MEYLINDRA ARINI PERMATADEVI Dosen Pembimbing: Rully Agus Hendrawan, S.Kom, M.Eng Irmasari Hafidz, S.Kom, M.Sc

KARAKTERISTIK PELANGGAN TELEPON KABEL MENGGUNAKAN KLASTERING SOM DAN KMEANS UNTUK MENGURANGI KESALAHAN KLASIFIKASI PELANGGAN DARI ERUSAHAAN TELEKOMUNIKASI (STUDI KASUS: PT. TELKOM MOJOKERTO) MEYLINDRA ARINI PERMATADEVI 5209100025 Dosen Pembimbing: Rully Agus Hendrawan, S.Kom, M.Eng Irmasari Hafidz, S.Kom, M.Sc

KARAKTERISTIK PELANGGAN TELEPON KABEL MENGGUNAKAN KLASTERING SOM DAN K-MEANS UNTUK MENGURANGI KESALAHAN KLASIFIKASI PELANGGAN DARI ERUSAHAAN TELEKOMUNIKASI (STUDI KASUS: PT. TELKOM MOJOKERTO)

PENDAHULUAN

Latar Belakang • Perusahaan sering mengalami kerugian karena memiliki sistem pengklasifikasian yang belum tepat Tahun

Bulan

Jumlah

Total

Pelanggan fraud Kerugian (Rp) 2011

Januari

154

32.863.000

Februari

137

29.350.800

Maret

120

25.608.000

April

183

39.052.200

Mei

187

39.905.800

Juni

165

35.211.000

Juli

283

60.392.200

TOTAL KERUGIAN (Rp)

262.383.000

Perumusan Masalah Berdasarkan latar belakang masalah yang telah dijelaskan, maka rumusan masalah pada tugas akhir ini adalah bagaimana membuat suatu pengelompokan pelanggan bedasarakan call detail record yang dimiliki oleh perusahaan, sehingga dapat diketahui karateristik pemakaian pelanggannya

Batasan Masalah • Data yang digunakan untuk tugas akhr ini yaitu CDR (Call Detail Record) pada tahun 2012 (bulan agustus, september, oktober, november) , yang dimana spesifikasi variabel zone, a number, b number, pulsa, durasi, waktu, kateori, jarak

• Studi kasus pada tugas akhir ini berada di PT Telkom wilayah Mojokerto. • Data yang penulis analisa merupakan data random diambil dan dipilihkan oleh pihak perusahaan • Penghitungan klustering metode SOM dan kmeans meggunakan bantuan software matlab

Tujuan Tugas Akhir • Berdasarkan permasalahan yang telah disebutkan di atas, maka tujuan dari tugas akhir ini adalah membuat suatu pengklasifikasian pelanggan untuk mengelompokkan pelanggan berdasarkan karakteristik yang dimilikinya dengan menggunakan metode SOM dan K-Means.

Manfaat Tugas Akhir • Membantu manajemen perusahaan untuk dapat mengetahui kategori pemakaian jenis telepon yang sering dilakukan pelanggan • Membantu manajemen dalam memberikan informasi yang dapat digunakan untuk menentukan strategi yang berkaitan dengan peningkatan kualitas pelayanan. Sehingga kepuasan pelanggan dapat ditingkatkan serta kredibilitas dan kepercayaan pelanggan dapat dibangun dengan lebih baik.


METODOLOGI

Flowchart Pelaksanaan Tugas Akhir Call detail Record Pengambilan dan pembersihan melalui Call Data Server Self Organizing Maps (SOM) cluster

Tidak

Jumlah Kluster yang didapat

Validasi RMSSTD

Kluster yang memiliki nilai RMSSTD terendah menjadi centroid pada kmeans

K-means cluster

Apakah hasil telah valid

Hasil Kluster kmeans YA Validasi Davies Bouldin index

Melakukan uji verifikasi

Melakukan Analisa Data

Hasil Analisa

Proses Pelaksanaan Tugas Akhir • Identifikasi Permasalahan Melakukan Brainstorming dengan pihak perusahaan

Ditemukan persoalan, yaitu sistem pengklasifikasian pelanggan yang belum tepat

Solusi yang ditawarkan, yakni sistem pengklasifikasian yang lebih tertata

• Pengumpulan Data Data yang dibutuhkan oleh penulis yaitu Call Detail Record. Data ini diambil dari divisi sentral, format dari call detail record yaitu (.tape).Data yang diberikan perusahaan sudah dalam bentuk CD

Proses Pelaksanaan Tugas Akhir • Pembersihan dan Perlengkapan Data – Tahap Praproses Data CDR (Call Detail Record)

Memasukkan CDR pada Call data server

Data diproses pada CDS, untuk membuang outlier

Data siap digunakan

– Identifikasi Atribut yang akan digunakan • Pada tahap ini dilakukan penentuan atribut atau variable yang nantinya akan digunakan penulis dalam melakukan proses implementasi.

– Uji Korelasi antar Atribut

Proses Pelaksanaan Tugas Akhir • Tahap Pelaksanaan Algoritma Data

SOM Cluster

Hasil terbaik akan dijadikan centroid untuk k-means

• Uji Validasi • Penyusunan Dokumen Tugas Akhir

K-MEANS


PENGOLAHAN DATA DAN IMPLEMENTASI

Proses Pembersihan Data •

Proses pembersihan data

Data mentah dalam bentuk CD yang berformat ‘AMA.tape’

Setelah itu data di convert menjadi excel

• Hasil Dari Pembersihan Data

CDR terhubung ke dalam Call Data Server

Melakukan pembersihan data dari data-data yang menyimpang

Penjelasan Variabel dan Uji Korelasi • Penjelasan Variabel Nama Tabel Zone

Jarak

Keterangan Data yang menunjukkan kategori tujuan nomor telepon yang akan di tuju olehpelanggan Data personal pelanggan yang menunjukkan seberapa jauh nomor telpon yang akan dituju oleh pelanggan

Kategori

Data personal pelanggan yang menunjukkan jenis telepon yang di gunakan oleh nomor yang dituju pelanggan

A_number Pulsa

Nomor telepon pelanggan Besaran yang digunakan dalam mengukur a_number dan b_number

Durasi

B_number

Waktu yang dihabiskan dari a_number ke b_number Menit yang dihabiskan daria_number ke b_number Nomor telepon yang dituju pelanggan

Date

Tanggal proses transaksi telepon

Time

Penjelasan Variabel dan Uji Korelasi • Uji Korelasi

• Hasil dari Uji Korelasi

Nama Tabel Zone

Jarak

Kategori

Pulsa

Keterangan Data yang menunjukkan kategori tujuan nomor telepon yang akan di tuju oleh pelanggan Data personal pelanggan yang menunjukkan seberapa jauh nomor telpon yang akan dituju oleh pelanggan Data personal pelanggan yang menunjukkan jenis telepon yang di gunakan oleh nomor yang dituju pelanggan Besaran yang digunakan dalam mengukur a_number dan b_number

Algoritma SOM • Merubah Nilai Variabel • Standarisasi Data

Algoritma SOM • Insialisasi Weight • Hasil Algoritma SOM

Hasil Algoritma SOM • Hasil dari algoritma SOM Kluster 2

Kluster 3

Kluster 4

Kluster 5

Kluster 6

Jumlah Kluster 2

1823

1801

1801

0

0

Jumlah Kluster 3

2177

1699

1699

1699

1699

500

500

1801

1801

0

0

0

500

500

Jumlah Kluster 4

Jumlah Kluster 5

Jumlah Kluster 6

Validasi RMSSTD • Untuk mencari nilai RMSSTD • Hasil RMSSTD RMSSTD Kluster 2

Nilai 0.6248804

Kluster 3

0.3241053

Kluster 4

0.3241154

Kluster 5

0.3241255

Kluster 6

0.324168

Algoritma Kmeans • Ketik Pada Matlab

• Hasil Algoritma Kmeans

[klaster, ctrs]=kmeans(data,3)


ANALISA

Uji Verifikasi Sistem Studi Kasus : Kelompok Swadaya Masyarakat

Hasil :

Uji Verifikasi Kluster SOM

SOM+Kmeans

Algoritma

QE

TE

SOM

0.724 (72,4%)

SOM+kmean s

0.284 (28,4%)

0.543 (54,3%) 0.018 (1,8%)

Validasi Davies Bouldin Index Validasi DBI Klaster

Nilai DBI

SOM

0.26902

SOM + Kmeans

0.184783

Sehingga dapat disimpulkan bahwa kluster yang paling optimal. Yaitu Kluster kombinasi SOM dan Kmeans

Hasil Perbandingan sistem lama dengan baru SOM +Kmeans

Kesalahan

Perumahan

500

0

Governance

1801

546

Bisnis

1699

848

Hasil Algoritma SOM+Kmeans

Hasil Kluster 1 Hasil Kluster 2 Hasil Kluster 3

Kluster 1 500

Kluster 2

Kluster 3

1801 1699

Analisa bedasarkan hasil kluster Klaster

Klaster 1

-

Klaster 2

-

Klaster 3

-

Karakteristik Pelanggan pada klaster 1, lebih sering menggunakan telepon pada zona 1 Pemakaian pulsa yang dihabiskan pada tipe pelanggan kluster 1 yaitu, 10 Pelanggan kluster 1, lebih sering menggunakan untuk menelpon pada jarak kurang dari 30 km ( di dalam kota) Pelanggan pada kluster 1 lebih banyak penggunaannya pada telepon local yang artinya pelanggan lebih sering menggunakan untuk menelpon konsumen yang menggunakan produk Telkom.

Pelanggan pada tipe kluster 2 lebih sering menggunakan transaksi telepon pada zona 3 Pemakaian pulsa yang dihabiskan pelanggan kluster 2 yaitu sebanyak 1185 Pelanggan pada kluster 2 sering menggunakan telepon dengan tujuan yang mempunyai jarak lebih dari 50 km Pelanggan pada kluster 2 lebih banyak penggunaannya pada telepon local, yang artinya penggunaan transaksi telepon yang dituju menggunakan produk Telkom Pelanggan pada kluster 33 lebih sering penggunaanya pada zona 33 Pemakaian pulsa yang dihabiskan pada kluster 3 yaitu 100- 459 Pelanggan sering menggunakan transaksi telepon pada jarak lebih dari 50 km Pelanggan pada kluster 3, melakukan transaksi telepon dengan tujuan nomer operator bukan milik Telkom ( operator telepon lain)

Analisa dengan Perusahaan Klaster Klaster 1

-

Karakteristik Pelanggan pada klaster 1, lebih sering menggunakan telepon pada zona 1 Pemakaian pulsa yang dihabiskan pada tipe pelanggan kluster 1 yaitu, 1-10 Pelanggan kluster 1, lebih sering menggunakan untuk menelpon pada jarak kurang dari 30 km ( di dalam kota) Pelanggan pada kluster 1 lebih banyak penggunaannya pada telepon local yang artinya pelanggan lebih sering menggunakan untuk menelpon konsumen yang menggunakan produk Telkom.

Dari hasil analisa dari perusahaan kluster 1 tergolong pelanggan tipe sederhana/Tembaga, yang disebut pelanggan tipe perumahan.Hal ini didasarkan dari beberapa karakter yang begitu menunjang, yaitu : 1. Penggunaan pulsa yang mayoritas kurang dari 10 2. Dari zona yang digunakan, mayoritas menggunakan zona 1 yang bearti pelanggan selalu menggunakan telepon secara local dan berkoridor pada produk Telkom

Analisa dengan Perusahaan Kluster Klaster 2

Karateristik - Pelanggan pada tipe kluster 2 lebih sering menggunakan transaksi telepon pada zona 3 - Pemakaian pulsa yang dihabiskan pelanggan kluster 2 yaitu sebanyak 11-85 - Pelanggan pada kluster 2 sering menggunakan telepon dengan tujuan yang mempunyai jarak lebih dari 50 km - Pelanggan pada kluster 2 lebih banyak penggunaannya pada telepon local, yang artinya penggunaan transaksi telepon yang dituju menggunakan produk Telkom

Dari hasil analisa dari perusahaan kluster 2 tergolong pelanggan tipe yang disebut pelanggan tipe governanace.Hal ini didasarkan dari beberapa karakter yang begitu menunjang, yaitu : 1. Penggunaan pulsa diatas 10 dan tidak melebihi 95 2. Dari zona yang digunakan, mayoritas menggunakan zona 3 yang bearti pelanggan selalu menggunakan telepon untuk telepon local mapaun sljj, namun tetap dalam koridor pemakain produk Telkom

Analisa dengan Perusahaan Kluster Klaster 3

Karakteristik - Pelanggan pada kluster 33 lebih sering penggunaanya pada zona 33 - Pemakaian pulsa yang dihabiskan pada kluster 3 yaitu lebih dari 100 - 459 - Pelanggan sering menggunakan transaksi telepon pada jarak lebih dari 50 km - Pelanggan pada kluster 3, melakukan transaksi telepon dengan tujuan nomer operator bukan milik Telkom ( operator telepon lain)

Dari hasil analisa dari perusahaan kluster 3 tergolong pelanggan VIP/silver, yang disebut pelanggan tipe bisnis.Hal ini didasarkan dari beberapa karakter yang begitu menunjang, yaitu : 1. Penggunaan pulsa yang melebihi 100 2. Dari zona yang digunakan, mayoritas menggunakan zona 33 yang bearti pelanggan selalu menggunakan telepon dengan jarak jauh ( meliputi SLJJ, SLI) dengan tujuan ke operator lain


KESIMPULAN

KESIMPULAN Hasil dari pengklasifikasian pelanggan adalah sebagai berikut: 1. Tipe pelanggan kluster 1 Bedasarkan hasil analisa, tipe pelanggan kluster 1 termasuk kategori pelanggan perumahan/ kelas platinum, karena sifatnya yang hanya menghabiskan pulsa sedikit, dan lebih cenderung penggunaan teleponnya pada sesama pengguna produk telkom 2. Tipe pelanggan kluster 2 Bedasarkan hasil analisa, tipe pelanggan kluster 2 termasuk kategori pelanggan governance/ kelas Gold. Karena sifatnya penggunaan pulsa dikategori sedang (tidak terlalu banyak dan sedikit), dan lebih cenderung penggunaan teleponnya pada sesama konsumen pengguna produk telkom 3. Tipe pelanggan kluster 3 Bedasarkan hasil analisa, tipe pelanggan kluster 3 termasuk kategori pelanggan bisnis/ kelas silver, karena sifatnya yang sering menghabiskan pulsa diatas 100.

SARAN saran dalam pengembangan kedepannya diharapkan penelitian ini : 1. Sebaiknya tujuan dari penelitian yang berhubungan dengan call detail record dapat lebih dikembangkan lagi. 2. Sebaiknya variabel yan didapatkan dapat lebih bervariasi dengan melakukan survey kepada para pelanggan perusahaan 3. Sebaiknya dilakukan pembuatan aplikasi yang dapat melakukan inputa terutama untuk metode SOM secara otomatis 4. Sebaiknya dilakukan perhitungan dengan menggunakan uji verifikasi dan validasi yang berbeda.


TERIMAKASIH 

MEYLINDRA ARINI PERMATADEVI Dosen Pembimbing: Rully Agus Hendrawan, S.Kom, M.Eng Irmasari Hafidz, S.Kom, M.Sc

Recommend Documents