Penentuan Lokasi Ideal Cabang Baru pada Perusahaan Multifinance Menggunakan Google Maps API dengan Metode Clustering

Firdaus, Aldi Ilham (2024) Penentuan Lokasi Ideal Cabang Baru pada Perusahaan Multifinance Menggunakan Google Maps API dengan Metode Clustering. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032211242-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (4MB) | Request a copy

Abstract

Pemilihan lokasi yang strategis untuk membuka cabang baru sangat penting bagi perusahaan di multifinance, karena hal ini sangat berpengaruh terhadap keunggulan bersaing dan peningkatan kinerja perusahaan. Tujuan dari penelitian ini adalah untuk mengatasi tantangan dalam penentuan lokasi cabang baru bagi salah satu perusahaan multifinance di Indonesia. Penelitian ini menggunakan metode analisis deskriptif dan clustering dengan memanfaatkan data historis dari tahun 2018 hingga 2023 dari Area Bogor dan Tangerang. Fokus penelitian adalah pada analisis data pelanggan aktif dan melibatkan informasi geografis guna mengidentifikasi kesuksesan pembukaan cabang baru. Penggunaan Google Maps API untuk integrasi data geografis memungkinkan penelitian mendalam mengenai jarak antara pelanggan dan cabang perusahaan serta distribusi kompetitor, yang sangat penting dalam penentuan lokasi yang strategis. Hasil penelitian menunjukkan bahwa volume transaksi mengalami fluktuasi. Cabang Tangerang menunjukkan performa tertinggi baik dalam jumlah transaksi maupun total nilai pembiayaan, sementara Cabang Tangerang 2 dan Tangerang 3 menunjukkan performa terendah. Dengan analisis K-Medoids clustering dapat membentuk 5 cluster untuk mengidentifikasi Cabang Tangerang 3 sebagai cluster dengan kinerja terbaik untuk produk motor dan membentuk 3 cluster untuk Cabang Tangerang, Tangerang 2, Tangerang 3, Cikupa, Cibinong, Bogor sebagai cluster optimal untuk produk mobil. Penelitian ini dapat menentukan lokasi strategis untuk ekspansi perusahaan, yang jika dipilih berdasarkan analisis data yang komprehensif, dapat meningkatkan efektivitas operasional dan potensi pasar. Hasil penelitian ini memberikan kontribusi penting terhadap strategi ekspansi perusahaan multifinance dengan memberikan rekomendasi lokasi optimal untuk pengembangan bisnis selanjutnya. Selain itu, penelitian ini menawarkan pemahaman baru mengenai manfaat teknologi pemetaan dalam memperbaiki proses pengambilan keputusan di perusahaan multifinance.
=================================================================================================================================
The selection of strategic locations for opening new branches is crucial for companies in the multifinance sector, as it significantly impacts competitive advantage and company performance. This study aims to address the challenges in determining new branch locations for multifinance companies in Indonesia. The study employs descriptive analysis and clustering methods, using historical data from 2018 to 2023 from the Bogor and Tangerang areas. The focus of the research is on the analysis of active customer data and the incorporation of geographical information to identify the success of new branch openings. The use of the Google Maps API for integrating geographical data enables in-depth research on the distance between customers and company branches as well as competitor distribution, which is essential in determining strategic locations. The research results show that transaction volumes fluctuate. The Tangerang branch demonstrates the highest performance in both the number of transactions and the total financing value, while Tangerang 2 and Tangerang 3 branches show the lowest performance. Using K-Medoids clustering analysis, five clusters can be formed to identify the Tangerang 3 branch as the best-performing cluster for motorcycle products, and three clusters can be formed for the Tangerang, Tangerang 2, Tangerang 3, Cikupa, Cibinong, and Bogor branches as the optimal cluster for car products. This research can identify strategic locations for company expansion, which, if chosen based on comprehensive data analysis, can enhance operational effectiveness and market potential. The results of this study provide significant contributions to the expansion strategy of the multifinance company by recommending optimal locations for future business development. Additionally, this research offers new insights into the benefits of mapping technology in improving decision-making processes within multifinance companies.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Analisis Deskriptif, Clustering, Ekspansi Perusahaan Multifinance, K-Medoids Clustering, Google Maps API, Penentuan Lokasi, Descriptive Analysis, Multi-finance Company Expansion, Location Determination
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T174 Technological forecasting
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	Aldi Ilham Firdaus
Date Deposited:	18 Aug 2024 01:21
Last Modified:	19 Aug 2024 08:30
URI:	http://repository.its.ac.id/id/eprint/115463

Actions (login required)

View Item