Segmentasi Pelanggan Berbasis Data Konsumsi Listrik Menggunakan Algoritma Machine Learning di PT PLN

Pradikasari, Kania Dwi Puspa (2024) Segmentasi Pelanggan Berbasis Data Konsumsi Listrik Menggunakan Algoritma Machine Learning di PT PLN. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032221176-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (7MB) | Request a copy

Abstract

PT PLN memiliki peran penting dalam menyediakan pasokan listrik yang krusial bagi pertumbuhan ekonomi dan kesejahteraan masyarakat Indonesia. PT PLN telah berupaya memberikan peningkatan pelayanan pelanggan dengan mengembangkan strategi pelayanan pelanggan yang lebih baik. PT PLN XYZ masih belum memiliki strategi yang efektif dalam pemasaran tambah daya listrik maupun pemasangan baru. Konsep pemasaran tambah daya listrik dan pemasangan baru selama ini hanya berdasarkan jenis tarif dan daya VA (Volt Ampere) di program promo-promonya. Hal ini menyebabkan program pemasaran tambah daya listrik hanya menyasar dan tertuju pada jenis tarif dan daya VA tertentu saja, padahal pelanggan di luar jenis tarif dan daya tersebut ada potensi untuk mengikuti program pemasaran tersebut. Pada tahun 2023 ini, realisasi penjualan tenaga listrik di PT PLN XYZ tidak mencapai target yang telah ditentukan terutama pada kategori rumah tangga. Tidak tercapainya target penjualan ini tentu menuntut PT PLN XYZ untuk dapat melakukan perbaikan dan evaluasi pada strategi pemasaran yang dilakukan agar dapat meningkatkan penjualan tenaga listriknya. Langkah awal yang dapat diambil dalam upaya peningkatan penjualan tenaga listrik adalah dengan melakukan segmentasi untuk pemetaan pelanggan berdasarkan karakter setiap segmen pelanggan. Berdasarkan permasalahan tersebut, maka pada penelitian ini diterapkan segmentasi pelanggan dengan k-means clustering pada pelanggan PT PLN XYZ. Data yang digunakan dalam penelitian ini adalah data historis pelanggan pascabayar kategori rumah tangga selama tahun 2023 berupa data jenis tarif, daya listrik pelanggan (VA), tagihan pemakaian listrik (rupiah), total pemakaian listrik (kWh), dan jam nyala listrik. Berdasarkan hasil analisis, didapatkan bahwa pelanggan pascabayar PT PLN XYZ pada tahun 2023 didominasi oleh pelanggan dengan jenis tarif R1, daya 900 VA, dan jam nyala <=400 jam perbulannya. Kemudian dari pengolahan K-Means Clustering, didapatkan jumlah cluster optimal adalah 5 cluster dan telah ditentukan beberapa strategi pemasaran untuk masing- masing cluster dimana cluster 2 adalah prioritas 1, cluster 1 dan 4 adalah prioritas 2, cluster 5 dan pelanggan > 720 jam nyala adalah prioritas 3, dan prioritas 4 yang dapat diterapkan untuk seluruh cluster.
========================================================================================================================
PT PLN has an important role in providing electricity supplies crucial for the economic growth and welfare of the Indonesian people. PT PLN has made efforts to enhance customer service by developing better strategies. However, PT PLN XYZ has yet to establish an effective strategy for marketing additional electricity capacity and new installations. The concept of marketing additional electricity capacity and new installations has primarily been based on tariff types and VA (Volt Ampere) power in its promotional programs. This approach limits marketing programs to specific tariff types and VA power, while there is untapped potential among customers outside these categories who could benefit from such programs. In 2023, electricity sales realization at PT PLN XYZ fell short of targets, especially in the household category. Failing to meet sales targets necessitates PT PLN XYZ to make improvements and evaluate marketing strategies to enhance electricity sales. The initial step in boosting electricity sales is conducting customer segmentation to map customers based on their characteristics within each segment. To address this issue, customer segmentation using K-Means clustering is applied in this research to PT PLN XYZ customers. The data used includes historical data of postpaid household customers during 2023, consisting of customer tariff types, electricity power (VA), electricity usage bills (Rupiah), total electricity usage (kWh), and electricity usage hours. The analysis indicated that in 2023, most of PT PLN XYZ's postpaid customers predominantly utilized R1 tariff types, had a power capacity of 900 VA, and their electricity usage hours were <=400 per month. Additionally, employing K-Means Clustering identified an optimal configuration of 5 clusters, each associated with specific marketing priorities: Cluster 2 being the highest priority (priority 1), Clusters 1 and 4 as the second priority (priority 2), Cluster 5 and customers with >720 usage hours categorized as the third priority (priority 3). And priority 4 that can be applied to all clusters.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Clustering, Customers, K-means, Marketing, Segmentation, Clustering, K-means, Pelanggan, Pemasaran, Segmentasi.
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. Q Science > QA Mathematics > QA278.55 Cluster analysis
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	Kania Dwi Puspa Pradikasari
Date Deposited:	05 Aug 2024 01:50
Last Modified:	05 Aug 2024 01:50
URI:	http://repository.its.ac.id/id/eprint/111936

Actions (login required)

View Item