ANALISIS SEGMENTASI PADA LAYANAN INDIHOME MENGGUNAKAN

METODE PARTICLE SWARM OPTIMIZATION (PSO)

PROPOSAL TUGAS AKHIR

NAMA

: RAMLAN JANUAR SURIADINATA

NPM

: 061324075

SK.Ketua Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT)

Nomor : 041/BAN-PT/AK-XIV/S1/XII/2011

PROGRAM STUDI INFORMATIKA

FAKULTAS TEKNIK UNIVERSITASWIDYATAMA
BANDUNG
2016
REVIEW PROPOSAL PENELITIAN
Nim

: 061324075

Nama

: RAMLAN JANUAR SURIADINATA

Konsentrasi : Applied Database

Judul

ANALISIS SEGMENTASI PADA LAYANAN INDIHOME

MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION (PSO)

Aspek Penilaian

Hasil Review

Originalitas
Kelengkapan Informasi
Kelayakan Ilmu dan Waktu Pelaksanaan

Kesimpulan :
Diterima/diperbaiki/ditolak :
Alasan :
Bandung, 11 Maret 2016
Menyetujui

Mengetahui

Ka.Lab Applied Database

Sek.Prod.Teknik Informatika,

Yan Puspitarani,S.T.,M.T.

Yosi M Madsu,S.T.,M.T

ABSTRAK
Dewasa ini kebutuhan masyarakat untuk mendapatkan informasi sangat tinggi, salah satunya
melalui internet. Hal ini mendorong banyak pihak bermain dalam industry penyedia jasa
internet, salah satunya adalah Telkom dengan menyediakan layanan IndiHome. Dalam upaya
meningkatkan penetrasi pasar, IndiHome perlu melakukan suatu perecanaan dan membuat

strategi pemasaran yang tepat. Langkah awal yang perlu dilakukan adalah melakukan
segmentasi pasar.
Konsep untuk menjabarkan segmentasi didasarkan pada segmentasi berdasarkan demografis,
geografis, perilaku dan psikografis. Kota Bandung dipilih sebagai tempat penelitian karena
tercatat sebagai kota dengan jumlah pengguna internet ketiga seindonesia.
Metode penelitian yang digunakan adalah metode Particle Swarm Optimization (PSO),
dengan populasi pengguna IndiHome di kota Bandung. Algoritma PSO ini merupakan
metode yang lebih baik daripada metode K-Means. Dari 3 klaster yang terbentuk, yaitu
persamaan segmentasi terkait dengan data demografi (tidak berpengaruh signifikan) sehingga
difokuskan pada segmentasi berdasarkan perilaku konsumen.
Dengan menggunakan segmentasi yang telah tepat maka untuk memenangkan pasar
persaingan IndiHome harus focus dalam mengembangakan produknya dalam upada
pemenuhan kebutuhan dan keinginan pelanggan dari tiap segmen yang telah ada.
Kata kunci : Algoritma Particle Swarm Optimization (PSO), Segmentasi (Demografi,
Geografi, Perilaku, Prikografi)

1. PENDAHULUAN
1.1 latar Belakang Masalah
Kesadaran masyarakat tentang pentingnya mendapatkan informasi dan
layanan lainnya menjadi salah satu kebutuhan utama. Seiiring dengan
perkembangan teknologi maka bermunculan berbagai sarana dan prasarana yang
memudahkan dalam mendapatkan informasi, salah satuya adalah internet.
Pemenuhan terhadap kebutuhan informasi melalui internet tidak hanya cukup
dengan persediaan informasi. Namun juga harus ditunjang dengan kemudahan,
kenyamanan, keamanan dan kecepatan dalam mendapatkan informasi. Tingginya

kebutuhan

masyarakat

terhadap

informasi

melalui

penggunaan

internet

mendorong banyak pihak bermain dalam industry, salah satunya adalah Telkom
dengen menyediakan layanan IndiHome.
Sampai dengan pertengahan tahun 2010, jumalah pelanggan Telkom
IndiHome di area jawa barat (Jabar) menembus angka 200.000 dari jumlah total
pelanggan telepon kabel di Jabar mencapai lebih dari 850.000. (Bataviase : 2010)
Baru sekitar 23,53% pengguna telepon kabel yang berlangganan Indihome
sehingga masih sekitar 76,47% pengguna telepon kabel yang belum tercover
untuk menggunakan IndiHome yang merupakan peluang untuk meningkatkan
jumlah pelanggan IndiHome. Menurut data dari divisi Consummer Service
Bandung, 80% dari total pelanggan IndiHome di jawa Barat merupakan palanggan
yang berdomisili di Bandung. Maka dapat diasumsikan bahwa untuk daerah
Bandung juga masih besar jumlah telepon kabel yang belum menggunakan
layanan IndiHome.
Dalam melakukan penetrasi pasar, pemain dalam industry (perusahaan)
idealnya mendesain program pemasarannya tersendiri bagi masing-masing
konsumen, namun hal itu membutuhkan biaya yang tinggi. Disisi lain sebagian
besar pelanggan tidak dapat membeli produk yang benar-benar disesuaikan
dengan kebutuhan karena terbentur batasan lain seperti tingkat ekonomi, budaya
dan lain-lain.
Oleh karena itu dalam upaya meningkatkan penetrasi pasar, IndiHome perlu
melakukan suatu perencanaan dan membuat strategi pemasaran yang tepat.
Langkah awal yang perlu dilakukan adalah melakukan segmentasi pasar.
Perusahaan ,e,butuhkan informasi pembagian pasar ke dalam segmen-segmen
tertentu atas dasar pengelompokan variable tertentu yauitu dengan menggunakan
clustering. Dengan melakukan segmentasi pasar maka perusahaan dapat
mengetahui dan mengevaluasi karakteristik serta perilaku anggota dari segmen
hasil clustering, karena anggota dari tiap segmen mempunyai ciri khas yang
berbeda-beda.
1.2 Rumusan Masalah
Berdasarkan pemahaman mengenai latar belakang penelitian, maka masalah
yang akan diteliti adalah sebagai berikut:
1. Bagaimana segmentasi pengguna IndiHome di Kota Bandung?

2. Bagaimana profil cluster dari pengguna segmen IndiHome di Kota

Bandung yang Terbentuk?

1.3 Tujuan Penelitian

Tujuan yang ingin dicapai dalam penelitian ini adalah untuk mengetahui
segmentasi pengguana IndiHome di Kota Bandung dan mengetahui profil cluster
layanan dari segmen yang terbentuk.
1.4 Manfaat Penelitian
Penelitian ini dapat dijadikan sebagai informasi bagi perusahaan. Perusahaan
dapat menggunakan sebagai bahan evaluasi dan perbandingan terhadap
segmentasi pasar pengguna IndiHome yang telah terbentuk saat ini.

2. Landasan Teori
2.1 Pengenalan Algoritma Particle Swarm Optimization (PSO)
Particle Swarm Optimization (PSO) adalah sebuah teknik stochastic
optimization berdasarkan populasi yang terinsprirasi oleh perilaku social dari
pergerakan burung atau ikan ( bird flocking or fish schooling). Perilaku social
terdiri dari tindakan individu dan pengaruh dari individu-individu lain dalam suatu
kelompok. Kata partikel menunjukan, misalnya seekor burung dalam kawanan
burung.
Dalam konteks optimasi multivariable, kawanan diasumsikan mempunyai
ukuran tertentu atau tetap dengan setiap partikel pisisi awalnya terletak disuatu
lokasi yang acak dalam ruang multidimensi. Setiap partikel bergerak dalam
ruang/space tertentu dan mengingat posisi terbaik yang pernah dilalui atau
ditemukan terhadap sumber makanan atau nilai fungsi objektif. Sebagai contoh,
misalkan perilaku burung-burung dalam kawanan burung, meskipun setiap burung
mempunyai keterbatasan dalam hal kecerdasan, biasanya ia akan mengikuti
kebiasaan (rule).
Algoritma PSO menawarkan suatu prosedur pencarian berdasarkan populasi
yang di dalamnya individu-individu yang disebut particles, mengubah posisi, atau
state, mereka terhadap waktu. Algoritma PSO menggabungkan metode-metode

local search dengan metode-metode global search, yang menyeimbangkan antara

eksplorasi dan eksploitasi.
2.2 Langkah-langkah Algoritma Particle Swarm Optimization (PSO)
Langkah-langkah atau prosedur algoritma Particle Swarm Optimization (PSO)
ditunjukan sebagai berikut,
1. Inisialisasi sekumpulan

particle

secara

random

(setiap

particle

merepresentasikan solusi yang mungkin untuk masalah optimasi).

2. Inisialisasi posisi dari setiap particle ( Xi ) dan kecepatan dari setiap
particle ( Vi ).
3. Hitung nilai fluktuasi dari setiap partikel Fi berdasarkan formula dan
model yang telah ditentukan sesuai dengan masalah optimasinya.
4. Untuk setiap particle, bandingkan nilai fluktuasi Fi dengan nilai
terbaiknya yang telah dicapai Pid (local best), jika Fi<Pid , maka Pid
diganti dengan Fi.
5. Untuk setiap particle, bandingkan nilai fluktuasi Fi dengan nilai terbaik
yang dicapai dalam posisi Pgd (global best), juka Fi<Pgd , maka Pgd
diganti dengan Fi.
6. Berdasarkan persamaan 4 dan 5 , kecepatan ( Vi ) dan posisi dari particle (
Xi ) diubah. Rumus perubahan kecepatan ( Vi ) :

Rumus perubahan kecepatan

Ilustrasinya sebagai berikut :

Ilustrasi perubahan kecepatan

Rumus perubahan posisi (Xi) :

Rumus perubahan posisi

Ilustrasinya sebagai berikut :

Ilustrasi perubahan posisi

7. Jika telah mencapai kondisi akhir ( mencapai nilai iterasi maksimum atau
perulangan telah mencapai nilai optimum) maka perulangan berhenti dan
nilai optimumnya didapatkan namun jika belum maka diulang pada no 3.

3. METODOLOGI PENELITIAN
3.1 Jenis penelitian
1. Penelitian ini dilakukan di kota Bandung, jadi hanya penduduk yang
menggunakan IndiHome dan berdomisili di kota Bandung yang digunakan
sebagai responden.
2. Penelitian ini didasarkan pada variable Demografi.
Segmentasi pasar adalah proses pengelompokan-pengelompokan pasar ke
dalam kelompok pembeli yang potensial dengan kebutuhan yang sama dan atau
karakteristik yang disukai serta memperlihatkan hubungan pembelian yang sama.
(Buchory dan Saladin, 2010:94)
Setidaknya ada empat manfaat yang dapat diperoleh dengan melakukan
segmentasi pasar (Buchory dan Saladin, 2010:98) yaitu:
1. Para penjual atau produsen berada dalam posisi yang lebih baik untuk memilih
kesempatan-kesempatan pemasaran.
2. Penjual atau produsen dapat menggunakan pengetahuan terhadap respons
pemasaran yang berbeda-beda, sehingga dapat mengalokasikan anggarannya
secara lebih tepat ke berbagai segmen.
3. Untuk merumuskan strategi pemasaran yang efektif dan efisien.

4. Penjual atau produsen dapat mengatur produk lebih baik, sehingga benarbenar cocok dengan permintaan pasar. Dengan demikian perusahaan dapat
mengvaluasi posisi pasarnya dan posisi pesaing.
Dalam segmentasi Demografis, pasar dibagi menjadi kelompok-kelompok
berdasarkan variable seperti usia, ukuran_keluarga, siklus hidup keluarga, jenis
kelamin,

penghasilan,

pekerjaan,

pendidikan,

agama,

ras,

generasi,

kewarganegaraan dan kelas social.

Agar dapat berguna, segmen-segmen pasar haruslah memiliki berdasarkan
lima kriteria utama yaitu
1. Dapat diukur (measurable)
Ukuran daya beli, dan profil segmen dapat diukur
2. Besar (substansial)
Segmen cukup besar dan menguntungkan untuk dilayani. Segmen tersebut
harus merupakan kelompok homogeny terbesar yang paling mungkin,
yang berharga sehingga memungkinkan diraih dengan program pemasaran
yang dirancang khusus
3. Dapat diakses (accessible)
Segmen dapat dijangkau dan dilayani secara efektif
4. Dapat dibedakan (differentiable)
Segmen secara konseptual dapat dipisah-pisahkan dan memberikan
tanggapan yang berbeda terhadap unsur dan program bauran pemasaran
yang berbeda
5. Dapat diambil tindakan (actionable)
Program-program yang efektif dapat dirumuskan untuk menarik dan
melayani segmen-segmen tersebut.
Teknik analisis Data
1. Metoda Interdeoendensi
Kedudukan setiap variable sama, tidak ada variable dependen
dan

variable

independen.

Yang

diperiksa

adalah

interrelasi

antarvariabel. Dari interrelasi itulah diambil kesimpulan-kesimpulan

sesuai teknik yang dipakai.
2. Analisis Cluster
Analisis cluster pada

prinsipnya

digunakan

untuk

mengelompokan objek (responden,konsumen,produk dan lain-lain)

atau merupakan proses untuk meringkas sejumlan objek menjadi lebih
sedikit dan menamakannya sebagai cluster. Dasar pengelompokan
yang digunkan dalam analisis cluster adalah kesamaan (similarity) atau
jarak ketidaksamaan (distance). Objek yang berada dalam satu cluster

relative memiliki kemiripan dibandingkan dengan objek yang berbeda

pada cluster yang lain. Analisis cluster juga sering disebut dengan
classification analysis (analisis klasifikasi). (Suliyanto, 2005: 140)

JADWAL KERJA
Jadwal pengerjaan penelitian Tugas Akhir ini adalah sebagai berikut :
N
O
1
2
3
4
5
6
7
8

AKTIVITAS
Pengambilan data
Analisa kebutuhan dan perancangan
sistem
Analisa kebutuhan sistem
Perancangan sistem
Pengembangan sistem
Pengujian
Analisa Data Hasil Pengujian
Pembuatan Laporan

USULAN PEMBIMBING
Pembimbing : --------------------------

BULAN KE-1
1
2
3
4

BULAN KE-2
1
2
3
4

BULAN KE-3
1
2
3
4

DAFTAR PUSTAKA
[1] Telkom optimalkan internet dan social media untuk pemasaran Indihome [Online]
http://www.indihome.co.id/article/detail. Diakses tanggal 11 maret 2016
[2] Shih-Ming P. dan Kuo-Sheng, C.2007.Evolution-Based Tabu Search Approachto
Automatic Clustering.Systems, Man,and Cybernetics, Part C: Applicationsand Reviews,
IEEE Transactions on.
[3] Firdaus, S. & Indriani, N. (2001). Analisis persaingan produk sepeda motor berdasarkan
segmen pasar dan posisi produk, jurnal teknologi industry, Vol. V (2)
[4] Abdule-Wahab,R.,Monmarch, N.,Slimane, M., Fahdil, M., dan Saleh, H.,A 2006. Scatter
Search Algorithm for the Automatic Clustering Problem, in Advances in Data Mining.
Applications in Medicine, Web Mining, Marketing, Image and Signal Mining, P.
Perner, Editor. Springer Berlin H eidelberg.
[5] Oded, Maimon and Lior Rokach (2010). Data Mining and Knowledge Discovery
Handbook. 2nd ed. Berlin: Springer.
[6]Depkominfo. Perkembangan
http://www.depkominfo.go.id

jumlah

pengguna

internet

Indonesia.

[online]