6863

1,0366

1,0366

1

11 RS AR-RASYID 0,331 0,376 0,205 0,028 0,5946 1,9541 0,5946 1


0,477

0,508

0,618

0,4

0,6042

1,8755

0,6042

1

13 PT.TRIMATA BENUA

0,184 0,244 0 0,012

0,8039

2,1451

0,8039

1

14 PT.TRIARYANI 2,65 2,5 0,068 0,354 2,8484 1,2350 1,2350 1


0,58 0,604 0,068 0,02

0,5392

1,6099

0,5392

1

16 PT.SOLID 1,72 0,213 0 0,0002

81

0,9162

1,4720

0,9162

1


3,861

3,6

0

0,038

4,4606

2,8342

2,8342

1

18 PT.PINAGO 1,285 1,248 0 0,006 1,1011 0,6573 0,6573 1

xliii


4,257 3,96 0 0,047

4,9915

3,3693

3,3693

1


1,47

1,42

0

0,005

1,3231

0,4068

0,4068

1


0,331 0,376 0,068 0,077

0,6408

1,9472

0,6408

1


2,158

2,044

0

0,017

2,1941

0,5299

0,5299

1


0,038 0,112 0,068 0,047

0,9239

2,3414

0,9239

1


0,808 0,812 0 0,003

0,6497

1,3022

0,6497

1


0,954 0,944 0,068 0,02

0,7246

1,1047

0,7246

1


0,954 0,236 0,068 0,025

0,3214

1,6635

0,3214

1


0,455 0,492 0,48 0,048

0,4969

1,8312

0,4969

1

28 PT.FIF 1,182 1,156 0 0,002 0,9877 0,7952 0,7952 1


0,434

0,472

0,618

0,113

0,5520

1,8977

0,5520

1


3,487 3,26 0 0,014

3,9605

2,3292

2,3292

1

31 PT.BBIP 0,412 0,452 0 0,003 0,6329 1,8369 0,6329 1


2,532 2,388 0 0,081

2,6864

1,0363

1,0363

1


0,412 0,452 0,137 0,106

0,5545

1,8391

0,5545

1


2,261 0 0 0,037

1,4496

1,7520

1,4496

1


0 0,072 0,48 0,066

0,9263

2,4366

0,9263

1


1,952 1,856 0,068 0,024

1,9145

0,2521

0,2521

1


0,494 0,528 0,411 0,061

0,4665

1,7638

0,4665

1

38 PT.ABL 0,331 0,376 0 0,013 0,6814 1,9476 0,6814 1

39 PT.AAM 2,803 2,632 0 0,003 3,0451 1,4014 1,4014 1

40 PONPES KHASANAH

3,551 3,316 0 0,019

4,0443

2,4141

2,4141

1

xliv

41


4,3

4

0

0,137

5,0495

3,4290

3,4290

1


3,758 3,504 0 0,002

4,3216

2,6939

2,6939

1

43 MASJID NURULLAH

1,057 1,04 0 0,001

0,8554

0,9653

0,8554

1


1,72 1,648 0 0,436

1,6623

0,3880

0,3880

1


2,782 2,616 0 0

3,0197

1,3753

1,3753

1


3,801

3,544

0

0,0005

4,3799

2,7527

2,7527

1

47 IBU NING 2,201 2,084 0 0,0016 2,2516 0,5896 0,5896 1

48 IBU KHOLIAH 1,952 1,856 0 0,008 1,9270 0,2557 0,2557 1

49 IBU ITA 2,386 2,252 0 0,003 2,4937 0,8383 0,8383 1

50 BOBBY COM 2,463 2,368 0 0,001 2,6312 0,9740 0,9740 1


0,369 0,416 0 0,004

0,6582

1,8929

0,6582

1

52 BAPAK WENDI 0,369 0,416 0 0,002 0,6585 1,8929 0,6585 1


3,427 3,2 0 0,042

3,8757

2,2441

2,2441

1

54 BAPAK RIZKY 1,182 1,156 0 0,001 0,9878 0,7952 0,7952 1

55 BAPAK LUKMAN 2,614 2,464 0 0,002 2,7978 1,1490 1,1490 1

56 BAPAK GUSNAR 2,967 2,784 0 0 3,2652 1,6249 1,6249 1


1,453 1,4 0,068 0,002

1,2815

0,4322

0,4322

1


4,3

4

0

0,029

5,0501

3,4281

3,4281

1

25 33

xlv


L R F M

C1 0,5652 0,417 0,1534 0,0534

C2 2,5297 2,3885 0,0103 0,0668

8. Iterasi 4


1 Cluster

2

1 Z-TECH

KOMPUTER 0,494 0,528 0,068 0,559

0,5294

2,8020

0,5294

1


1,616 1,552 0,068 0,212

1,5572

1,2486

1,2486

1

3 TEKNOGRASI 0,227 0,284 0,068 0,154 0,3866 3,1213 0,3866 1

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 0,1576 2,7849 0,1576 1

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 0,5496 2,2584 0,5496 1

6 RS SITI KHODIJAH 2,988 2,804 0 0,002 3,4050 0,6221 0,6221 1

7 RS SILOAM 1,285 1,248 0 0,06 1,1101 1,6882 1,1101 1

8 RS MUHAMMADIYAH

0 0,072 0,205 0,056

0,6642

3,4356

0,6642

1

9 RS MMC 1,659 1,592 0 0,001 1,6135 1,1819 1,1819 1


2,532

2,388

0

0,091

2,7889

0,0264

0,0264

1

11 RS AR-RASYID 0,331 0,376 0,205 0,028 0,2446 2,9873 0,2446 1


0,477

0,508

0,618

0,4

0,5933

2,8688

0,5933

1

13 PT.TRIMATA BENUA

0,184 0,244 0 0,012

0,4478

3,1787

0,4478

1

14 PT.TRIARYANI 2,65 2,5 0,068 0,354 2,9636 0,3357 0,3357 1


0,58 0,604 0,068 0,02

0,2088

2,6441

0,2088

1

16 PT.SOLID 1,72 0,213 0 0,000281 1,1839 2,3223 1,1839 1


3,861

3,6

0,341

0,038

4,5858

1,8304

1,8304

1

18 PT.PINAGO 1,285 1,248 0 0,006 1,1111 1,6893 1,1111 1

xlvi


4,257 3,96 0 0,047

5,1192

2,3353

2,3353

1


1,47

1,42

0

0,005

1,3603

1,4370

1,3603

1


0,331 0,376 0,068 0,077

0,2537

2,9813

0,2537

1


2,158

2,044

0

0,017

2,2823

0,5093

0,5093

1


0,038 0,112 0,068 0,047

0,6151

3,3756

0,6151

1


0,808 0,812 0 0,003

0,4910

2,3353

0,4910

1


0,954 0,944 0,068 0,02

0,6613

2,1389

0,6613

1


0,954 0,236 0,068 0,025

0,4382

2,6686

0,4382

1


0,455 0,492 0,48 0,048

0,3528

2,8499

0,3528

1

28 PT.FIF 1,182 1,156 0 0,002 0,9761 1,8275 0,9761 1


0,434

0,472

0,618

0,113

0,4895

2,9045

0,4895

1


3,487 3,26 0 0,014

4,0798

1,2957

1,2957

1

31 PT.BBIP 0,412 0,452 0 0,003 0,2253 2,8703 0,2253 1


2,532 2,388 0 0,081

2,7888

0,0177

0,0177

1


0,412 0,452 0,137 0,106

0,1665

2,8727

0,1665

1


2,261 0 0 0,037

1,7531

2,4038

1,7531

1


0 0,072 0,48 0,066

0,7384

3,4621

0,7384

1


1,952 1,856 0,068 0,024

2,0005

0,7890

0,7890

1


0,494 0,528 0,411 0,061

0,2895

2,7868

0,2895

1

38 PT.ABL 0,331 0,376 0 0,013 0,2858 2,9812 0,2858 1

39 PT.AAM 2,803 2,632 0 0,003 3,1528 0,3717 0,3717 1

40 PONPES KHASANAH

3,551 3,316 0 0,019

4,1646

1,3805

1,3805

1

xlvii

41


4,3

4

0

0,137

5,1785

2,3950

2,3950

1


3,758 3,504 0 0,002

4,4441

1,6605

1,6605

1

43 MASJID NURULLAH

1,057 1,04 0 0,001

0,8101

1,9979

0,8101

1


1,72 1,648 0 0,436

1,7375

1,1577

1,1577

1


2,782 2,616 0 0

3,1267

0,3464

0,3464

1


3,801

3,544

0

0,0005

4,5028

1,7193

1,7193

1

47 IBU NING 2,201 2,084 0 0,0016 2,3411 0,4529 0,4529 1

48 IBU KHOLIAH 1,952 1,856 0 0,008 2,0049 0,7879 0,7879 1

49 IBU ITA 2,386 2,252 0 0,003 2,5901 0,2085 0,2085 1

50 BOBBY COM 2,463 2,368 0 0,001 2,7266 0,0965 0,0965 1


0,369 0,416 0 0,004

0,2539

2,9263

0,2539

1

52 BAPAK WENDI 0,369 0,416 0 0,002 0,2543 2,9264 0,2543 1


3,427 3,2 0 0,042

3,9948

1,2101

1,2101

1

54 BAPAK RIZKY 1,182 1,156 0 0,001 0,9761 1,8275 0,9761 1

55 BAPAK LUKMAN 2,614 2,464 0 0,002 2,9007 0,1308 0,1308 1

56 BAPAK GUSNAR 2,967 2,784 0 0 3,3761 0,5935 0,5935 1


1,453 1,4 0,068 0,002

1,3283

1,4642

1,3283

1


4,3

4

0

0,029

5,1779

2,3942

2,3942

1

31 27

xlviii


L R F M

C1 0,7105 0,5858 0,1215 0,0628

C2 2,7994 2,6327 0,0278 0,0590

10. Iterasi 5


1 Cluster

2

1 Z-TECH KOMPUTER 0,494 0,528 0,068 0,559 0,5471 3,1617 0,5471 1


1,616 1,552 0,068 0,212

1,3336

1,6104

1,3336

1

3 TEKNOGRASI 0,227 0,284 0,068 0,154 0,5797 3,4849 0,5797 1

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 0,2564 3,1482 0,2564 1

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 0,3391 2,6197 0,3391 1

6 RS SITI KHODIJAH 2,988 2,804 0 0,002 3,1821 0,2626 0,2626 1

7 RS SILOAM 1,285 1,248 0 0,06 0,8851 2,0522 0,8851 1

8 RS MUHAMMADIYAH

0 0,072 0,205 0,056

0,8808

3,7981

0,8808

1

9 RS MMC 1,659 1,592 0 0,001 1,3895 1,5452 1,3895 1


2,532 2,388 0 0,091

2,5654

0,3649

0,3649

1

11 RS AR-RASYID 0,331 0,376 0,205 0,028 0,4430 3,3493 0,4430 1


0,477

0,508

0,618

0,4

0,6487

3,2206

0,6487

1

13 PT.TRIMATA BENUA 0,184 0,244 0 0,012 0,6414 3,5425 0,6414 1

14 PT.TRIARYANI 2,65 2,5 0,068 0,354 2,7411 0,3586 0,3586 1


0,58 0,604 0,068 0,02

0,1485

3,0074

0,1485

1

16 PT.SOLID 1,72 0,213 0 0,0002

81

1,0848

2,6503

1,0848

1


3,861

3,6

0,341

0,038

4,3658

1,4701

1,4701

1

18 PT.PINAGO 1,285 1,248 0 0,006 0,8869 2,0529 0,8869 1


4,257 3,96 0 0,047

4,8967

1,9716

1,9716

1

xlix


1,47

1,42

0

0,005

1,1361

1,8005

1,1361

1


0,331 0,376 0,068 0,077

0,4372

3,3448

0,4372

1


2,158 2,044 0 0,017

2,0588

0,8721

0,8721

1


0,038 0,112 0,068 0,047

0,8245

3,7391

0,8245

1


0,808 0,812 0 0,003

0,2811

2,6990

0,2811

1


0,954 0,944 0,068 0,02

0,4385

2,5021

0,4385

1


0,954 0,236 0,068 0,025

0,4312

3,0253

0,4312

1


0,455 0,492 0,48 0,048

0,4504

3,2068

0,4504

1

28 PT.FIF 1,182 1,156 0 0,002 0,7523 2,1910 0,7523 1


0,434 0,472 0,618 0,113

0,5818

3,2581

0,5818

1


3,487 3,26 0 0,014

3,8571

0,9323

0,9323

1

31 PT.BBIP 0,412 0,452 0 0,003 0,3540 3,2340 0,3540 1


2,532 2,388 0 0,081

2,5653

0,3642

0,3642

1


0,412 0,452 0,137 0,106

0,3303

3,2356

0,3303

1


2,261 0 0 0,037

1,6621

2,6874

1,6621

1


0 0,072 0,48 0,066

0,9473

3,8208

0,9473

1


1,952 1,856 0,068 0,024

1,7774

1,1507

1,1507

1


0,494 0,528 0,411 0,061

0,3661

3,1451

0,3661

1

38 PT.ABL 0,331 0,376 0 0,013 0,4531 3,3449 0,4531 1

39 PT.AAM 2,803 2,632 0 0,003 2,9298 0,0626 0,0626 1

40 PONPES KHASANAH 3,551 3,316 0 0,019 3,9420 1,0169 1,0169 1


4,3

4

0

0,137

4,9560

2,0318

2,0318

1


3,758 3,504 0 0,002

4,2216

1,2970

1,2970

1

l

43 MASJID NURULLAH 1,057 1,04 0 0,001 0,5873 2,3615 0,5873 1


1,72 1,648 0 0,436

1,5170

1,5092

1,5092

1


2,782 2,616 0 0

2,9037

0,0695

0,0695

1


3,801 3,544 0 0,0005

4,2803

1,3557

1,3557

1

47 IBU NING 2,201 2,084 0 0,0016 2,1177 0,8144 0,8144 1

48 IBU KHOLIAH 1,952 1,856 0 0,008 1,7812 1,1510 1,1510 1

49 IBU ITA 2,386 2,252 0 0,003 2,3668 0,5655 0,5655 1

50 BOBBY COM 2,463 2,368 0 0,001 2,5032 0,4329 0,4329 1


0,369 0,416 0 0,004

0,4046

3,2900

0,4046

1

52 BAPAK WENDI 0,369 0,416 0 0,002 0,4049 3,2901 0,4049 1


3,427 3,2 0 0,042

3,7721

0,8466

0,8466

1

54 BAPAK RIZKY 1,182 1,156 0 0,001 0,7523 2,1911 0,7523 1

55 BAPAK LUKMAN 2,614 2,464 0 0,002 2,6776 0,2586 0,2586 1

56 BAPAK GUSNAR 2,967 2,784 0 0 3,1532 0,2350 0,2350 1


1,453 1,4 0,068 0,002

1,1049

1,8268

1,1049

1


4,3

4

0

0,029

4,9555

2,0305

2,0305

1

33 25

li

B. Clustering K3


L R F M

C1 1,659 1,592 0 0,001

C2 1,182 1,156 0 0,002

C3 0,494 0,528 0,411 0,061

2. Iterasi 1

NO Nama Pembeli L R F M C1 C2 C3

1 Z-TECH KOMPUTER 0,494 0,528 0,068 0,559 1,6749 1,0875 0,6047


1,616 1,552 0,068 0,212

0,2293

0,6276

1,5646

3 TEKNOGRASI 0,227 0,284 0,068 0,154 1,9467 1,3039 0,5071

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 1,6053 0,9601 0,3471

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 1,0894 0,4711 0,5494

6 RS SITI KHODIJAH 2,988 2,804 0 0,002 1,7987 2,4449 3,4019

7 RS SILOAM 1,285 1,248 0 0,06 0,5116 0,1498 1,1459

8 RS MUHAMMADIYAH

0 0,072 0,205 0,056

2,2600

1,6178

0,7032

9 RS MMC 1,659 1,592 0 0,001 0,0000 0,6462 1,6315


2,532 2,388 0 0,091

1,1848

1,8298

2,7898

11 RS AR-RASYID 0,331 0,376 0,205 0,028 1,8125 1,1727 0,3053


0,477

0,508

0,618

0,4

1,7645

1,2072

0,3981

13 PT.TRIMATA BENUA 0,184 0,244 0 0,012 1,9982 1,3520 0,5900

14 PT.TRIARYANI 2,65 2,5 0,068 0,354 1,3913 2,0223 2,9565


0,58 0,604 0,068 0,02

1,4647

0,8198

0,3640

16 PT.SOLID 1,72 0,213 0 0,000281 1,3803 1,0857 1,3323


3,861 3,6 0 0,038

2,9803

3,6265

4,5764

18 PT.PINAGO 1,285 1,248 0 0,006 0,5082 0,1382 1,1472


4,257 3,96 0 0,047

3,5156

4,1617

5,1096


1,47

1,42

0

0,005

0,2556

0,3907

1,3857

lii


0,331 0,376 0,068 0,077

1,8035

1,1588

0,4094


2,158 2,044 0 0,017

0,6735

1,3196

2,2887


0,038 0,112 0,068 0,047

2,1965

1,5509

0,7063


0,808 0,812 0 0,003

1,1544

0,5081

0,5929


0,954 0,944 0,068 0,02

0,9602

0,3192

0,7099


0,954 0,236 0,068 0,025

1,5300

0,9505

0,6448


0,455 0,492 0,48 0,048

1,7007

1,0963

0,0880

28 PT.FIF 1,182 1,156 0 0,002 0,6462 0,0000 1,0199


0,434 0,472 0,618 0,113

1,7747

1,1923

0,2287


3,487 3,26 0 0,014

2,4747

3,1209

4,0735

31 PT.BBIP 0,412 0,452 0 0,003 1,6896 1,0433 0,4299


2,532 2,388 0 0,081

1,1841

1,8294

2,7897


0,412 0,452 0,137 0,106

1,6984

1,0574

0,2993


2,261 0 0 0,037

1,7024

1,5817

1,8896


0 0,072 0,48 0,066

2,3016

1,6753

0,6758


1,952 1,856 0,068 0,024

0,4009

1,0431

2,0021


0,494 0,528 0,411 0,061

1,6315

1,0199

0,0000

38 PT.ABL 0,331 0,376 0 0,013 1,8007 1,1544 0,4700

39 PT.AAM 2,803 2,632 0 0,003 1,5461 2,1923 3,1513

40 PONPES KHASANAH 3,551 3,316 0 0,019 2,5597 3,2059 4,1580


4,3

4

0

0,137

3,5766

4,2224

5,1687


3,758 3,504 0 0,002

2,8393

3,4855

4,4365

43 MASJID NURULLAH 1,057 1,04 0 0,001 0,8168 0,1705 0,8670


1,72 1,648 0 0,436

0,4428

0,8484

1,7513

liii


2,782 2,616 0 0

1,5198

2,1660

3,1253


3,801 3,544 0 0,0005

2,8980

3,5442

4,4950

47 IBU NING 2,201 2,084 0 0,0016 0,7320 1,3782 2,3468

48 IBU KHOLIAH 1,952 1,856 0 0,008 0,3945 1,0406 2,0152

49 IBU ITA 2,386 2,252 0 0,003 0,9819 1,6281 2,5931

50 BOBBY COM 2,463 2,368 0 0,001 1,1174 1,7635 2,7267


0,369 0,416 0 0,004

1,7456

1,0994

0,4476

52 BAPAK WENDI 0,369 0,416 0 0,002 1,7456 1,0993 0,4479


3,427 3,2 0 0,042

2,3902

3,0364

3,9889

54 BAPAK RIZKY 1,182 1,156 0 0,001 0,6462 0,0010 1,0199

55 BAPAK LUKMAN 2,614 2,464 0 0,002 1,2932 1,9395 2,9008

56 BAPAK GUSNAR 2,967 2,784 0 0 1,7697 2,4159 3,3731


1,453 1,4 0,068 0,002

0,2897

0,3709

1,3421


4,3

4

0

0,029

3,5741

4,2203

5,1682


L R F M

C1 2,7729 2,6083 0,0097 0,0561

C2 1,2602 0,8689 0,0341 0,0157

C3 0,3685 0,3762 0,1815 0,0905

4. Iterasi 2

NO Nama Pembeli L R F M C1 C2 C3 jarak

1 Z-TECH KOMPUTER 0,494 0,528 0,068 0,559 3,1269 0,9998 0,5207 0,5207


1,616 1,552 0,068 0,212

1,5754

0,7956

1,7223

0,7956

3 TEKNOGRASI 0,227 0,284 0,068 0,154 3,4492 1,1958 0,2132 0,2132

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 3,1125 0,8630 0,2185 0,2185

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 2,5850 0,4280 0,7070 0,4280

6 RS SITI KHODIJAH 2,988 2,804 0 0,002 0,2960 2,5945 3,5773 0,2960

7 RS SILOAM 1,285 1,248 0 0,06 2,0160 0,3840 1,2782 0,3840

8 RS MUHAMMADIYAH 0 0,072 0,205 0,056 3,7630 1,5013 0,4797 0,4797

9 RS MMC 1,659 1,592 0 0,001 1,5089 0,8266 1,7845 0,8266

liv


2,532 2,388 0 0,091

0,3284

1,9829

2,9599

0,3284

11 RS AR-RASYID 0,331 0,376 0,205 0,028 3,3144 1,0657 0,0766 0,0766


0,477 0,508 0,618 0,4

3,1892

1,1101

0,5617

0,5617

13 PT.TRIMATA BENUA 0,184 0,244 0 0,012 3,5063 1,2449 0,3010 0,3010

14 PT.TRIARYANI 2,65 2,5 0,068 0,354 0,3449 2,1697 3,1302 0,3449


0,58 0,604 0,068 0,02

2,9717

0,7308

0,3383

0,3383

16 PT.SOLID 1,72 0,213 0 0,000281 2,6171 0,8019 1,3763 0,8019


3,861 3,6 0 0,038

1,4724

3,7716

4,7567

1,4724

18 PT.PINAGO 1,285 1,248 0 0,006 2,0166 0,3816 1,2807 0,3816


4,257 3,96 0 0,047

2,0074

4,3056

5,2914

2,0074


1,47 1,42 0 0,005

1,7642

0,5908

1,5307

0,5908


0,331 0,376 0,068 0,077

3,3091

1,0542

0,1203

0,1203


2,158 2,044 0 0,017

0,8356

1,4792

2,4540

0,8356


0,038 0,112 0,068 0,047

3,7033

1,4383

0,4402

0,4402


0,808 0,812 0 0,003

2,6628

0,4572

0,6509

0,4572


0,954 0,944 0,068 0,02

2,4664

0,3171

0,8265

0,3171


0,954 0,236 0,068 0,025

2,9901

0,7040

0,6161

0,6161


0,455 0,492 0,48 0,048

3,1737

0,9951

0,3344

0,3344

28 PT.FIF 1,182 1,156 0 0,002 2,1548 0,2998 1,1448 0,2998


0,434 0,472 0,618 0,113

3,2261

1,0911

0,4522

0,4522


3,487 3,26 0 0,014

0,9677

3,2676

4,2521

0,9677

31 PT.BBIP 0,412 0,452 0 0,003 3,1979 0,9458 0,2196 0,2196


2,532 2,388 0 0,081

0,3275

1,9826

2,9599

0,3275


0,412 0,452 0,137 0,106

3,2003

0,9550

0,0993

0,0993


2,261 0 0 0,037

2,6581

1,3260

1,9388

1,3260


0 0,072 0,48 0,066

3,7872

1,5571

0,5639

0,5639


1,952 1,856 0,068 0,024

1,1155

1,2059

2,1713

1,1155


0,494 0,528 0,411 0,061

3,1116

0,9205

0,3039

0,3039

38 PT.ABL 0,331 0,376 0 0,013 3,3088 1,0524 0,2009 0,2009

lv

39 PT.AAM 2,803 2,632 0 0,003 0,0662 2,3431 3,3251 0,0662

40 PONPES KHASANAH 3,551 3,316 0 0,019 1,0525 3,3522 4,3369 1,0525


4,3

4

0

0,137

2,0677

4,3658

5,3501

2,0677


3,758 3,504 0 0,002

1,3326

3,6310

4,6166

1,3326

43 MASJID NURULLAH 1,057 1,04 0 0,001 2,3253 0,2682 0,9776 0,2682


1,72 1,648 0 0,436

1,4749

0,9981

1,8964

0,9981


2,782 2,616 0 0

0,0582

2,3172

3,2989

0,0582


3,801 3,544 0 0,0005

1,3913

3,6896

4,6753

1,3913

47 IBU NING 2,201 2,084 0 0,0016 0,7778 1,5372 2,5131 0,7778

48 IBU KHOLIAH 1,952 1,856 0 0,008 1,1146 1,2059 2,1765 1,1146

49 IBU ITA 2,386 2,252 0 0,003 0,5287 1,7837 2,7622 0,5287

50 BOBBY COM 2,463 2,368 0 0,001 0,3961 1,9223 2,8974 0,3961


0,369 0,416 0 0,004

3,2539

1,0003

0,2050

0,2050

52 BAPAK WENDI 0,369 0,416 0 0,002 3,2539 1,0004 0,2058 0,2058

53 BAPAK SURYA YUSRA 3,427 3,2 0 0,042 0,8822 3,1829 4,1670 0,8822

54 BAPAK RIZKY 1,182 1,156 0 0,001 2,1548 0,2999 1,1449 0,2999

55 BAPAK LUKMAN 2,614 2,464 0 0,002 0,2216 2,0925 3,0728 0,2216

56 BAPAK GUSNAR 2,967 2,784 0 0 0,2679 2,5656 3,5484 0,2679


1,453 1,4 0,068 0,002

1,7912

0,5662

1,4983

0,5662


4,3

4

0

0,029

2,0663

4,3641

5,3503

2,0663

lvi

lvii


L R F M

C1 3,0314 2,8443 0,0059 0,0398

C2 1,3680 1,0867 0,0273 0,0542

C3 0,3685 0,3762 0,1815 0,0905

6. Iterasi 3

NO Nama Pembeli L R F M C1 C2 C3 Jarak

1 Z-TECH KOMPUTER 0,494 0,528 0,068 0,559 3,4752 1,1543 0,5207 0,5207


1,616 1,552 0,068 0,212

1,9253

0,5519

1,7223

0,5519

3 TEKNOGRASI 0,227 0,284 0,068 0,154 3,7996 1,3992 0,2132 0,2132

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 3,4623 1,0639 0,2185 0,2185

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 2,9343 0,5731 0,7070 0,5731

6 RS SITI KHODIJAH 2,988 2,804 0 0,002 0,0705 2,3616 3,5773 0,0705

7 RS SILOAM 1,285 1,248 0 0,06 2,3661 0,1835 1,2782 0,1835

8 RS MUHAMMADIYAH 0 0,072 0,205 0,056 4,1128 1,7125 0,4797 0,4797

9 RS MMC 1,659 1,592 0 0,001 1,8583 0,5862 1,7845 0,5862


2,532 2,388 0 0,091

0,6784

1,7465

2,9599

0,6784

11 RS AR-RASYID 0,331 0,376 0,205 0,028 3,6639 1,2699 0,0766 0,0766


0,477 0,508 0,618 0,4

3,5338

1,2638

0,5617

0,5617

13 PT.TRIMATA BENUA 0,184 0,244 0 0,012 3,8562 1,4541 0,3010 0,3010

14 PT.TRIARYANI 2,65 2,5 0,068 0,354 0,6055 1,9320 3,1302 0,6055


0,58 0,604 0,068 0,02

3,3215

0,9256

0,3383

0,3383

16 PT.SOLID 1,72 0,213 0 0,000 281

2,9403

0,9439

1,3763

0,9439


3,861 3,6 0 0,038

1,1222

3,5402

4,7567

1,1222

18 PT.PINAGO 1,285 1,248 0 0,006 2,3663 0,1897 1,2807 0,1897


4,257 3,96 0 0,047

1,6574

4,0747

5,2914

1,6574


1,47 1,42 0 0,005

2,1137

0,3531

1,5307

0,3531


0,331 0,376 0,068 0,077

3,6592

1,2580

0,1203

0,1203


2,158 2,044 0 0,017

1,1848

1,2420

2,4540

1,1848


0,038 0,112 0,068 0,047

4,0534

1,6494

0,4402

0,4402


0,808 0,812 0 0,003

3,0125

0,6264

0,6509

0,6264


0,954 0,944 0,068 0,02

2,8162

0,4411

0,8265

0,4411


0,954 0,236 0,068 0,025

3,3351

0,9474

0,6161

0,6161

lviii


0,455 0,492 0,48 0,048

3,5208

1,1799

0,3344

0,3344

28 PT.FIF 1,182 1,156 0 0,002 2,5044 0,2070 1,1448 0,2070


0,434 0,472 0,618 0,113

3,5713

1,2659

0,4522

0,4522


3,487 3,26 0 0,014

0,6173

3,0357

4,2521

0,6173

31 PT.BBIP 0,412 0,452 0 0,003 3,5476 1,1490 0,2196 0,2196


2,532 2,388 0 0,081

0,6777

1,7464

2,9599

0,6777

33 PT.BARA PAGMER JAYA 0,412 0,452 0,137 0,106 3,5505 1,1539 0,0993 0,0993

34 PT.ARJUNA MAS ABADI 2,261 0 0 0,037 2,9468 1,4069 1,9388 1,4069


0 0,072 0,48 0,066

4,1353

1,7624

0,5639

0,5639


1,952 1,856 0,068 0,024

1,4649

0,9672

2,1713

0,9672


0,494 0,528 0,411 0,061

3,4595

1,1060

0,3039

0,3039

38 PT.ABL 0,331 0,376 0 0,013 3,6586 1,2581 0,2009 0,2009

39 PT.AAM 2,803 2,632 0 0,003 0,3140 2,1096 3,3251 0,3140

40 PONPES KHASANAH 3,551 3,316 0 0,019 0,7021 3,1205 4,3369 0,7021


4,3

4

0

0,137

1,7189

4,1342

5,3501

1,7189


3,758 3,504 0 0,002

0,9821

3,3998

4,6166

0,9821

43 MASJID NURULLAH 1,057 1,04 0 0,001 2,6749 0,3201 0,9776 0,3201


1,72 1,648 0 0,436

1,8188

0,7652

1,8964

0,7652


2,782 2,616 0 0

0,3405

2,0837

3,2989

0,3405


3,801 3,544 0 0,000

5

1,0409

3,4585

4,6753

1,0409

47 IBU NING 2,201 2,084 0 0,001

6

1,1265

1,3008

2,5131

1,1265

48 IBU KHOLIAH 1,952 1,856 0 0,008 1,4639 0,9673 2,1765 0,9673

49 IBU ITA 2,386 2,252 0 0,003 0,8768 1,5484 2,7622 0,8768

50 BOBBY COM 2,463 2,368 0 0,001 0,7426 1,6865 2,8974 0,7426

51 BAPAK YUSUF SOLEHAT 0,369 0,416 0 0,004 3,6037 1,2046 0,2050 0,2050

52 BAPAK WENDI 0,369 0,416 0 0,002 3,6037 1,2047 0,2058 0,2058


54 BAPAK RIZKY 1,182 1,156 0 0,001 2,5044 0,2073 1,1449 0,2073

55 BAPAK LUKMAN 2,614 2,464 0 0,002 0,5660 1,8582 3,0728 0,5660

56 BAPAK GUSNAR 2,967 2,784 0 0 0,0970 2,3327 3,5484 0,0970


1,453 1,4 0,068 0,002

2,1407

0,3313

1,4983

0,3313


4,3

4

0

0,029

1,7161

4,1334

5,3503

1,7161

lix

lx


L R F M

C1 3,1342 2,9385 0,0032 0,0421

C2 1,1630 0,9530 0,0227 0,0403

C3 0,3685 0,3762 0,1815 0,0905

8. Iterasi 4

NO Nama Pembeli L R F M C1 C2 C3 jarak

1 Z-TECH KOMPUTER 0,494 0,528 0,068 0,559 3,6128 0,9483 0,5207 0,5207


1,616 1,552 0,068 0,212

2,0641

0,7717

1,7223

0,7717

3 TEKNOGRASI 0,227 0,284 0,068 0,154 3,9389 1,1570 0,2132 0,2132

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 3,6018 0,8193 0,2185 0,2185

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 3,0736 0,3564 0,7070 0,3564

6 RS SITI KHODIJAH 2,988 2,804 0 0,002 0,2027 2,5998 3,5773 0,2027

7 RS SILOAM 1,285 1,248 0 0,06 2,5055 0,3206 1,2782 0,3206

8 RS MUHAMMADIYAH 0 0,072 0,205 0,056 4,2522 1,4704 0,4797 0,4797

9 RS MMC 1,659 1,592 0 0,001 1,9977 0,8102 1,7845 0,8102


2,532 2,388 0 0,091

0,8174

1,9841

2,9599

0,8174

11 RS AR-RASYID 0,331 0,376 0,205 0,028 3,8033 1,0289 0,0766 0,0766


0,477 0,508 0,618 0,4

3,6707

1,0735

0,5617

0,5617

13 PT.TRIMATA BENUA 0,184 0,244 0 0,012 3,9956 1,2093 0,3010 0,3010

14 PT.TRIARYANI 2,65 2,5 0,068 0,354 0,7268 2,1691 3,1302 0,7268


0,58 0,604 0,068 0,02

3,4610

0,6813

0,3383

0,3383

16 PT.SOLID 1,72 0,213 0 0,000281 3,0708 0,9273 1,3763 0,9273


3,861 3,6 0 0,038

0,9828

3,7797

4,7567

0,9828

18 PT.PINAGO 1,285 1,248 0 0,006 2,5057 0,3219 1,2807 0,3219


4,257 3,96 0 0,047

1,5180

4,3146

5,2914

1,5180


1,47 1,42 0 0,005

2,2532

0,5604

1,5307

0,5604


0,331 0,376 0,068 0,077

3,7987

1,0142

0,1203

0,1203


2,158 2,044 0 0,017

1,3243

1,4769

2,4540

1,3243


0,038 0,112 0,068 0,047

4,1928

1,4053

0,4402

0,4402

lxi


0,808 0,812 0 0,003

3,1519

0,3845

0,6509

0,3845


0,954 0,944 0,068 0,02

2,9557

0,2150

0,8265

0,2150


0,954 0,236 0,068 0,025

3,4729

0,7484

0,6161

0,6161


0,455 0,492 0,48 0,048

3,6594

0,9607

0,3344

0,3344

28 PT.FIF 1,182 1,156 0 0,002 2,6439 0,2087 1,1448 0,2087


0,434 0,472 0,618 0,113

3,7091

1,0595

0,4522

0,4522


3,487 3,26 0 0,014

0,4782

3,2748

4,2521

0,4782

31 PT.BBIP 0,412 0,452 0 0,003 3,6871 0,9038 0,2196 0,2196


2,532 2,388 0 0,081

0,8168

1,9838

2,9599

0,8168

33 PT.BARA PAGMER JAYA 0,412 0,452 0,137 0,106 3,6899 0,9124 0,0993 0,0993

34 PT.ARJUNA MAS ABADI 2,261 0 0 0,037 3,0655 1,4541 1,9388 1,4541


0 0,072 0,48 0,066

4,2741

1,5292

0,5639

0,5639


1,952 1,856 0,068 0,024

1,6043

1,2001

2,1713

1,2001


0,494 0,528 0,411 0,061

3,5983

0,8828

0,3039

0,3039

38 PT.ABL 0,331 0,376 0 0,013 3,7981 1,0131 0,2009 0,2009

39 PT.AAM 2,803 2,632 0 0,003 0,4530 2,3475 3,3251 0,4530

40 PONPES KHASANAH 3,551 3,316 0 0,019 0,5628 3,3597 4,3369 0,5628


4,3

4

0

0,137

1,5795

4,3743

5,3501

1,5795


3,758 3,504 0 0,002

0,8429

3,6392

4,6166

0,8429

43 MASJID NURULLAH 1,057 1,04 0 0,001 2,8144 0,1444 0,9776 0,1444


1,72 1,648 0 0,436

1,9546

0,9749

1,8964

0,9749


2,782 2,616 0 0

0,4794

2,3214

3,2989

0,4794


3,801 3,544 0 0,0005

0,9017

3,6979

4,6753

0,9017

47 IBU NING 2,201 2,084 0 0,0016 1,2660 1,5358 2,5131 1,2660

48 IBU KHOLIAH 1,952 1,856 0 0,008 1,6033 1,1998 2,1765 1,1998

49 IBU ITA 2,386 2,252 0 0,003 1,0162 1,7847 2,7622 1,0162

50 BOBBY COM 2,463 2,368 0 0,001 0,8819 1,9221 2,8974 0,8819

lxii

51 BAPAK YUSUF SOLEHAT 0,369 0,416 0 0,004 3,7431 0,9595 0,2050 0,2050

52 BAPAK WENDI 0,369 0,416 0 0,002 3,7431 0,9596 0,2058 0,2058


54 BAPAK RIZKY 1,182 1,156 0 0,001 2,6439 0,2089 1,1449 0,2089

55 BAPAK LUKMAN 2,614 2,464 0 0,002 0,7052 2,0954 3,0728 0,7052

56 BAPAK GUSNAR 2,967 2,784 0 0 0,2315 2,5708 3,5484 0,2315


1,453 1,4 0,068 0,002

2,2802

0,5361

1,4983

0,5361


4,3

4

0

0,029

1,5767

4,3733

5,3503

1,5767

lxiii

C. Clustering K4


L R F M

C1 1,285 1,248 0,000 0,060

C2 0,331 0,376 0,068 0,077

C3 0,000 0,072 0,480 0,066

C4 2,386 2,252 0,000 0,003

2. Iterasi 1

NO Nama Pembeli L R F M C1 C2 C3 C4 jarak

1 Z-TECH KOMPUTER 0,494 0,528 0,068 0,559 1,1822 0,5310 0,9299 2,6202 0,5310


1,616 1,552 0,068 0,212

0,4793

1,7471

2,2345

1,0636

0,4793

3 TEKNOGRASI 0,227 0,284 0,068 0,154 1,4360 0,1588 0,5234 2,9260 0,1588

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 1,0987 0,2064 0,7681 2,5866 0,2064

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 0,5986 0,7454 1,2127 2,0619 0,5986

6 RS SITI KHODIJAH 2,988 2,804 0,000 0,002 2,3075 3,6007 4,0776 0,8168 0,8168

7 RS SILOAM 1,285 1,248 0,000 0,060 0,0000 1,2944 1,8068 1,4911 0,0000

8 RS MUHAMMADIYAH 0,000 0,072 0,205 0,056 1,7539 0,4703 0,2752 3,2389 0,2752

9 RS MMC 1,659 1,592 0,000 0,001 0,5116 1,8035 2,3016 0,9819 0,5116


2,532 2,388 0,000 0,091

1,6898

2,9828

3,4650

0,2181

0,2181

11 RS AR-RASYID 0,331 0,376 0,205 0,028 1,3090 0,1455 0,5282 2,7902 0,1455


0,477 0,508 0,618 0,400

1,3031

0,6675

0,7404

2,6880

0,6675

13 PT.TRIMATA BENUA 0,184 0,244 0,000 0,012 1,4908 0,2188 0,5448 2,9801 0,2188

14 PT.TRIARYANI 2,650 2,500 0,068 0,354 1,8766 3,1569 3,6291 0,5089 0,5089


0,580 0,604 0,068 0,020

0,9581

0,3424

0,8895

2,4459

0,3424

16 PT.SOLID 1,720 0,213 0,000 0,000 1,1243 1,4023 1,7925 2,1450 1,1243


3,861 3,600 0,000 0,038

3,4883

4,7813

5,2522

1,9985

1,9985

18 PT.PINAGO 1,285 1,248 0,000 0,006 0,0540 1,2962 1,8078 1,4900 0,0540


4,257 3,960 0,000 0,047

4,0234

5,3164

5,7853

2,5337

2,5337


1,470 1,420 0,000 0,005

0,2585

1,5482

2,0523

1,2375

0,2585


0,331 0,376 0,068 0,077

1,2944

0,0000

0,6098

2,7843

0,0000


2,158 2,044 0,000 0,017

1,1822

2,4756

2,9629

0,3089

0,3089


0,038 0,112 0,068 0,047

1,6883

0,3955

0,4161

3,1779

0,3955

lxiv


0,808 0,812 0,000 0,003

0,6487

0,6540

1,1978

2,1363

0,6487


0,954 0,944 0,068 0,020

0,4563

0,8450

1,3573

1,9407

0,4563


0,954 0,236 0,068 0,025

1,0675

0,6407

1,0528

2,4739

0,6407


0,455 0,492 0,480 0,048

1,2211

0,4466

0,6195

2,6568

0,4466

28 PT.FIF 1,182 1,156 0,000 0,002 0,1498 1,1588 1,6753 1,6281 0,1498


0,434 0,472 0,618 0,113

1,3081

0,5689

0,6080

2,7153

0,5689


3,487 3,260 0,000 0,014

2,9831

4,2763

4,7493

1,4928

1,4928

31 PT.BBIP 0,412 0,452 0,000 0,003 1,1828 0,1498 0,7406 2,6715 0,1498


2,532 2,388 0,000 0,081

1,6897

2,9828

3,4649

0,2142

0,2142


0,412 0,452 0,137 0,106

1,1902

0,1339

0,6583

2,6769

0,1339


2,261 0,000 0,000 0,037

1,5845

1,9679

2,3127

2,2557

1,5845


0,000 0,072 0,480 0,066

1,8068

0,6098

0,0000

3,2680

0,0000


1,952 1,856 0,068 0,024

0,9058

2,1956

2,6767

0,5918

0,5918


0,494 0,528 0,411 0,061

1,1459

0,4094

0,6758

2,5931

0,4094

38 PT.ABL 0,331 0,376 0,000 0,013 1,2933 0,0934 0,6597 2,7825 0,0934

39 PT.AAM 2,803 2,632 0,000 0,003 2,0550 3,3482 3,8268 0,5642 0,5642

40 PONPES KHASANAH 3,551 3,316 0,000 0,019 3,0681 4,3612 4,8338 1,5778 1,5778


4,300

4,000

0,000

0,137

4,0828

5,3754

5,8442

2,5955

2,5955


3,758 3,504 0,000 0,002

3,3479

4,6410

5,1123

1,8574

1,8574

43 MASJID NURULLAH 1,057 1,040 0,000 0,001 0,3142 0,9891 1,5129 1,7987 0,3142


1,720 1,648 0,000 0,436

0,7004

1,9185

2,4103

0,9979

0,7004


2,782 2,616 0,000 0,000

2,0288

3,3220

3,8008

0,5379

0,5379


3,801 3,544 0,000 0,001

3,4067

4,6997

5,1708

1,9161

1,9161

47 IBU NING 2,201 2,084 0,000 0,002 1,2415 2,5347 3,0211 0,2499 0,2499

48 IBU KHOLIAH 1,952 1,856 0,000 0,008 0,9040 2,1971 2,6883 0,5875 0,5875

49 IBU ITA 2,386 2,252 0,000 0,003 1,4911 2,7843 3,2680 0,0000 0,0000

50 BOBBY COM 2,463 2,368 0,000 0,001 1,6265 2,9196 3,4019 0,1392 0,1392


0,369 0,416 0,000 0,004

1,2387

0,1140

0,6991

2,7275

0,1140

52 BAPAK WENDI 0,369 0,416 0,000 0,002 1,2388 0,1153 0,6993 2,7275 0,1153

53 BAPAK SURYA YUSRA 3,427 3,200 0,000 0,042 2,8981 4,1912 4,6647 1,4085 1,4085

lxv

54 BAPAK RIZKY 1,182 1,156 0,000 0,001 0,1502 1,1589 1,6754 1,6281 0,1502

55 BAPAK LUKMAN 2,614 2,464 0,000 0,002 1,8023 3,0955 3,5762 0,3113 0,3113

56 BAPAK GUSNAR 2,967 2,784 0,000 0,000 2,2786 3,5718 4,0488 0,7878 0,7878


1,453 1,400 0,068 0,002

0,2435

1,5209

2,0121

1,2653

0,2435


4,300

4,000

0,000

0,029

4,0822

5,3752

5,8439

2,5922

2,5922

lxvi


L R F M

C1 1,368 1,087 0,027 0,054

C2 0,409 0,410 0,164 0,094

C3 0,000 0,072 0,343 0,061

C4 2,921 2,741 0,006 0,036

4. Iterasi 2


1 Z-TECH KOMPUTER 0,494 0,528 0,068 0,559 1,1546 0,4966 0,8807 3,3264 0,4966


1,616 1,552 0,068 0,212

0,5517

1,6686

2,2137

1,7753

0,5517

3 TEKNOGRASI 0,227 0,284 0,068 0,154 1,3994 0,2486 0,4251 3,6486 0,2486

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 1,0641 0,1723 0,7038 3,3111 0,1723

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 0,5733 0,6560 1,1890 2,7835 0,5733

6 RS SITI KHODIJAH 2,988 2,804 0,000 0,002 2,3613 3,5239 4,0636 0,0982 0,0982

7 RS SILOAM 1,285 1,248 0,000 0,060 0,1832 1,2238 1,7753 2,2150 0,1832

8 RS MUHAMMADIYAH 0,000 0,072 0,205 0,056 1,7127 0,5335 0,1381 3,9618 0,1381

9 RS MMC 1,659 1,592 0,000 0,001 0,5859 1,7307 2,2768 1,7071 0,5859


2,532 2,388 0,000 0,091

1,7463

2,9063

3,4487

0,5282

0,5282

11 RS AR-RASYID 0,331 0,376 0,205 0,028 1,2701 0,1152 0,4713 3,5130 0,1152


0,477 0,508 0,618 0,400

1,2642

0,5603

0,7799

3,3862

0,5603

13 PT.TRIMATA BENUA 0,184 0,244 0,000 0,012 1,4543 0,3344 0,4284 3,7050 0,3344

14 PT.TRIARYANI 2,650 2,500 0,068 0,354 1,9318 3,0768 3,6165 0,4863 0,4863


0,580 0,604 0,068 0,020

0,9258

0,2856

0,8347

3,1704

0,2856

16 PT.SOLID 1,720 0,213 0,000 0,000 0,9441 1,3391 1,7606 2,7990 0,9441


3,861 3,600 0,000 0,038

3,5399

4,7034

5,2414

1,2734

1,2734

18 PT.PINAGO 1,285 1,248 0,000 0,006 0,1893 1,2265 1,7762 2,2151 0,1893


4,257 3,960 0,000 0,047

4,0745

5,2382

5,7755

1,8086

1,8086


1,470 1,420 0,000 0,005

0,3527

1,4767

2,0245

1,9625

0,3527


0,331 0,376 0,068 0,077

1,2582

0,1294

0,5271

3,5081

0,1294


2,158 2,044 0,000 0,017

1,2418

2,4004

2,9437

1,0336

1,0336


0,038 0,112 0,068 0,047

1,6496

0,4877

0,2808

3,9022

0,2808


0,808 0,812 0,000 0,003

0,6265

0,5966

1,1496

2,8613

0,5966

lxvii


0,954 0,944 0,068 0,020

0,4412

0,7726

1,3220

2,6650

0,4412


0,954 0,236 0,068 0,025

0,9477

0,5842

1,0069

3,1856

0,5842


0,455 0,492 0,480 0,048

1,1802

0,3329

0,6343

3,3710

0,3329

28 PT.FIF 1,182 1,156 0,000 0,002 0,2069 1,0906 1,6411 2,3532 0,2069


0,434 0,472 0,618 0,113

1,2662

0,4593

0,6532

3,4226

0,4593


3,487 3,260 0,000 0,014

3,0355

4,1988

4,7373

0,7683

0,7683

31 PT.BBIP 0,412 0,452 0,000 0,003 1,1491 0,1922 0,6597 3,3964 0,1922


2,532 2,388 0,000 0,081

1,7461

2,9063

3,4486

0,5272

0,5272


0,412 0,452 0,137 0,106

1,1541

0,0514

0,5988

3,3995

0,0514


2,261 0,000 0,000 0,037

1,4071

1,9048

2,2881

2,8193

1,4071


0,000 0,072 0,480 0,066

1,7627

0,6182

0,1371

3,9851

0,1371


1,952 1,856 0,068 0,024

0,9670

2,1180

2,6589

1,3138

0,9670


0,494 0,528 0,411 0,061

1,1063

0,2885

0,6757

3,3094

0,2885

38 PT.ABL 0,331 0,376 0,000 0,013 1,2583 0,2017 0,5674 3,5074 0,2017

39 PT.AAM 2,803 2,632 0,000 0,003 2,1094 3,2717 3,8120 0,1641 0,1641

40 PONPES KHASANAH 3,551 3,316 0,000 0,019 3,1202 4,2836 4,8221 0,8531 0,8531


4,300

4,000

0,000

0,137

4,1340

5,2969

5,8346

1,8700

1,8700


3,758 3,504 0,000 0,002

3,3996

4,5633

5,1012

1,1331

1,1331

43 MASJID NURULLAH 1,057 1,040 0,000 0,001 0,3201 0,9232 1,4750 2,5237 0,3201


1,720 1,648 0,000 0,436

0,7650

1,8426

2,3876

1,6724

0,7650


2,782 2,616 0,000 0,000

2,0835

3,2455

3,7859

0,1905

0,1905


3,801 3,544 0,000 0,001

3,4583

4,6220

5,1598

1,1918

1,1918

47 IBU NING 2,201 2,084 0,000 0,002 1,3005 2,4595 3,0023 0,9753 0,9753

48 IBU KHOLIAH 1,952 1,856 0,000 0,008 0,9671 2,1227 2,6671 1,3126 0,9671

49 IBU ITA 2,386 2,252 0,000 0,003 1,5482 2,7086 3,2506 0,7256 0,7256

50 BOBBY COM 2,463 2,368 0,000 0,001 1,6863 2,8440 3,3851 0,5917 0,5917


0,369 0,416 0,000 0,004

1,2048

0,1914

0,6127

3,4524

0,1914

52 BAPAK WENDI 0,369 0,416 0,000 0,002 1,2049 0,1923 0,6129 3,4525 0,1923


54 BAPAK RIZKY 1,182 1,156 0,000 0,001 0,2071 1,0907 1,6412 2,3532 0,2071

lxviii

55 BAPAK LUKMAN 2,614 2,464 0,000 0,002 1,8580 3,0193 3,5603 0,4149 0,4149

56 BAPAK GUSNAR 2,967 2,784 0,000 0,000 2,3324 3,4950 4,0348 0,0728 0,0728


1,453 1,400 0,068 0,002

0,3310

1,4449

1,9884

1,9895

0,3310


4,300

4,000

0,000

0,029

4,1332

5,2971

5,8342

1,8673

1,8673

lxix


L R F M

C1 1,476 1,200 0,030 0,053

C2 0,452 0,449 0,160 0,091

C3 0,013 0,085 0,251 0,056

C4 3,134 2,939 0,003 0,042

6. Iterasi 3


1 Z-TECH KOMPUTER 0,494 0,528 0,068 0,559 1,2938 0,4849 0,8449 3,6128 0,4849


1,616 1,552 0,068 0,212

0,4127

1,6107

2,1862

2,0641

0,4127

3 TEKNOGRASI 0,227 0,284 0,068 0,154 1,5527 0,3004 0,3584 3,9389 0,3004

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 1,2165 0,1355 0,6553 3,6018 0,1355

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 0,7132 0,5984 1,1634 3,0736 0,5984

6 RS SITI KHODIJAH 2,988 2,804 0,000 0,002 2,2050 3,4656 4,0385 0,2027 0,2027

7 RS SILOAM 1,285 1,248 0,000 0,060 0,1993 1,1656 1,7417 2,5055 0,1993

8 RS MUHAMMADIYAH 0,000 0,072 0,205 0,056 1,8660 0,5915 0,0495 4,2522 0,0495

9 RS MMC 1,659 1,592 0,000 0,001 0,4366 1,6723 2,2464 1,9977 0,4366


2,532 2,388 0,000 0,091

1,5902

2,8480

3,4225

0,8174

0,8174

11 RS AR-RASYID 0,331 0,376 0,205 0,028 1,4218 0,1614 0,4344 3,8033 0,1614


0,477 0,508 0,618 0,400

1,3942

0,5562

0,8044

3,6707

0,5562

13 PT.TRIMATA BENUA 0,184 0,244 0,000 0,012 1,6081 0,3818 0,3457 3,9956 0,3457

14 PT.TRIARYANI 2,650 2,500 0,068 0,354 1,7777 3,0191 3,5928 0,7268 0,7268


0,580 0,604 0,068 0,020

1,0773

0,2322

0,7910

3,4610

0,2322

16 PT.SOLID 1,720 0,213 0,000 0,000 1,0186 1,3026 1,7313 3,0708 1,0186


3,861 3,600 0,000 0,038

3,3836

4,6452

5,2178

0,9828

0,9828

18 PT.PINAGO 1,285 1,248 0,000 0,006 0,2045 1,1683 1,7425 2,5057 0,2045


4,257 3,960 0,000 0,047

3,9182

5,1799

5,7524

1,5180

1,5180


1,470 1,420 0,000 0,005

0,2270

1,4184

1,9927

2,2532

0,2270


0,331 0,376 0,068 0,077

1,4115

0,1692

0,4688

3,7987

0,1692


2,158 2,044 0,000 0,017

1,0860

2,3420

2,9161

1,3243

1,0860


0,038 0,112 0,068 0,047

1,8037

0,5436

0,1869

4,1928

0,1869

24 PT.LAJU PERDANA INDAH 0,808 0,812 0,000 0,003 0,7747 0,5402 1,1074 3,1519 0,5402

25 PT.KASIH AGRO MANDIRI 0,954 0,944 0,068 0,020 0,5836 0,7144 1,2877 2,9557 0,5836

lxx


0,954 0,236 0,068 0,025

1,0974

0,5567

0,9712

3,4729

0,5567

27 PT.GLOBAL ALAM LESTARI 0,455 0,492 0,480 0,048 1,3216 0,3260 0,6431 3,6594 0,3260

28 PT.FIF 1,182 1,156 0,000 0,002 0,3030 1,0325 1,6061 2,6439 0,3030


0,434 0,472 0,618 0,113

1,4020

0,4597

0,6819

3,7091

0,4597

30 PT.BINASAWIT MAKMUR 3,487 3,260 0,000 0,014 2,8792 4,1405 4,7132 0,4782 0,4782

31 PT.BBIP 0,412 0,452 0,000 0,003 1,3020 0,1870 0,5998 3,6871 0,1870


2,532 2,388 0,000 0,081

1,5899

2,8480

3,4224

0,8168

0,8168

33 PT.BARA PAGMER JAYA 0,412 0,452 0,137 0,106 1,3062 0,0486 0,5562 3,6899 0,0486

34 PT.ARJUNA MAS ABADI 2,261 0,000 0,000 0,037 1,4344 1,8713 2,2640 3,0655 1,4344


0,000 0,072 0,480 0,066

1,9116

0,6706

0,2299

4,2741

0,2299


1,952 1,856 0,068 0,024

0,8118

2,0597

2,6326

1,6043

0,8118


0,494 0,528 0,411 0,061

1,2496

0,2684

0,6732

3,5983

0,2684

38 PT.ABL 0,331 0,376 0,000 0,013 1,4116 0,2273 0,5007 3,7981 0,2273

39 PT.AAM 2,803 2,632 0,000 0,003 1,9531 3,2133 3,7865 0,4530 0,4530

40 PONPES KHASANAH 3,551 3,316 0,000 0,019 2,9639 4,2254 4,7981 0,5628 0,5628


4,300

4,000

0,000

0,137

3,9777

5,2387

5,8117

1,5795

1,5795


3,758 3,504 0,000 0,002

3,2433

4,5050

5,0775

0,8429

0,8429

43 MASJID NURULLAH 1,057 1,040 0,000 0,001 0,4525 0,8654 1,4381 2,8144 0,4525


1,720 1,648 0,000 0,436

0,6388

1,7859

2,3588

1,9546

0,6388


2,782 2,616 0,000 0,000

1,9272

3,1872

3,7603

0,4794

0,4794


3,801 3,544 0,000 0,001

3,3020

4,5638

5,1361

0,9017

0,9017

47 IBU NING 2,201 2,084 0,000 0,002 1,1447 2,4011 2,9748 1,2660 1,1447

48 IBU KHOLIAH 1,952 1,856 0,000 0,008 0,8122 2,0644 2,6385 1,6033 0,8122

49 IBU ITA 2,386 2,252 0,000 0,003 1,3921 2,6503 3,2238 1,0162 1,0162

50 BOBBY COM 2,463 2,368 0,000 0,001 1,5303 2,7857 3,3587 0,8819 0,8819

51 BAPAK YUSUF SOLEHAT 0,369 0,416 0,000 0,004 1,3578 0,2029 0,5496 3,7431 0,2029

52 BAPAK WENDI 0,369 0,416 0,000 0,002 1,3578 0,2038 0,5498 3,7431 0,2038


54 BAPAK RIZKY 1,182 1,156 0,000 0,001 0,3032 1,0326 1,6062 2,6439 0,3032

55 BAPAK LUKMAN 2,614 2,464 0,000 0,002 1,7017 2,9610 3,5343 0,7052 0,7052

56 BAPAK GUSNAR 2,967 2,784 0,000 0,000 2,1761 3,4367 4,0096 0,2315 0,2315

57 BAPAK AGUNG BAGUSTA 1,453 1,400 0,068 0,002 0,2110 1,3866 1,9594 2,2802 0,2110


4,300 4,000 0,000 0,029

3,9769

5,2388

5,8112

1,5767

1,5767

lxxi


L R F M

C1 1,595 1,321 0,016 0,049

C2 0,490 0,484 0,171 0,092

C3 0,056 0,125 0,188 0,045

C4 3,235 3,031 0,004 0,046

8. Iterasi 4

NO Nama Pembeli L R F M C1 C2 C3 C4 Jarak

1 Z-TECH KOMPUTER 0,494 0,528 0,068 0,559 1,4501 0,4802 0,7956 3,7472 0,4802


1,616 1,552 0,068 0,212

0,2882

1,5600

2,1246

2,1995

0,2882

3 TEKNOGRASI 0,227 0,284 0,068 0,154 1,7202 0,3517 0,2846 4,0750 0,2846

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 1,3833 0,1317 0,5829 3,7380 0,1317

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 0,8750 0,5466 1,1040 3,2096 0,5466

6 RS SITI KHODIJAH 2,988 2,804 0,000 0,002 2,0356 3,4146 3,9767 0,3378 0,3378

7 RS SILOAM 1,285 1,248 0,000 0,060 0,3186 1,1163 1,6758 2,6418 0,3186

8 RS MUHAMMADIYAH 0,000 0,072 0,205 0,056 2,0343 0,6421 0,0793 4,3882 0,0793

lxxii

9 RS MMC 1,659 1,592 0,000 0,001 0,2831 1,6223 2,1819 2,1340 0,2831


2,532 2,388 0,000 0,091

1,4211

2,7972

3,3603

0,9532

0,9532

11 RS AR-RASYID 0,331 0,376 0,205 0,028 1,5892 0,2055 0,3735 3,9394 0,2055


0,477 0,508 0,618 0,400

1,5477

0,5433

0,7967

3,8041

0,5433

13 PT.TRIMATA BENUA 0,184 0,244 0,000 0,012 1,7751 0,4324 0,2593 4,1319 0,2593

14 PT.TRIARYANI 2,650 2,500 0,068 0,354 1,6124 2,9680 3,5330 0,8500 0,8500


0,580 0,604 0,068 0,020

1,2437

0,1959

0,7209

3,5972

0,1959

16 PT.SOLID 1,720 0,213 0,000 0,000 1,1163 1,2742 1,6780 3,1992 1,1163


3,861 3,600 0,000 0,038

3,2142

4,5940

5,1568

0,8466

0,8466

18 PT.PINAGO 1,285 1,248 0,000 0,006 0,3213 1,1191 1,6762 2,6420 0,3213


4,257 3,960 0,000 0,047

3,7488

5,1288

5,6917

1,3817

1,3817


1,470 1,420 0,000 0,005

0,1658

1,3687

1,9274

2,3895

0,1658


0,331 0,376 0,068 0,077

1,5789

0,2187

0,3929

3,9348

0,2187


2,158 2,044 0,000 0,017

0,9174

2,2914

2,8530

1,4606

0,9174


0,038 0,112 0,068 0,047

1,9716

0,5962

0,1223

4,3291

0,1223


0,808 0,812 0,000 0,003

0,9381

0,4959

1,0370

3,2882

0,4959


0,954 0,944 0,068 0,020

0,7456

0,6654

1,2220

3,0919

0,6654


0,954 0,236 0,068 0,025

1,2612

0,5401

0,9135

3,6077

0,5401


0,455 0,492 0,480 0,048

1,4836

0,3140

0,6159

3,7944

0,3140

28 PT.FIF 1,182 1,156 0,000 0,002 0,4471 0,9838 1,5393 2,7802 0,4471


0,434 0,472 0,618 0,113

1,5601

0,4510

0,6730

3,8434

0,4510


3,487 3,260 0,000 0,014

2,7098

4,0894

4,6519

0,3425

0,3425

31 PT.BBIP 0,412 0,452 0,000 0,003 1,4683 0,2107 0,5208 3,8234 0,2107


2,532 2,388 0,000 0,081

1,4208

2,7972

3,3602

0,9528

0,9528


0,412 0,452 0,137 0,106

1,4735

0,0921

0,4902

3,8259

0,0921


2,261 0,000 0,000 0,037

1,4798

1,8445

2,2171

3,1831

1,4798


0,000 0,072 0,480 0,066

2,0780

0,7113

0,3023

4,4095

0,3023


1,952 1,856 0,068 0,024

0,6460

2,0088

2,5706

1,7405

0,6460


0,494 0,528 0,411 0,061

1,4128

0,2458

0,6360

3,7337

0,2458

lxxiii

38 PT.ABL 0,331 0,376 0,000 0,013 1,5783 0,2693 0,4188 3,9343 0,2693

39 PT.AAM 2,803 2,632 0,000 0,003 1,7837 3,1624 3,7244 0,5891 0,5891

40 PONPES KHASANAH 3,551 3,316 0,000 0,019 2,7945 4,1743 4,7368 0,4269 0,4269


4,300

4,000

0,000

0,137

3,8085

5,1874

5,7511

1,4433

1,4433


3,758 3,504 0,000 0,002

3,0739

4,4539

5,0163

0,7071

0,7071

43 MASJID NURULLAH 1,057 1,040 0,000 0,001 0,6086 0,8175 1,3703 2,9507 0,6086


1,720 1,648 0,000 0,436

0,5221

1,7365

2,2974

2,0876

0,5221


2,782 2,616 0,000 0,000

1,7578

3,1363

3,6982

0,6155

0,6155


3,801 3,544 0,000 0,001

3,1326

4,5126

5,0750

0,7658

0,7658

47 IBU NING 2,201 2,084 0,000 0,002 0,9760 2,3505 2,9117 1,4023 0,9760

48 IBU KHOLIAH 1,952 1,856 0,000 0,008 0,6450 2,0140 2,5749 1,7396 0,6450

49 IBU ITA 2,386 2,252 0,000 0,003 1,2230 2,5996 3,1611 1,1525 1,1525

50 BOBBY COM 2,463 2,368 0,000 0,001 1,3613 2,7349 3,2961 1,0181 1,0181


0,369 0,416 0,000 0,004

1,5242

0,2374

0,4692

3,8794

0,2374

52 BAPAK WENDI 0,369 0,416 0,000 0,002 1,5243 0,2381 0,4694 3,8794 0,2381


54 BAPAK RIZKY 1,182 1,156 0,000 0,001 0,4472 0,9839 1,5393 2,7802 0,4472

55 BAPAK LUKMAN 2,614 2,464 0,000 0,002 1,5324 2,9102 3,4719 0,8415 0,8415

56 BAPAK GUSNAR 2,967 2,784 0,000 0,000 2,0067 3,3857 3,9477 0,3668 0,3668


1,453 1,400 0,068 0,002

0,1766

1,3361

1,8960

2,4164

0,1766


4,300

4,000

0,000

0,029

3,8075

5,1876

5,7504

1,4405

1,4405

lxxiv


L R F M

C1 1,6942 1,4036 0,0170 0,0521

C2 0,5306 0,5204 0,1712 0,0847

C3 0,0898 0,1568 0,1642 0,0670

C4 3,2347 3,0305 0,0036 0,0456

10. Iterasi 5


1 Z-TECH KOMPUTER 0,494 0,528 0,068 0,559 1,5706 0,4868 0,7433 3,7472 0,4868


1,616 1,552 0,068 0,212

0,2373

1,5064

2,0751

2,1995

0,2373

3 TEKNOGRASI 0,227 0,284 0,068 0,154 1,8491 0,4044 0,2277 4,0750 0,2277

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 1,5125 0,1361 0,5341 3,7380 0,1361

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 1,0006 0,4919 1,0585 3,2096 0,4919

6 RS SITI KHODIJAH 2,988 2,804 0,000 0,002 1,9073 3,3600 3,9292 0,3378 0,3378

7 RS SILOAM 1,285 1,248 0,000 0,060 0,4382 1,0623 1,6267 2,6418 0,4382

8 RS MUHAMMADIYAH 0,000 0,072 0,205 0,056 2,1631 0,6961 0,1305 4,3882 0,1305

9 RS MMC 1,659 1,592 0,000 0,001 0,1991 1,5678 2,1339 2,1340 0,1991

lxxv


2,532 2,388 0,000 0,091

1,2934

2,7428

3,3121

0,9532

0,9532

11 RS AR-RASYID 0,331 0,376 0,205 0,028 1,7176 0,2550 0,3308 3,9394 0,2550


0,477 0,508 0,618 0,400

1,6631

0,5496

0,7682

3,8041

0,5496

13 PT.TRIMATA BENUA 0,184 0,244 0,000 0,012 1,9045 0,4808 0,2156 4,1319 0,2156

14 PT.TRIARYANI 2,650 2,500 0,068 0,354 1,4864 2,9144 3,4838 0,8500 0,8500


0,580 0,604 0,068 0,020

1,3727

0,1558

0,6721

3,5972

0,1558

16 PT.SOLID 1,720 0,213 0,000 0,000 1,1921 1,2432 1,6408 3,1992 1,1921


3,861 3,600 0,000 0,038

3,0854

4,5395

5,1093

0,8466

0,8466

18 PT.PINAGO 1,285 1,248 0,000 0,006 0,4405 1,0649 1,6279 2,6420 0,4405


4,257 3,960 0,000 0,047

3,6199

5,0742

5,6442

1,3817

1,3817


1,470 1,420 0,000 0,005

0,2303

1,3143

1,8792

2,3895

0,2303


0,331 0,376 0,068 0,077

1,7081

0,2672

0,3400

3,9348

0,2672


2,158 2,044 0,000 0,017

0,7917

2,2369

2,8051

1,4606

0,7917


0,038 0,112 0,068 0,047

2,1009

0,6492

0,1198

4,3291

0,1198


0,808 0,812 0,000 0,003

1,0668

0,4449

0,9880

3,2882

0,4449


0,954 0,944 0,068 0,020

0,8734

0,6112

1,1739

3,0919

0,6112


0,954 0,236 0,068 0,025

1,3837

0,5238

0,8741

3,6077

0,5238


0,455 0,492 0,480 0,048

1,6066

0,3213

0,5881

3,7944

0,3213

28 PT.FIF 1,182 1,156 0,000 0,002 0,5714 0,9298 1,4908 2,7802 0,5714


0,434 0,472 0,618 0,113

1,6796

0,4605

0,6526

3,8434

0,4605


3,487 3,260 0,000 0,014

2,5811

4,0349

4,6044

0,3425

0,3425

31 PT.BBIP 0,412 0,452 0,000 0,003 1,5976 0,2339 0,4712 3,8234 0,2339


2,532 2,388 0,000 0,081

1,2931

2,7428

3,3121

0,9528

0,9528

33 PT.BARA PAGMER JAYA 0,412 0,452 0,137 0,106 1,6021 0,1427 0,4396 3,8259 0,1427

34 PT.ARJUNA MAS ABADI 2,261 0,000 0,000 0,037 1,5139 1,8157 2,1832 3,1831 1,5139


0,000 0,072 0,480 0,066

2,2041

0,7605

0,3391

4,4095

0,3391


1,952 1,856 0,068 0,024

0,5239

1,9541

2,5231

1,7405

0,5239


0,494 0,528 0,411 0,061

1,5370

0,2439

0,6018

3,7337

0,2439

38 PT.ABL 0,331 0,376 0,000 0,013 1,7077 0,3085 0,3689 3,9343 0,3085

39 PT.AAM 2,803 2,632 0,000 0,003 1,6556 3,1078 3,6768 0,5891 0,5891

lxxvi

40 PONPES KHASANAH 3,551 3,316 0,000 0,019 2,6658 4,1197 4,6893 0,4269 0,4269


4,300

4,000

0,000

0,137

3,6795

5,1330

5,7033

1,4433

1,4433


3,758 3,504 0,000 0,002

2,9451

4,3993

4,9690

0,7071

0,7071

43 MASJID NURULLAH 1,057 1,040 0,000 0,001 0,7356 0,7638 1,3217 2,9507 0,7356


1,720 1,648 0,000 0,436

0,4561

1,6849

2,2460

2,0876

0,4561


2,782 2,616 0,000 0,000

1,6298

3,0817

3,6506

0,6155

0,6155


3,801 3,544 0,000 0,001

3,0038

4,4580

5,0277

0,7658

0,7658

47 IBU NING 2,201 2,084 0,000 0,002 0,8501 2,2959 2,8640 1,4023 0,8501

48 IBU KHOLIAH 1,952 1,856 0,000 0,008 0,5228 1,9594 2,5270 1,7396 0,5228

49 IBU ITA 2,386 2,252 0,000 0,003 1,0959 2,5450 3,1134 1,1525 1,0959

50 BOBBY COM 2,463 2,368 0,000 0,001 1,2345 2,6803 3,2485 1,0181 1,0181

51 BAPAK YUSUF SOLEHAT 0,369 0,416 0,000 0,004 1,6535 0,2699 0,4196 3,8794 0,2699

52 BAPAK WENDI 0,369 0,416 0,000 0,002 1,6536 0,2705 0,4199 3,8794 0,2705


54 BAPAK RIZKY 1,182 1,156 0,000 0,001 0,5714 0,9299 1,4908 2,7802 0,5714

55 BAPAK LUKMAN 2,614 2,464 0,000 0,002 1,4047 2,8556 3,4243 0,8415 0,8415

56 BAPAK GUSNAR 2,967 2,784 0,000 0,000 1,8784 3,3311 3,9002 0,3668 0,3668


1,453 1,400 0,068 0,002

0,2516

1,2814

1,8486

2,4164

0,2516


4,300 4,000 0,000 0,029

3,6786

5,1331

5,7030

1,4405

1,4405

lxxvii

D. Clustering K5


L R F M

C1 0,331 0,376 0,205 0,028

C2 2,158 2,044 0 0,017

C3 0,412 0,452 0,137 0,106

C4 1,72 1,648 0 0,436

2. Iterasi 1


C1

C2

C3

C4

C5

Jarak cluste

r

1 Z-TECH KOMPUTER 0,494 0,528 0,068 0,559 0,5919 2,3164 0,4717 2,7772 2,9253 0,4717 3


1,616 1,552 0,068 0,212

1,7569

0,7606

1,6357

0,0748

1,3698

0,0748

4

3 TEKNOGRASI 0,227 0,284 0,068 0,154 0,2322 2,6172 0,2637 4,1737 3,2370 0,2322 1

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 0,2402 2,2781 0,1428 3,0265 2,8978 0,1428 3

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 0,7310 1,7549 0,6287 1,5374 2,3718 0,6287 3

6 RS SITI KHODIJAH 2,988 2,804 0 0,002 3,6052 1,1255 3,4925 3,1325 0,5054 0,5054 5

7 RS SILOAM 1,285 1,248 0 0,06 1,3090 1,1822 1,1902 0,4906 1,8023 0,4906 4

lxxviii

8 RS MUHAMMADIYAH 0 0,072 0,205 0,056 0,4503 2,9307 0,5668 5,6286 3,5496 0,4503 1

9 RS MMC 1,659 1,592 0 0,001 1,8125 0,6735 1,6984 0,1961 1,2932 0,1961 4


2,532 2,388 0 0,091

2,9897

0,5135

2,8743

1,3260

0,1429

0,1429

5

11 RS AR-RASYID 0,331 0,376 0,205 0,028 0,0000 2,4824 0,1518 3,7558 3,1007 0,0000 1


0,477 0,508 0,618 0,4

0,5897

2,3903

0,5702

3,2279

2,9888

0,5702

3

13 PT.TRIMATA BENUA 0,184 0,244 0 0,012 0,2852 2,6715 0,3505 4,5103 3,2914 0,2852 1

14 PT.TRIARYANI 2,65 2,5 0,068 0,354 3,1645 0,7538 3,0445 1,6022 0,3621 0,3621 5


0,58 0,604 0,068 0,02

0,3644

2,1374

0,2520

2,5672

2,7571

0,2520

3

16 PT.SOLID 1,72 0,213 0 0,000 281

1,4137

1,8827

1,3409

2,2491

2,4220

1,3409

3


3,861 3,6 0 0,038

4,7851

2,3069

4,6721

8,5526

1,6872

1,6872

5

18 PT.PINAGO 1,285 1,248 0 0,006 1,3088 1,1815 1,1935 0,5341 1,8014 0,5341 4


4,257 3,96 0 0,047

5,3199

2,8421

5,2070

11,9330

2,2225

2,2225

5


1,47 1,42 0 0,005

1,5588

0,9289

1,4441

0,3002

1,5488

0,3002

4


0,331 0,376 0,068 0,077

0,1455

2,4756

0,1339

3,6808

3,0955

0,1339

3


2,158 2,044 0 0,017

2,4824

0,0000

2,3685

0,5242

0,6201

0,0000

2


0,038 0,112 0,068 0,047

0,4179

2,8692

0,5135

5,3444

3,4892

0,4179

1


0,808 0,812 0 0,003

0,6784

1,8277

0,5620

1,7181

2,4476

0,5620

3


0,954 0,944 0,068 0,02

0,8542

1,6323

0,7403

1,2601

2,2519

0,7403

3


0,954 0,236 0,068 0,025

0,6531

2,1733

0,5931

2,7540

2,7793

0,5931

3


0,455 0,492 0,48 0,048

0,3238

2,3538

0,3528

3,3175

2,9635

0,3238

1

28 PT.FIF 1,182 1,156 0 0,002 1,1727 1,3196 1,0574 0,7199 1,9395 0,7199 4


0,434 0,472 0,618 0,113

0,4445

2,4155

0,4820

3,5230

3,0191

0,4445

1


3,487 3,26 0 0,014

4,2802

1,8014

4,1675

5,8989

1,1815

1,1815

5

31 PT.BBIP 0,412 0,452 0 0,003 0,2345 2,3629 0,1714 3,3288 2,9828 0,1714 3


2,532 2,388 0 0,081

2,9895

0,5122

2,8744

1,3330

0,1369

0,1369

5


0,412 0,452 0,137 0,106

0,1518

2,3685

0,0000

3,2689

2,9877

0,0000

3


2,261 0 0 0,037

1,9770

2,0467

1,9096

3,1678

2,4894

1,9096

3


0 0,072 0,48 0,066

0,5282

2,9629

0,6583

5,8095

3,5762

0,5282

1


1,952 1,856 0,068 0,024

2,1993

0,2871

2,0867

0,2715

0,9017

0,2715

4


0,494 0,528 0,411 0,061

0,3053

2,2887

0,2993

3,0670

2,9008

0,2993

3

38 PT.ABL 0,331 0,376 0 0,013 0,2055 2,4739 0,1994 3,7262 3,0939 0,1994 3

lxxix

39 PT.AAM 2,803 2,632 0 0,003 3,3531 0,8729 3,2402 2,3286 0,2529 0,2529 5

40 PONPES KHASANAH 3,551 3,316 0 0,019 4,3651 1,8864 4,2523 6,3087 1,2666 1,2666 5


4,3

4

0

0,137

5,3796

2,9032

5,2654

12,2777

2,2848

2,2848

5


3,758 3,504 0 0,002

4,6445

2,1661

4,5321

7,7865

1,5461

1,5461

5

43 MASJID NURULLAH 1,057 1,04 0 0,001 1,0053 1,4901 0,8897 0,9985 2,1100 0,8897 3


1,72 1,648 0 0,436

1,9380

0,7240

1,8080

0,0000

1,2859

0,0000

4


2,782 2,616 0 0

3,3268

0,8467

3,2140

2,2550

0,2266

0,2266

5


3,801 3,544 0 0,000

5

4,7032

2,2248

4,5908

8,1150

1,6048

1,6048

5

47 IBU NING 2,201 2,084 0 0,001

6

2,5410

0,0607

2,4277

0,6102

0,5612

0,0607

2

48 IBU KHOLIAH 1,952 1,856 0 0,008 2,2046 0,2790 2,0907 0,2803 0,8989 0,2790 2

49 IBU ITA 2,386 2,252 0 0,003 2,7902 0,3089 2,6769 0,9959 0,3113 0,3089 2

50 BOBBY COM 2,463 2,368 0 0,001 2,9251 0,4453 2,8120 1,2597 0,1789 0,1789 5


0,369 0,416 0 0,004

0,2136

2,4189

0,1798

3,5296

3,0388

0,1798

3

52 BAPAK WENDI 0,369 0,416 0 0,002 0,2139 2,4189 0,1809 3,5314 3,0388 0,1809 3

53 BAPAK SURYA YUSRA 3,427 3,2 0 0,042 4,1955 1,7168 4,0822 5,4778 1,0974 1,0974 5

54 BAPAK RIZKY 1,182 1,156 0 0,001 1,1728 1,3196 1,0575 0,7207 1,9395 0,7207 4

55 BAPAK LUKMAN 2,614 2,464 0 0,002 3,1007 0,6201 2,9877 1,6534 0,0000 0,0000 5

56 BAPAK GUSNAR 2,967 2,784 0 0 3,5763 1,0965 3,4636 3,0356 0,4765 0,4765 5


1,453 1,4 0,068 0,002

1,5254

0,9574

1,4135

0,3258

1,5763

0,3258

4


4,3

4

0

0,029

5,3785

2,9007

5,2659

12,3540

2,2809

2,2809

5


L R F M

C1 0,2086 0,2655 0,2655 0,0655

C2 2,1743 2,0590 0,0074 2,5046

C3 0,7427 0,5156 0,0988 0,0763

C4 1,4804 1,4276 0,0204 0,0749

4. Iterasi 2

NO Nama Pembeli L R F M C1 C2 C3 C4 C5 Jarak cluster

1 Z-TECH

KOMPUTER 0,494 0,528 0,068 0,559

0,6580

2,9927

0,5440

2,0189

3,6797

0,5440

3


1,616 1,552 0,068 0,212

1,9226

2,4142

1,3624

0,0549

2,1338

0,0549

4

3 TEKNOGRASI 0,227 0,284 0,068 0,154 0,2180 3,5315 0,5715 2,8874 4,0068 0,2180 1

lxxx

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 0,4152 3,3894 0,2745 1,8583 3,6700 0,2745 3

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 0,8988 3,0484 0,3955 0,7201 3,1424 0,3955 3

6 RS SITI KHODIJAH 2,988 2,804 0 0,002 3,7741 2,7350 3,2083 4,1731 0,3055 0,3055 5

7 RS SILOAM 1,285 1,248 0 0,06 1,4814 2,7248 0,9168 0,0711 2,5750 0,0711 4

8 RS MUHAMMADIYAH

0 0,072 0,205 0,056

0,2910

3,8354

0,8718

4,0637

4,3198

0,2910

1

9 RS MMC 1,659 1,592 0 0,001 1,9844 2,5984 1,4190 0,0648 2,0685 0,0648 4


2,532

2,388

0

0,091

3,1582

2,4621

2,5918

2,0289

0,8945

0,8945

5

11 RS AR-RASYID 0,331 0,376 0,205 0,028 0,1796 3,5218 0,4501 2,4633 3,8713 0,1796 1


0,477

0,508

0,618

0,4

0,6058

3,1763

0,6671

2,3153

3,7370

0,6058

1

13 PT.TRIMATA BENUA

0,184 0,244 0 0,012

0,2728

3,6700

0,6323

3,0859

4,0637

0,2728

1

14 PT.TRIARYANI 2,65 2,5 0,068 0,354 3,3280 2,2471 2,7665 2,5982 0,7979 0,7979 5


0,58 0,604 0,068 0,02

0,5418

3,2918

0,1960

1,4943

3,5294

0,1960

3

16 PT.SOLID 1,72 0,213 0 0,000281 1,5368 3,1442 1,0306 1,5386 3,0857 1,0306 3


3,861

3,6

0

0,038

4,9528

3,3621

4,3873

10,3884

0,9290

0,9290

5

18 PT.PINAGO 1,285 1,248 0 0,006 1,4826 2,7734 0,9193 0,0756 2,5753 0,0756 4


4,257 3,96 0 0,047

5,4872

3,7405

4,9219

14,1238

1,4597

1,4597

5


1,47

1,42

0

0,005

1,7315

2,6744

1,1669

0,0055

2,3234

0,0055

4


0,331 0,376 0,068 0,077

0,2575

3,4824

0,4358

2,4293

3,8667

0,2575

1


2,158

2,044

0

0,017

2,6526

2,4877

2,0862

0,8429

1,3973

0,8429

4


0,038 0,112 0,068 0,047

0,3033

3,7945

0,8132

3,8144

4,2607

0,3033

1


0,808 0,812 0 0,003

0,8558

3,1112

0,3275

0,8367

3,2207

0,3275

3


0,954 0,944 0,068 0,02

1,0281

2,9848

0,4820

0,5162

3,0245

0,4820

3


0,954 0,236 0,068 0,025

0,7727

3,3113

0,3555

1,7018

3,5187

0,3555

3


0,455 0,492 0,48 0,048

0,3979

3,4161

0,4790

2,1387

3,7270

0,3979

1

28 PT.FIF 1,182 1,156 0 0,002 1,3472 2,8396 0,7864 0,1685 2,7133 0,1685 4


0,434

0,472

0,618

0,113

0,4690

3,4117

0,6067

2,3667

3,7763

0,4690

1

lxxxi


3,487 3,26 0 0,014

4,4484

3,0608

3,8829

7,3883

0,4387

0,4387

5

31 PT.BBIP 0,412 0,452 0 0,003 0,3880 3,4563 0,3585 2,0989 3,7554 0,3585 3


2,532 2,388 0 0,081

3,1582

2,4719

2,5918

2,0287

0,8940

0,8940

5


0,412 0,452 0,137 0,106

0,3071

3,3850

0,3402

2,1078

3,7579

0,3071

1


2,261 0 0 0,037

2,0867

3,2150

1,6070

2,6492

3,0497

1,6070

3


0 0,072 0,48 0,066

0,3563

3,8530

0,9454

4,2405

4,3414

0,3563

1


1,952 1,856 0,068 0,024

2,3685

2,4995

1,8063

0,4108

1,6760

0,4108

4


0,494 0,528 0,411 0,061

0,4142

3,3618

0,3996

1,9350

3,6661

0,3996

3

38 PT.ABL 0,331 0,376 0 0,013 0,3169 3,5268 0,4503 2,4312 3,8662 0,3169 1

39 PT.AAM 2,803 2,632 0 0,003 3,5222 2,6423 2,9562 3,2054 0,5383 0,5383 5

40 PONPES KHASANAH

3,551 3,316 0 0,019

4,5332

3,1070

3,9676

7,8570

0,5185

0,5185

5

41


4,3

4

0

0,137

5,5463

3,7272

4,9809

14,5717

1,5209

1,5209

5


3,758 3,504 0 0,002

4,8126

3,2953

4,2471

9,5046

0,7912

0,7912

5

43 MASJID NURULLAH

1,057 1,04 0 0,001

1,1808

2,9249

0,6239

0,3354

2,8835

0,3354

4


1,72 1,648 0 0,436

2,0984

2,1574

1,5416

0,2368

2,0230

0,2368

4


2,782 2,616 0 0

3,4960

2,6368

2,9302

3,1125

0,5644

0,5644

5


3,801

3,544

0

0,0005

4,8712

3,3350

4,3058

9,8703

0,8491

0,8491

5

47 IBU NING 2,201 2,084 0 0,0016 2,7113 2,5033 2,1452 0,9559 1,3394 0,9559 4

48 IBU KHOLIAH 1,952 1,856 0 0,008 2,3755 2,5147 1,8093 0,4108 1,6751 0,4108 4

49 IBU ITA 2,386 2,252 0 0,003 2,9600 2,5180 2,3939 1,5053 1,0914 1,0914 5

50 BOBBY COM 2,463 2,368 0 0,001 3,0947 2,5391 2,5311 1,8557 0,9636 0,9636 5


0,369 0,416 0 0,004

0,3502

3,4945

0,4057

2,2640

3,8114

0,3502

1

52 BAPAK WENDI 0,369 0,416 0 0,002 0,3506 3,4959 0,4060 2,2643 3,8115 0,3506 1


3,427 3,2 0 0,042

4,3635

2,9892

3,7977

6,9322

0,3571

0,3571

5

54 BAPAK RIZKY 1,182 1,156 0 0,001 1,3473 2,8404 0,7865 0,1687 2,7133 0,1687 4

55 BAPAK LUKMAN 2,614 2,464 0 0,002 3,2701 2,5730 2,7043 2,3649 0,7849 0,7849 5

56 BAPAK GUSNAR 2,967 2,784 0 0 3,7452 2,7253 3,1794 4,0558 0,3309 0,3309 5


1,453 1,4 0,068 0,002

1,6967

2,6872

1,1372

0,0091

2,3501

0,0091

4

lxxxii


4,3

4

0

0,029

5,5460

3,7967

4,9807

14,5699

1,5184

1,5184

5


L R F M

C1 0,5081 0,5663 0,2105 0,0774

C2 2,1743 2,0590 0,0074 2,5046

C3 0,9111 0,5179 0,0869 0,0700

C4 1,5837 1,5214 0,0146 0,0555

6. Iterasi 3


1 Z-TECH

KOMPUTER 0,494 0,528 0,068 0,559

0,5039

2,9927

0,6431

1,5591

3,5015

0,5039

1


1,616 1,552 0,068 0,212

1,4958

2,4142

1,2597

0,1712

1,9510

0,1712

4

3 TEKNOGRASI 0,227 0,284 0,068 0,154 0,4300 3,5315 0,7281 1,8397 3,8245 0,4300 1

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 0,1690 3,3894 0,4381 1,5021 3,4868 0,1690 1

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 0,4749 3,0484 0,3782 0,9854 2,9588 0,3782 3

6 RS SITI KHODIJAH 2,988 2,804 0 0,002 3,3477 2,7350 3,0906 1,9027 0,0872 0,0872 5

7 RS SILOAM 1,285 1,248 0 0,06 1,0549 2,7248 0,8249 0,4052 2,3907 0,4052 4

8 RS MUHAMMADIYAH

0 0,072 0,205 0,056

0,7092

3,8354

1,0213

2,1553

4,1374

0,7092

1

9 RS MMC 1,659 1,592 0 0,001 1,5578 2,5984 1,3135 0,1176 1,8825 0,1176 4


2,532

2,388

0

0,091

2,7312

2,4621

2,4764

1,2852

0,7039

0,7039

5

11 RS AR-RASYID 0,331 0,376 0,205 0,028 0,2647 3,5218 0,6102 1,7083 3,6885 0,2647 1


0,477

0,508

0,618

0,4

0,5239

3,1763

0,7613

1,6536

3,5596

0,5239

1

13 PT.TRIMATA BENUA

0,184 0,244 0 0,012

0,5075

3,6700

0,7840

1,8955

3,8806

0,5075

1

14 PT.TRIARYANI 2,65 2,5 0,068 0,354 2,9024 2,2471 2,6521 1,4787 0,6335 0,6335 5


0,58 0,604 0,068 0,02

0,1738

3,2918

0,3463

1,3613

3,3460

0,1738

1

16 PT.SOLID 1,72 0,213 0 0,000281 1,2821 3,1442 0,8716 1,3167 2,9620 0,8716 3


3,861

3,6

0

0,038

4,5267

3,3621

4,2673

3,0834

1,0978

1,0978

5

18 PT.PINAGO 1,285 1,248 0 0,006 1,0572 2,7734 0,8273 0,4082 2,3906 0,4082 4

lxxxiii


4,257 3,96 0 0,047

5,0613

3,7405

4,8012

3,6185

1,6330

1,6330

5


1,47

1,42

0

0,005

1,3052

2,6744

1,0667

0,1612

2,1380

0,1612

4


0,331 0,376 0,068 0,077

0,2965

3,4824

0,5975

1,6984

3,6839

0,2965

1


2,158

2,044

0

0,017

2,2257

2,4877

1,9733

0,7776

1,2091

0,7776

4


0,038 0,112 0,068 0,047

0,6698

3,7945

0,9633

2,0925

4,0779

0,6698

1


0,808 0,812 0 0,003

0,4474

3,1112

0,3304

1,0526

3,0368

0,3304

3


0,954 0,944 0,068 0,02

0,6042

2,9848

0,4316

0,8568

2,8406

0,4316

3


0,954 0,236 0,068 0,025

0,5753

3,3113

0,2893

1,4327

3,3589

0,2893

3


0,455 0,492 0,48 0,048

0,2861

3,4161

0,6031

1,5970

3,5454

0,2861

1

28 PT.FIF 1,182 1,156 0 0,002 0,9230 2,8396 0,7020 0,5459 2,5287 0,5459 4


0,434

0,472

0,618

0,113

0,4263

3,4117

0,7167

1,6705

3,5961

0,4263

1


3,487 3,26 0 0,014

4,0222

3,0608

3,7636

2,5782

0,5924

0,5924

5

31 PT.BBIP 0,412 0,452 0 0,003 0,2686 3,4563 0,5153 1,5873 3,5720 0,2686 1


2,532 2,388 0 0,081

2,7311

2,4719

2,4763

1,2850

0,7031

0,7031

5


0,412 0,452 0,137 0,106

0,1689

3,3850

0,5072

1,5919

3,5753

0,1689

1


2,261 0 0 0,037

1,8545

3,2150

1,4488

1,6655

2,9661

1,4488

3


0 0,072 0,48 0,066

0,7585

3,8530

1,0879

2,1967

4,1599

0,7585

1


1,952 1,856 0,068 0,024

1,9420

2,4995

1,6960

0,5014

1,4894

0,5014

4


0,494 0,528 0,411 0,061

0,2053

3,3618

0,5284

1,5269

3,4842

0,2053

1

38 PT.ABL 0,331 0,376 0 0,013 0,3406 3,5268 0,6062 1,6980 3,6830 0,3406 1

39 PT.AAM 2,803 2,632 0 0,003 3,0957 2,6423 2,8391 1,6502 0,3371 0,3371 5

40 PONPES KHASANAH

3,551 3,316 0 0,019

4,1070

3,1070

3,8482

2,6632

0,6774

0,6774

5

41


4,3

4

0

0,137

5,1202

3,7272

4,8602

3,6781

1,6953

1,6953

5


3,758 3,504 0 0,002

4,3866

3,2953

4,1272

2,9430

0,9572

0,9572

5

43 MASJID NURULLAH

1,057 1,04 0 0,001

0,7588

2,9249

0,5533

0,7158

2,6992

0,5533

3

lxxxiv


1,72 1,648 0 0,436

1,6768

2,1574

1,4398

0,4238

1,8456

0,4238

4


2,782 2,616 0 0

3,0696

2,6368

2,8133

1,6240

0,3635

0,3635

5


3,801

3,544

0

0,0005

4,4452

3,3350

4,1858

3,0018

1,0160

1,0160

5

47 IBU NING 2,201 2,084 0 0,0016 2,2846 2,5033 2,0319 0,8371 1,1506 0,8371 4

48 IBU KHOLIAH 1,952 1,856 0 0,008 1,9487 2,5147 1,6986 0,5001 1,4881 0,5001 4

49 IBU ITA 2,386 2,252 0 0,003 2,5334 2,5180 2,2791 1,0865 0,9008 0,9008 5

50 BOBBY COM 2,463 2,368 0 0,001 2,6679 2,5391 2,4173 1,2219 0,7666 0,7666 5


0,369 0,416 0 0,004

0,3027

3,4945

0,5623

1,6433

3,6280

0,3027

1

52 BAPAK WENDI 0,369 0,416 0 0,002 0,3032 3,4959 0,5625 1,6433 3,6280 0,3032 1


3,427 3,2 0 0,042

3,9372

2,9892

3,6786

2,4932

0,5078

0,5078

5

54 BAPAK RIZKY 1,182 1,156 0 0,001 0,9231 2,8404 0,7020 0,5460 2,5287 0,5460 4

55 BAPAK LUKMAN 2,614 2,464 0 0,002 2,8436 2,5730 2,5883 1,3975 0,5897 0,5897 5

56 BAPAK GUSNAR 2,967 2,784 0 0 3,3188 2,7253 3,0618 1,8738 0,1158 0,1158 5


1,453 1,4 0,068 0,002

1,2704

2,6872

1,0377

0,1937

2,1650

0,1937

4


4,3

4

0

0,029

5,1201

3,7967

4,8599

3,6773

1,6916

1,6916

5


L R F M

C1 0,3148 0,3836 0,1875 0,3846

C2 2,1743 2,0590 0,0074 2,5046

C3 1,2317 0,5881 0,0487 0,0162

C4 1,6242 1,5585 0,0157 0,0597

8. Iterasi 4

NO Nama Pembeli L R F M C1 C2 C3 C4 C5 Jarak Cluster

1 Z-TECH KOMPUTER 0,494 0,528 0,068 0,559 0,3125 2,9927 0,9181 1,6098 3,7472 0,3125 1


1,616 1,552 0,068 0,212

1,7613

2,4142

1,0562

0,1614

2,1995

0,1614

4

3 TEKNOGRASI 0,227 0,284 0,068 0,154 0,2917 3,5315 1,0589 1,8942 4,0750 0,2917 1

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 0,4389 3,3894 0,7592 1,5570 3,7380 0,4389 1

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 0,8202 3,0484 0,4873 1,0392 3,2096 0,4873 3

6 RS SITI KHODIJAH 2,988 2,804 0 0,002 3,6312 2,7350 2,8280 1,8479 0,3378 0,3378 5

7 RS SILOAM 1,285 1,248 0 0,06 1,3524 2,7248 0,6653 0,4601 2,6418 0,4601 4

lxxxv

8 RS MUHAMMADIYAH

0 0,072 0,205 0,056

0,5518

3,8354

1,3452

2,2099

4,3882

0,5518

1

9 RS MMC 1,659 1,592 0 0,001 1,8573 2,5984 1,0922 0,0776 2,1340 0,0776 4


2,532 2,388 0 0,091

3,0091

2,4621

2,2222

1,2302

0,9532

0,9532

5

11 RS AR-RASYID 0,331 0,376 0,205 0,028 0,3575 3,5218 0,9385 1,7628 3,9394 0,3575 1


0,477

0,508

0,618

0,4

0,4768

3,1763

1,0234

1,7024

3,8041

0,4768

1

13 PT.TRIMATA BENUA 0,184 0,244 0 0,012 0,4589 3,6700 1,1038 1,9505 4,1319 0,4589 1

14 PT.TRIARYANI 2,65 2,5 0,068 0,354 3,1540 2,2471 2,4045 1,4241 0,8500 0,8500 5


0,58 0,604 0,068 0,02

0,5159

3,2918

0,6522

1,4162

3,5972

0,5159

1

16 PT.SOLID 1,72 0,213 0 0,000281 1,4787 3,1442 0,6179 1,3503 3,1992 0,6179 3


3,861

3,6

0

0,038

4,8038

3,3621

3,9985

3,0285

0,8466

0,8466

5

18 PT.PINAGO 1,285 1,248 0 0,006 1,3664 2,7734 0,6639 0,4632 2,6420 0,4632 4


4,257 3,96 0 0,047

5,3367

3,7405

4,5305

3,5636

1,3817

1,3817

5


1,47

1,42

0

0,005

1,6087

2,6744

0,8668

0,2149

2,3895

0,2149

4


0,331 0,376 0,068 0,077

0,3305

3,4824

0,9275

1,7532

3,9348

0,3305

1


2,158 2,044 0 0,017

2,5149

2,4877

1,7263

0,7230

1,4606

0,7230

4


0,038 0,112 0,068 0,047

0,5279

3,7945

1,2857

2,1474

4,3291

0,5279

1


0,808 0,812 0 0,003

0,7795

3,1112

0,4819

1,1077

3,2882

0,4819

3


0,954 0,944 0,068 0,02

0,9327

2,9848

0,4519

0,9116

3,0919

0,4519

3


0,954 0,236 0,068 0,025

0,7576

3,3113

0,4489

1,4840

3,6077

0,4489

3


0,455 0,492 0,48 0,048

0,4799

3,4161

0,8942

1,6493

3,7944

0,4799

1

28 PT.FIF 1,182 1,156 0 0,002 1,2370 2,8396 0,5723 0,6009 2,7802 0,5723 3


0,434 0,472 0,618 0,113

0,5302

3,4117

0,9916

1,7212

3,8434

0,5302

1


3,487 3,26 0 0,014

4,3022

3,0608

3,4968

2,5234

0,3425

0,3425

5

31 PT.BBIP 0,412 0,452 0 0,003 0,4415 3,4563 0,8325 1,6423 3,8234 0,4415 1


2,532 2,388 0 0,081

3,0101

2,4719

2,2219

1,2300

0,9528

0,9528

5


0,412 0,452 0,137 0,106

0,3071

3,3850

0,8404

1,6464

3,8259

0,3071

1


2,261 0 0 0,037

2,0226

3,2150

1,1866

1,6838

3,1831

1,1866

3

lxxxvi


0 0,072 0,48 0,066

0,6191

3,8530

1,4043

2,2502

4,4095

0,6191

1


1,952 1,856 0,068 0,024

2,2344

2,4995

1,4584

0,4472

1,7405

0,4472

4


0,494 0,528 0,411 0,061

0,4557

3,3618

0,8253

1,5797

3,7337

0,4557

1

38 PT.ABL 0,331 0,376 0 0,013 0,4166 3,5268 0,9266 1,7530 3,9343 0,4166 1

39 PT.AAM 2,803 2,632 0 0,003 3,3804 2,6423 2,5786 1,5954 0,5891 0,5891 5

40 PONPES KHASANAH 3,551 3,316 0 0,019 4,3864 3,1070 3,5809 2,6083 0,4269 0,4269 5


4,3

4

0

0,137

5,3904

3,7272

4,5905

3,6231

1,4433

1,4433

5


3,758 3,504 0 0,002

4,6663

3,2953

3,8584

2,8882

0,7071

0,7071

5

43 MASJID NURULLAH 1,057 1,04 0 0,001 1,0789 2,9249 0,4872 0,7709 2,9507 0,4872 3


1,72 1,648 0 0,436

1,9003

2,1574

1,2411

0,3988

2,0876

0,3988

4


2,782 2,616 0 0

3,3547

2,6368

2,5531

1,5693

0,6155

0,6155

5


3,801 3,544 0 0,0005

4,7249

3,3350

3,9168

2,9469

0,7658

0,7658

5

47 IBU NING 2,201 2,084 0 0,0016 2,5751 2,5033 1,7832 0,7826 1,4023 0,7826 4

48 IBU KHOLIAH 1,952 1,856 0 0,008 2,2417 2,5147 1,4591 0,4460 1,7396 0,4460 4

49 IBU ITA 2,386 2,252 0 0,003 2,8216 2,5180 2,0257 1,0319 1,1525 1,0319 4

50 BOBBY COM 2,463 2,368 0 0,001 2,9555 2,5391 2,1649 1,1673 1,0181 1,0181 5


0,369 0,416 0 0,004

0,4290

3,4945

0,8811

1,6983

3,8794

0,4290

1

52 BAPAK WENDI 0,369 0,416 0 0,002 0,4307 3,4959 0,8812 1,6984 3,8794 0,4307 1


3,427 3,2 0 0,042

4,2155

2,9892

3,4124

2,4383

0,2564

0,2564

5

54 BAPAK RIZKY 1,182 1,156 0 0,001 1,2373 2,8404 0,5723 0,6010 2,7802 0,5723 3

55 BAPAK LUKMAN 2,614 2,464 0 0,002 3,1298 2,5730 2,3307 1,3428 0,8415 0,8415 5

56 BAPAK GUSNAR 2,967 2,784 0 0 3,6027 2,7253 2,7993 1,8190 0,3668 0,3668 5


1,453 1,4 0,068 0,002

1,5777

2,6872

0,8419

0,2460

2,4164

0,2460

4


4,3

4

0

0,029

5,3965

3,7967

4,5889

3,6224

1,4405

1,4405

5


L R F M

C1 0,3376 0,3836 0,1875 0,0883

C2 2,1743 2,0590 0,0074 2,5046

C3 1,2317 0,5881 0,0487 0,0162

C4 1,6786 1,6080 0,0146 0,0556

lxxxvi

10. Iterasi 5


1 Z-TECH KOMPUTER 0,494 0,528 0,068 0,559 0,720 2,688 1,127 2,058 4,144 0,720 1


1,616 1,552 0,068 0,212

2,046

2,647

1,735

2,245

3,832

1,735

3

3 TEKNOGRASI 0,227 0,284 0,068 0,154 0,394 2,759 1,110 2,095 4,254 0,394 1

4 SHOPEE FOOD 0,477 0,508 0,068 0,015 0,621 2,640 1,011 1,992 4,118 0,621 1

5 SD IT AL-FUQRON 0,868 0,872 0,205 0,027 1,047 2,426 1,015 1,836 3,846 1,015 3

6 RS SITI KHODIJAH 2,988 2,804 0 0,002 3,898 3,683 3,428 3,575 4,313 3,428 3

7 RS SILOAM 1,285 1,248 0 0,060 1,626 2,598 1,413 2,103 3,904 1,413 3

8 RS MUHAMMADIYAH

0 0,072 0,205 0,056

0,346

2,803

1,221

2,133

4,305

0,346

1

9 RS MMC 1,659 1,592 0 0,001 2,123 2,708 1,797 2,312 3,880 1,797 3


2,532 2,388 0 0,091

3,282

3,272

2,845

3,083

4,082

2,845

3

11 RS AR-RASYID 0,331 0,376 0,205 0,028 0,410 2,604 0,994 1,943 4,097 0,410 1


0,477

0,508

0,618

0,400

0,597

2,288

0,936

1,651

3,756

0,597

1

13 PT.TRIMATA BENUA

0,184 0,244 0 0,012

0,470

2,828

1,165

2,163

4,326

0,470

1

14 PT.TRIARYANI 2,65 2,5 0,068 0,354 3,439 3,349 2,999 3,191 4,098 2,999 3


0,58 0,604 0,068 0,158

0,713

2,606

1,006

1,971

4,070

0,713

1

16 PT.SOLID 1,72 0,213 0 0,000 1,777 3,323 2,084 2,773 4,672 1,777 1


3,861

3,6

0

0,038

5,071

4,602

4,568

4,603

4,946

4,568

3

18 PT.PINAGO 1,285 1,248 0 0,006 1,631 2,598 1,414 2,103 3,903 1,414 3


4,257 3,96 0 0,047

5,605

5,055

5,090

5,091

5,295

5,055

2


1,47

1,42

0

0,005

1,874

2,640

1,595

2,194

3,883

1,595

3


0,331 0,376 0,068 0,077

0,472

2,704

1,055

2,045

4,194

0,472

1


2,158

2,044

0

0,017

2,783

2,986

2,380

2,716

3,954

2,380

3


0,038 0,112 0,068 0,047

0,414

2,867

1,235

2,197

4,369

0,414

1


0,808 0,812 0 0,003

1,029

2,598

1,085

1,997

4,025

1,029

1


0,954 0,944 0,068 0,020

1,186

2,527

1,124

1,955

3,926

1,124

3


0,954 0,236 0,068 0,025

1,023

2,938

1,474

2,316

4,384

1,023

1

lxxxvi


0,455 0,492 0,48 0,048

0,510

2,352

0,875

1,700

3,837

0,510

1

28 PT.FIF 1,182 1,156 0 0,002 1,499 2,583 1,323 2,063 3,920 1,323 3


0,434 0,472 0,618 0,113

0,517

2,275

0,878

1,623

3,758

0,517

1


3,487 3,26 0 0,014

4,569

4,193

4,077

4,153

4,648

4,077

3

31 PT.BBIP 0,412 0,452 0 0,003 0,603 2,716 1,061 2,064 4,198 0,603 1


2,532 2,388 0 0,081

3,282

3,271

2,845

3,083

4,082

2,845

3


0,412 0,452 0,137 0,106

0,500

2,615

0,992

1,961

4,100

0,500

1


2,261 0 0 0,037

2,323

3,752

2,641

3,243

5,033

2,323

1


0 0,072 0,48 0,066

0,308

2,630

1,165

1,964

4,127

0,308

1


1,952 1,856 0,068 0,024

2,498

2,806

2,115

2,493

3,857

2,115

3


0,494 0,528 0,411 0,061

0,545

2,382

0,878

1,733

3,863

0,545

1

38 PT.ABL 0,331 0,376 0 0,013 0,537 2,754 1,090 2,096 4,243 0,537 1

39 PT.AAM 2,803 2,632 0 0,003 3,647 3,508 3,188 3,369 4,210 3,188 3

40 PONPES KHASANAH 3,551 3,316 0 0,019 4,654 4,261 4,159 4,228 4,697 4,159 3


4,3

4

0

0,137

5,662

5,107

5,149

5,146

5,336

5,107

2


3,758 3,504 0 0,002

4,933

4,487

4,431

4,477

4,860

4,431

3

43 MASJID NURULLAH 1,057 1,04 0 0,001 1,339 2,577 1,226 2,028 3,949 1,226 3


1,72 1,648 0 0,436

2,210

2,767

1,905

2,392

3,907

1,905

3


2,782 2,616 0 0,000

3,621

3,489

3,163

3,347

4,199

3,163

3


3,801 3,544 0 0,001

4,991

4,535

4,488

4,529

4,895

4,488

3

47 IBU NING 2,201 2,084 0 0,002 2,842 3,015 2,433 2,756 3,966 2,433 3

48 IBU KHOLIAH 1,952 1,856 0 0,008 2,509 2,855 2,133 2,535 3,910 2,133 3

49 IBU ITA 2,386 2,252 0 0,003 3,089 3,153 2,661 2,934 4,025 2,661 3

50 BOBBY COM 2,463 2,368 0 0,001 3,220 3,216 2,776 3,021 4,043 2,776 3


0,369 0,416 0 0,004

0,568

2,733

1,072

2,078

4,219

0,568

1

52 BAPAK WENDI 0,369 0,416 0 0,002 0,569 2,733 1,072 2,078 4,219 0,569 1


3,427 3,2 0 0,042

4,484

4,128

3,996

4,080

4,604

3,996

3

54 BAPAK RIZKY 1,182 1,156 0 0,001 1,500 2,583 1,323 2,063 3,920 1,323 3

55 BAPAK LUKMAN 2,614 2,464 0 0,002 3,396 3,340 2,950 3,168 4,117 2,950 3

56 BAPAK GUSNAR 2,967 2,784 0 0,000 3,869 3,663 3,400 3,551 4,301 3,400 3

lxxxix


1,453 1,4 0,068 0,002

1,837

2,584

1,553

2,136

3,832

1,553

3


4,3

4

0

0,029

5,664

5,105

5,148

5,144

5,334

5,105

2

penerapan metode clustering dengan algoritma k-means ...

Documents