Penggunaan Faktor Demografi Pengguna Sosial Media Untuk Mengklasifikasikan Average Revenue Per User (Arpu) Pengguna Dengan Menggunakan Metode Random Forest (Studi Kasus Perusahaan Telekomunikasi PT.XYZ)

Adiansyah, Rachmaddinta Herpradipto (2019) Penggunaan Faktor Demografi Pengguna Sosial Media Untuk Mengklasifikasikan Average Revenue Per User (Arpu) Pengguna Dengan Menggunakan Metode Random Forest (Studi Kasus Perusahaan Telekomunikasi PT.XYZ). Other thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 05211540000133-Undergraduate_Theses.pdf]
Preview
Text
05211540000133-Undergraduate_Theses.pdf

Download (2MB) | Preview

Abstract

Pelanggan merupakan aset penting bagi perusahaan. Pada divisi pemasaran perusahaan, pelanggan merupakan objek yang harus dikelola dengan baik. PT. XYZ sebagai salah satu perusahaan operator seluler mempunyai divisi yang dikhususkan untuk melakukan pemasaran yaitu divisi pemasaran digital. Salah satu kegiatan divisi pemasaran digital PT. XYZ adalah mengenali para pengguna layanan perusahaan yaitu telekomunikasi seluler. Untuk membantu divisi pemasaran dalam menyusun strategi pemasaran yang tepat, divisi pemasaran memerlukan pengelompokan penggunana layananya. Dalam hal ini pengelompokan average revenue per user (ARPU) pengguna berdasarkan data demografi pengguna yang mengakses sosial media melalui layanan PT. XYZ. Masalah dalam melakukan prediksi pengelompokan ARPU muncul karena tidak ada rumus pasti dari pola demografi pengguna dalam mengelompokan ARPU. Penelitian ini melakukan klasifikasi yang selanjutnya dapat digunakan untuk memprediksi kelompok ARPU pengguna baru (top usage, very high, high, medium, low, dan very low) berdasarkan demografinya. Dalam penelitian ini pengelompokan menggunakan metode klasifikasi random forest. Model dibangun menggunakan parameter yang dihasilkan dari proses parameter tuning. Dari pemodelan yang telah dibangun berdasarkan data demografi pengguna sosial media didapatkan hasil akurasi sebesar 37.28% dan nilai rata-rata AUC sebesar 0.77. Berdasarkan performa random forest tidak dapat digunakan untuk melakukan klasifikasi arpu pengguna berdasarkan demografi karena tingkat akurasi yang sangat kecil.
=================================================================================================================================
Customer are an important assets for the company. In the company’s marketing division, customers are objects that must be managed properly. PT. XYZ as a cellular operator company has a division dedicated to marketing operation called digital marketing division. One of the activities in the division is recognizing users of company services that is cellular telecommunications services. To help the marketing division in drawing up the right marketing strategy, the marketing division needs to group its users. The grouping in this case is by classify average revenue per user (ARPU) users based on demographic data of user who access social media through PT.XYZ telecommunications services. The prblem with predict ARPU classification arises because there is no exact formula for the user’s demographic patterns in classifying ARPU. This research classifies which can then be ised to predict new user ARPU groups (top usage, very high, high, medium, low, and very low) based on their demographics. In this study, classification is using random forest method. Model built using parameters generated from parameter tuning process. From the model that has been built based on demographic of social media user data, the accuracy score is 37.28% and the average value of AUC is 0.77.

Item Type: Thesis (Other)
Additional Information: RSSI 006.312 Adi p-1 2019
Uncontrolled Keywords: Penggalian data, Klasifikasi, Random forest, ARPU.
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis
Depositing User: Rachmaddinta Herpradipto Adiansyah
Date Deposited: 02 Apr 2024 03:18
Last Modified: 02 Apr 2024 03:18
URI: http://repository.its.ac.id/id/eprint/64353

Actions (login required)

View Item View Item