Segmentasi Pelanggan Jaringan Wifi RT/RW Net Menggunakan Metode K-Means Clustering Untuk Analisis Churn (Studi Kasus: PT Nusa Data Multimedia)
DOI:
https://doi.org/10.47701/38s0pt05Keywords:
Segmentasi Pelanggan, K-Means Clustering, Churn, Jaringan WiFi RT/RW Net, Silhouette ScoreAbstract
Pertumbuhan layanan jaringan internet berbasis WiFi RT/RW Net telah menjadi solusi utama bagi kebutuhan akses internet masyarakat di kawasan pemukiman. Namun, permasalahan churn atau berhentinya pelanggan secara tiba-tiba menjadi tantangan serius yang dihadapi oleh penyedia layanan seperti PT Nusa Data Multimedia. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan berdasarkan perilaku konsumsi data dan keterlambatan pembayaran menggunakan metode K-Means Clustering. Data dianalisis terhadap 200 pelanggan aktif selama periode Februari–April 2025. Proses klasterisasi menghasilkan tiga kelompok pelanggan dengan tingkat potensi churn yang berbeda (tinggi, sedang, rendah). Evaluasi menggunakan Silhouette Score menghasilkan nilai 0.4075 yang menunjukkan kualitas segmentasi cukup baik. Hasil ini memberikan dasar pengambilan keputusan dalam merancang strategi retensi pelanggan yang tepat sasaran.
References
[1] B. Sudarsono, R. T. Yunandar, and B. O. Lubis, “Analisis kepuasan pengguna terhadap kualitas layanan penyedia jasa internet dengan metode kuantitatif,” Jurnal Ilmiah KOMPUTASI, vol. 23, no. 3, pp. 345–354, Sep. 2024, doi: 10.32409/jikstik.23.3.3619 .
[2] F. Naufal, A. R. Dikananda, and D. Rohman, “Analisis segmentasi pelanggan voucher WiFi dengan metode K-Means,” Jurnal Informatika Teknologi dan Sains (JINTEKS), vol. 7, no. 1, pp. 81–90, Feb. 2025.
[3] M. G. Pradana, A. C. Nurcahyo, and P. H. Saputro, “Penerapan metode K-Means clustering untuk menentukan kepuasan pelanggan,” Citec Journal, vol. 7, no. 1, Jan. 2020.
[4] D. S. Sabri Anggie, I. Mulyadi, and S. Profesional Makassar, “Penerapan algoritma K-Means terhadap evaluasi website e- commerce,” Nusantara Hasana Journal, vol. 3, no. 12, pp. 12– 20, 2024.
[5] S. L. Achmad, A. Fauzi, R. Rahmat, and J. Indra, “Segmentasi pelanggan menggunakan K-Means clustering di toko retail,” Jurnal Teknik Informasi dan Komputer (Tekinkom), vol. 7, no. 2, p. 736, Dec. 2024, doi: 10.37600/tekinkom.v7i2.1226.
[6] P. I. Pangestu, I. Hermanto, and D. Irmayanti, “Analisis segmentasi pelanggan berbasis recency frequency monetary (RFM) menggunakan algoritma K-Means,” 2023.
[7] A. N. A. Maulidhia, I. I. Widyastuti, F. I. Sukarno, R. B. S. Tsany, and T. Brian, “Implementation of the K-Means Algorithm on Household Electric Load,” JTECS: Jurnal Sistem Telekomunikasi, Elektronika, Sistem Kontrol, Power Sistem & Komputer, vol. 5, no. 1, 2025, doi: 10.32503/jtecs.v5i1.6739.
[8] S. A. D. Darmawan and Karmilasari, “Penerapan metode K- Means clustering dan simple moving average untuk memprediksi jenis penyakit di Provinsi Jawa Timur,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 4, pp. 877– 886, Aug. 2024, doi: 10.25126/jtiik.1148703.
[9] A. Z. Wijaya and I. Sembiring, “Analisis perilaku pengguna internet dengan metode K-Means clustering dan pendekatan Davies Bouldin Index menggunakan data log Universitas XYZ,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 9, no. 2, pp. 878–888, May 2024, doi: 10.29100/jipi.v9i2.4750.
[10] A. W. Pangarso, N. Kurniati, and A. S. Editya, “Analisis kesetiaan pelanggan pada penjualan filter rokok di CV. Karunia Abadi dengan metode K-Means,” Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence), vol. 5, no. 1, pp. 58–63, Apr. 2025, doi: 10.55382/jurnalpustakaai.v5i1.932.
[11] R. B. Ardi, F. Ely Nastiti, and S. Sumarlinda, “Algoritma K- Means clustering untuk segmentasi pelanggan (Studi kasus: Fashion Viral Solo),” INFOTECH Journal, vol. 9, no. 1, pp. 124–131, May 2023, doi: 10.31949/infotech.v9i1.5214.
[12] A. Fauzan, N. Suarna, I. Ali, and H. Susana, “Penerapan algoritma K-means clustering untuk meningkatkan model pengelompokan dan kinerja jaringan Wi-Fi secara optimal,” Jurnal Informatika dan Teknik Elektro Terapan (JITET), vol. 13, no. 2, Apr. 2025, doi: 10.23960/jitet.v13i2.6272 .
[13] G. F. Wulandari, “Segmentasi pelanggan menggunakan algoritma K-means untuk customer relationship management (CRM) pada Hijab Miulan,” Jurnal Nasional Teknologi dan Sistem Informasi (JUNTECH), vol. 9, no. 1, pp. 124–131, May 2023, doi: 10.31949/infotech.v9i1.5214 .
[14] A. C. Utomo, A. Handojo, and T. Octavia, “Customer loyalty segmentation in online store using LRFM and MLRFM in combination with RM K-Means algorithm,” Jurnal Teknik Informatika (JUTIF), vol. 5, no. 2, pp. 497–507, Apr. 2024, doi: 10.52436/1.jutif.2024.5.2.1497.
[15] A. Jihan, W. Prihartono, and F., “Segmentasi konsumen di Pasarmu.ID menggunakan K-means clustering berdasarkan model RFM,” Jurnal Informatika dan Teknik Elektro Terapan (JITET), vol. 13, no. 2, Apr. 2025, doi: 10.23960/jitet.v13i2.6327 .
