Penerapan Algoritma K-Means Clustering Pada Data Keluhan Pelanggan PT. PLN (Persero)

  • sugrio dwi darmawan universitas gunadarma
  • Dewi Agushinta R Universitas Gunadarma
  • Murniyati Murniyati Universitas Gunadarma

Abstract

Listrik merupakan kebutuhan masyarakat yang bisa dianggap kebutuhan sangat penting. Untuk menjaga kualitas pelayanan pelanggan perusahaan listrik Negara harus senantiasa menjaga mutu dan pelayanannya tidak terkecuali keluhan pelanggan. Penelitian ini membahas tentang penerapan algoritma K-Means Clustering pada data keluhan pelanggan. Data yang digunakan adalah data keluhan pelanggan selama tahun 2020. Analisis penelitian ini Disajikan dalam 3 (tiga) tingkat cluster yaitu cluster keluhan tertinggi (C1), cluster keluhan menengah (C2), dan cluster keluhan rendah (C3). Data diolah menggunakan aplikasi Rapid Miner sebagai penyelesaiannya dan mendapatkan hasil akhir yaitu 2 jenis data keluhan berada di cluster tertinggi, 3 jenis keluhan di cluster menengah, dan 7 jenis keluhan di cluster terendah. Pengujian cluster menggunakan Davies Bouldin Index memiliki nilai sebesar 0,52 yang berarti antar anggota cluster memiliki kesamaan cukup baik. Hasil analisis dari penelitian ini dapat menjadi masukan untuk Perusahaan Listrik Negara agar menjadikan jenis laporan keluhan pelanggan dengan kategori tertinggi (C1) sebagai prioritas utama dalam meningkatkan pelayanan pelanggan guna menekan tingginya angka keluhan pada dua jenis laporan tertinggi yaitu PDPB dan Prabayar

Downloads

Download data is not yet available.

Author Biography

Dewi Agushinta R, Universitas Gunadarma

Departemen Sistem Informasi

References

[1] C. Fornell (1992) “A National Customer Satisfaction Barometer: The Swedish Experience”. Journal of Marketing. Volume 56 Issue 1, 6–21. doi: 10.1177/002224299205600103.
[2] Tjiptono (2006) Strategi Pemasaran. Yogyakarta: Andi Offset.
[3] Davies and Paul Beynon (2004) Database Systems Third Edition. New York: Palgrave Macmillan.
[4] S. J. Bell and J. A. Luddington (2006) “Coping with customer complaints”. Journal of Service Research, Volume 8 No. 3, 221–233. doi: 10.1177/1094670505283785.
[5] Kotler and Philip (2005) Manajemen Pemasaran. Jakarta: PT Indeks Kelompok Gramedia.
[6] J. Han and M. Kamber. (2006). Data Mining Concepts and Techniques Second Edition. San Francisco: Morgan Kaufmann
[7] I. H. Witten, E. Frank and M. A. Hall (2011) Data Mining: Practical Machine Learning Tools and Techniques. 3rd Edition, USA: Elsevier. ISBN 978-0-12-374856-0
[8] Baskoro, H. (2010) “Implementasi Algoritma K-Means Menggunakan Data Penyewaan Alat Berat Untuk Melakukan Estimasi Nilai Outcome”. Skripsi Program S1 Fakultas Ilmu Komputer. Jakarta: Universitas Pembangunan Nasional “Veteran”.
[9] Suyanto (2017) Data Mining Untuk Klasifikasi Dan Klasterisasi Data. Bandung: Informatika.
[10] A. Bates and J. Kalita (2016) "Counting Clusters in Twitter Posts". In Proceedings of the Second International Conference on Information and Communication Technology for Competitive Strategies (ICTCS '16). Association for Computing Machinery, New York, NY, USA, Article 85, 1–9. https://doi.org/10.1145/2905055.2905295
Published
2022-04-01
How to Cite
DARMAWAN, sugrio dwi; R, Dewi Agushinta; MURNIYATI, Murniyati. Penerapan Algoritma K-Means Clustering Pada Data Keluhan Pelanggan PT. PLN (Persero). Journal of Information System, Applied, Management, Accounting and Research, [S.l.], v. 6, n. 2, p. 327-340, apr. 2022. ISSN 2598-8719. Available at: <http://journal.stmikjayakarta.ac.id/index.php/jisamar/article/view/761>. Date accessed: 30 june 2022. doi: https://doi.org/10.52362/jisamar.v6i2.761.