C. Pengelompokan Pelanggan
Proses ini dilakukan dengan menekan tombol LANJUT pada form Pilih Paket Wisata Promosi, lalu sistem akan mulai melakukan perhitungan
pengelompokan pelanggan dengan metode k-means, jika sudah selesai, maka form Pengelompokan Pelanggan Potensial akan muncul. Di dalam form ini terdapat
diagram pembagian cluster, hasil seleksi pelanggan dengan cluster-nya, nilai masing-masing centroid atau pusat cluster terakhir serta daftar pelanggan
potensial yang sudah terpilih. Pada diagram tersebut, pengguna juga dapat menekan titik-titik koordinat untuk melihat pelanggan siapa saja pada titik
tersebut. Untuk gambar dapat dilihat pada gambar 4.73.
Gambar 4.73 form Pengelompokan Pelanggan Potensial
Sebelum ke tahap selanjutnya, akan dijelaskan terlebih dahulu proses- proses yang terjadi pada form ini. Dari data pada tabel 4.40 dan masukan jumlah
cluster, sistem akan memulai pengelompokan pelanggan dengan metode k-means. Hal pertama yang dilakukan pada iterasi 0 atau awal adalah mencari nilai centroid
atau pusat cluster awal. Sistem disini mengambil nilai Centroid 1 dari pelanggan
1 dengan nilai 1,1 dan Centroid 2 dari pelanggan 2 dengan nilai 4,2. Proses selanjutnya adalah menghitung jarak masing-masing pelanggan terhadap centroid
untuk perhitungan lebih detail dapat dilihat pada bagian analisa uji coba perhitungan sistem. Lalu setelah didapatkan jarak, maka pelanggan-pelanggan
tersebut dikelompokkan berdasarkan jarak terdekat terhadap masing-masing centroid. Didapatkan data sebagai berikut sesuai tabel 4.41.
Tabel 4.41 Anggota Masing-masing Cluster Anggota Cluster C1
Anggota Cluster C2 PE120401005
PE120501003 PE120501016
PE120501026 PE120502027
PE120502023 PE120502028
PE120502046 PE120503024
PE120503023 PE120516011
PE120517020 PE120517048
Sesuai tabel 4.41 maka akan pada iterasi 1 akan dilakukan penghitungan centroid ulang untuk perhitungan lebih detail dapat dilihat pada bagian analisa uji
coba perhitungan sistem dan dihasilkan nilai Centroid 1 1.6 , 0.8 dan Centroid 2 3.875 , 2.125. Proses selanjutnya adalah menghitung jarak masing-masing
pelanggan terhadap centroid untuk perhitungan lebih detail dapat dilihat pada bagian analisa uji coba perhitungan sistem. Lalu setelah didapatkan jarak, maka
pelanggan-pelanggan tersebut dikelompokkan berdasarkan jarak terdekat terhadap masing-masing centroid. Didapatkan data sebagai berikut sesuai tabel 4.42.
Tabel 4.42 Anggota Masing-masing Cluster Baru Iterasi 1 Anggota Cluster C1
Anggota Cluster C2 PE120401005
PE120501003 PE120501016
PE120501026 PE120502027
PE120502023 PE120502028
PE120503023
Anggota Cluster C1 Anggota Cluster C2
PE120502046 PE120516011
PE120503024 PE120517020
PE120517048
Sesuai tabel 4.42, data anggota atau pelanggan pada masing-masing cluster mengalami perubahan dari cluster pada iterasi sebelumnya, maka iterasi di
lanjutkan dengan menghitung centroid ulang dan di dapatkan nilai centroid C1 1.834 , 0.834 dan centroid C2 4 , 2.286. Proses selanjutnya adalah menghitung
jarak masing-masing pelanggan terhadap centroid untuk perhitungan lebih detail dapat dilihat pada bagian analisa uji coba perhitungan sistem. Lalu setelah
didapatkan jarak, maka pelanggan-pelanggan tersebut dikelompokkan berdasarkan jarak terdekat terhadap masing-masing centroid. Didapatkan data
sebagai berikut sesuai tabel 4.43.
Tabel 4.43 Anggota Masing-masing Cluster Baru Iterasi 2 Anggota Cluster C1
Anggota Cluster C2 PE120401005
PE120501003 PE120501016
PE120501026 PE120502027
PE120502023 PE120502028
PE120503023 PE120502046
PE120516011 PE120503024
PE120517020 PE120517048
Karena anggota cluster pada iterasi 1 dan iterasi 2 tidak berubah atau anggotanya tidak ada berpindah cluster, maka perhitungan diberhentikan. Setelah
itu dilakukan perhitungan nilai centroid terbesar pada masing-masing cluster dan cluster C2 dengan nilai terbesar, maka pelanggan-pelanggan pada cluster C2 lah
yang masuk sebagai kategori pelanggan potensial. Untuk mengetahui apakah
benar pelanggan-pelanggan yang ada pada cluster C2 adalah pelanggan yang potensial yaitu yang banyak melakukan transaksi terhadap hotel The Ahimsa dan
paket wisata Ahimsa Badung 2D, dapat dilihat pada tabel 4.44.
Tabel 4.44 Perbandingan data anggota antar cluster Anggota Cluster C1
Anggota Cluster C2 ID Pelanggan
X Y
ID Pelanggan X
Y PE120401005
1 1
PE120501003 4
2 PE120501016
2 2
PE120501026 4
3 PE120502027
2 1
PE120502023 3
2 PE120502028
2 PE120503023
5 1
PE120502046 3
1 PE120516011
4 1
PE120503024 1
PE120517020 3
3 PE120517048
5 4
Dari hasil perbandingan pada tabel 4.44 cluster yang dianggap potensial berdasarkan metode k-means adalah cluster C2, jika dibandingkan antar anggota
pada cluster tersebut, terlihat nilai seleksi dari anggota C2 rata-rata lebih besar dari anggota C1. Dari hal ini dapat disimpulkan bahwa sistem dengan metode k-
means dapat melakukan pengelompokan pelanggan dan mengetahui mana saja pelanggan yang termasuk di dalam kelompok pelanggan potensial.
D. Pengiriman Email
Kategori