Segmentasi Wilayah Berdasarkan Tipologi Klassen Dan Gaussian Mixture Model Untuk Potensi Pasar PT XYZ Jawa Timur

Simarmata, Dian Triana (2026) Segmentasi Wilayah Berdasarkan Tipologi Klassen Dan Gaussian Mixture Model Untuk Potensi Pasar PT XYZ Jawa Timur. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002221066-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Pembangunan ekonomi di Provinsi Jawa Timur ditandai oleh ketimpangan antarwilayah yang signifikan, di mana hanya 15 dari 38 kabupaten/kota memiliki pertumbuhan ekonomi di atas rata-rata provinsi. Kondisi ini menjadi tantangan bagi PT XYZ, sebuah lembaga keuangan non-perbankan, dalam menentukan prioritas pengembangan pasar karena potensi pasar tidak terdistribusi merata dan tidak dapat diidentifikasi secara akurat hanya melalui indikator makroekonomi. Penelitian ini bertujuan mengklasifikasikan wilayah menggunakan Tipologi Klassen, menerapkan Gaussian Mixture Model (GMM) untuk segmentasi wilayah secara lebih komprehensif, serta menyusun rekomendasi strategi pengembangan pasar PT XYZ. Tipologi Klassen diterapkan pada dua indikator makroekonomi sebagai klasifikasi awal, sedangkan GMM mengintegrasikan delapan variabel yang mencakup data demografi, ekonomi, dan kinerja internal PT XYZ dengan estimasi parameter melalui algoritma Expectation Maximization. Hasil Tipologi Klassen menunjukkan distribusi wilayah yang timpang, yaitu 7 wilayah pada Kuadran I, 3 wilayah pada Kuadran II, 7 wilayah pada Kuadran III, dan 21 wilayah (55,26%) pada Kuadran IV. Penerapan GMM menghasilkan empat cluster yang konvergen pada iterasi ke-9 dengan perubahan nilai log-likelihood antara iterasi ke-9 dan ke-8 sebesar 0,000060, sementara dua komponen utama PCA mampu menjelaskan 83,74% variansi data. Keempat cluster memiliki karakteristik yang berbeda, yaitu cluster 1 (4 wilayah) dengan laju pertumbuhan ekonomi terendah dan kapasitas ekonomi yang terpusat pada satu wilayah, cluster 2 (12 wilayah) dengan kondisi ekonomi menengah yang stabil dan jumlah penduduk besar tetapi PDRB per kapita rendah, cluster 3 (7 wilayah) sebagai wilayah berpenduduk paling sedikit dengan seluruh indikator kinerja terendah, dan cluster 4 (15 wilayah) sebagai cluster terbesar sekaligus wilayah maju dengan kinerja PT XYZ paling dominan. Tabulasi silang antara kuadran dan cluster mengungkap adanya wilayah yang unggul secara makroekonomi tetapi berkinerja rendah maupun sebaliknya, sehingga GMM terbukti melengkapi klasifikasi Tipologi Klassen sekaligus menjadi dasar perumusan strategi berbeda untuk tiap segmen guna mengalokasikan sumber daya pemasaran secara lebih efektif dan tepat sasaran.
=======================================================================================================================================
Economic development in East Java Province is marked by significant inter-regional disparity, in which only 15 of 38 regencies/cities have economic growth above the provincial average. This condition poses a challenge for PT XYZ, a non-bank financial institution, in determining market development priorities, as market potential is unevenly
distributed and cannot be identified accurately through macroeconomic indicators alone. This study aims to classify regions using Klassen Typology, to apply the Gaussian Mixture Model (GMM) for a more comprehensive regional segmentation, and to formulate market development strategy recommendations for PT XYZ. Klassen Typology was applied to two macroeconomic indicators as an initial classification, while GMM integrated eight demographic, economic, and PT XYZ internal performance variables with parameter estimation through the Expectation-Maximization algorithm. The Klassen Typology results show an uneven distribution of regions, namely 7 regions in Quadrant I, 3 regions in Quadrant II, 7 regions in Quadrant III, and 21 regions (55.26%) in Quadrant IV. The application of GMM produced four clusters that converged at the 9th iteration with a log likelihood change between the 9th and 8th iterations of 0.000060, while the two principal components of PCA explained 83.74% of the data variance. The four clusters have distinct characteristics, namely cluster 1 (4 regions) with the lowest economic growth and economic capacity concentrated in a single region, cluster 2 (12 regions) with stable middle-level economic conditions and a large population but low GRDP per capita, cluster 3 (7 regions) as the least populated regions with the lowest performance indicators, and cluster 4 (15 regions) as the largest cluster as well as an advanced region in which PT XYZ’s performance is the most dominant. Cross-tabulation between quadrants and clusters reveals regions that are macroeconomically superior yet perform weakly, and vice versa, showing that GMM complements the Klassen Typology classification and provides the basis for formulating a distinct strategy for each segment in order to allocate marketing resources more effectively and precisely.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Segmentasi Wilayah, Tipologi Klassen, Gaussian Mixture Model, Potensi Pasar, Regional Segmentation, Klassen Typology, Market Potential.
Subjects:	Q Science > QA Mathematics > QA246.8 Gaussian Q Science > QA Mathematics > QA9.58 Algorithms
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Dian Triana Simarmata
Date Deposited:	30 Jul 2026 17:06
Last Modified:	30 Jul 2026 17:06
URI:	http://repository.its.ac.id/id/eprint/140821

Actions (login required)

View Item