MARKETING MAPS PADA LEMBAGA AMIL ZAKAT MENGGUNAKAN ALGORITMA CLUSTERING DAN ASSOCIATION RULES
Abstract
Masalah kemiskinan selalu memperoleh perhatian utama di negara Indonesia dan menjadi sebuah persoalan yang mendasar dan pemerintah sebagai pihak yang paling bertanggung jawab dalam penanggulangannya. Tetapi masalah kemiskinan ini tidak hanya menjadi tanggung jawab penuh oleh pemerintah saja, dibutuhkan juga peran serta dari masyarakat. Oleh karena itu organisasi atau lembaga non pemerintah seperti baitul maal atau lembaga amil zakat di daerah harus mampu mengoptimalkan perannya terhadap permasalahan kemiskinan ini. Salah satu upaya mengoptimalkan peran serta lembaga amil zakat dalam berkontribusi memecahkan permasalahan kemiskinan adalah meningkatkan loyalitas para donaturnya. Karena semakin banyak jumlah donatur yang terdaftar dan semakin tinggi loyalitas donaturnya menjadi salah satu tolak ukur keberhasilan, dimana ini akan berbanding lurus juga dengan dana himpunan donasi yang akan didapatkan. Tetapi pada aktualnya untuk meningkatkan jumlah dan loyalitas para donatur tidaklah mudah, ini disebabkan penentuan strategi pemasaran atau marketing maps yang dilakukan selama ini tidaklah optimal. Oleh karena itu dalam penelitian ini akan dilakukan penyusunan strategi pemasaran atau marketing maps dengan pendekatan datamining. Metode pertama yang digunakan adalah K-Means Clutering yang berguna untuk pengelompokan data donatur. Data donatur yang akan di proses merupakan data transaksi selama 6 bulan terkahir pada sebuah lembaga amil zakat di daerah karawang dengan atribut RFM (Recency, Frequency Monetary) yang dipilih. Kemudian dari hasil pencarian menggunakan metode elbow, nilai k atau jumlah cluster yang paling optimal adalah 2 dan menghasilkan kelompok donatur low dan kelompok donatur high. Dan pada proses terakhir dilakukan proses asosiasi terhadap data transaksi dari masing-masing kelompok donatur dengan menggunakan metode Association Rules untuk mengetahui keterkaitan program-program donasi yang dipilih oleh masing-masing kelompok donatur yang hasilnya dapat dijadikan sebagai data atau referensi dalam pembuatan strategi pemasaran atau marketing maps.
Full Text:
PDFReferences
A. Huraerah, “Strategi Kebijakan Penanggulangan Kemiskinan di Indonesia,” Ilmu Kesejaht. Sos., vol. 12, pp. 3–13, 2013.
B. A. Tama, “Penetapan Strategi Penjualan Menggunakan,” J. Generic, vol. 5, no. 1, pp. 35–38, 2010.
Jupriyanto and S. Nurlela, “KERANGKA PENGAMBILAN KEPUTUSAN UNTUK PEMASARAN PRESISI MENGGUNAKAN METODE RFM , ALGORITMA K-MEANS,” J. PILAR Nusa Mandiri, vol. 15, no. 2, pp. 227–234, 2019.
Yulianti, D. Y. Utami, N. Hikmah, and F. N. Hasan, “PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA K-MEANS UNTUK MENGETAHUI MINAT CUSTOMER,” J. PILAR Nusa Mandiri, vol. 15, no. 2, pp. 241–246, 2019.
Amrin, “Data Mining Dengan Algoritma Apriori untuk Penentuan Aturan Asosiasi Pola Pembelian Pupuk,” Paradigma, vol. XIX, 2017.
P. Soepomo, “Penerapan Data Mining untuk Klasifikasi Prediksi Penyakit ISPA ( Infeksi Saluran Pernapasan Akut ) dengan Algoritma Decision Tree ( ID3 ),” J. Sarj. Tek. Inform., vol. 2, no. 1, pp. 831–839, 2014.
D. Dwinavinta, C. Nugraha, M. Fahmi, Z. Naimah, and N. Setiani, “Klasterisasi Judul Buku dengan Menggunakan Metode K-Means,” Semin. Nas. Apl. Teknol. Inf. Yogyakarta, vol. 21, no. 1, pp. 1907–5022, 2014.
H. Februariyanti and D. B. Santoso, “HIERARCHICAL AGGLOMERATIVE CLUSTERING UNTUK PENGELOMPOKAN SKRIPSI MAHASISWA,” Pattern Recognit., vol. 11, pp. 33–40, 2017.
B. Pandjaitan, “Clustering Data Akademik Mahasiswa Fakultas Teknik USNI Dengan Algoritma K-Means,” Satya Inform., vol. 2, no. 2, pp. 1–8, 2017.
R. Nurul, S. Defiyanti, and M. Jajuli, “Implementasi Algoritma K-Means Dalam Pengklasteran Mahasiswa Pelamar Beasiswa,” Jitter 2015, vol. I, no. 2, pp. 62–68, 2015.
T. Hardiani, S. Sulistyo, and R. Hartanto, “Segmentasi Nasabah Tabungan Menggunakan Model RFM ( Recency , Frequency , Monetary ) dan K-Means Pada Lembaga Keuangan Mikro,” Semin. Nas. Teknol. Inf. dan Komun. Terap., no. May, pp. 463–468, 2015.
Aviliani, U. Sumarwan, I. Sugema, and A. Saefuddin, “Segmentasi nasabah tabungan mikro berdasarkan recency, frequency, dan monetary : kasus bank bri,” Financ. Bank. J., vol. 13, no. 1, pp. 95–109, 2011.
Fadlina, “Data Mining Untuk Analisa Tingkat Kejahatan Jalan Dengan Algoritma Association Rule Metode Apriori,” Maj. Ilm. Inf. dan Teknol. Ilm., vol. III, pp. 144–154, 2014.
J. Salesti, “ANALISIS PENERAPAN METODE ECONOMIC ORDER QUANTITY PADA PERSEDIAAN BAHAN BAKU: STUDI KASUS PT IMECO BATAM TUBULAR TAHUN 2014,” J. Meas., vol. 8, no. 3, pp. 21–31, 2014.
A. T. Rahman, Wiranto, and R. Anggrainingsih, “Coal Trade Data Clustering Using K-Means (Case Study Pt. Global Bangkit Utama),” ITSMART J. Teknol. dan Inf., vol. 6, no. 1, pp. 24–31, 2017.
E. Muningsih and S. Kiswati, “SISTEM APLIKASI BERBASIS OPTIMASI METODE ELBOW UNTUK,” vol. 3, no. 1, 2018.
R. N. Miraldi, A. Rachmat, and B. Susanto, “Implementasi Algoritma FP-GROWTH untuk Sistem Rekomendasi Buku di Perpustakaan UKDW,” INFORMATIKA, vol. 10, no. l, pp. 29–39, 2014.
S. Anggraeni, M. A. Iha, W. Erawati, and S. Khairunnas, “Analysis of Sales by Using Apriori and FP- Growth at PT . Panca Putra Solusindo,” Ris. dan E-Jurnal Manaj. Inform. Komput. Vol. 3, Number 2, April 2019, vol. 3, no. 2, pp. 41–47, 2019.
DOI: https://doi.org/10.32520/stmsi.v9i1.572
Article Metrics
Abstract view : 1326 timesPDF - 316 times
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.