Segmentasi Berbasis Wilayah Pada Pelanggan PT. PLN (Persero) Up3 Banten Selatan Dengan K-Means Clustering Berdasarkan LRFMP

Syarifuddin, Muhammad (2023) Segmentasi Berbasis Wilayah Pada Pelanggan PT. PLN (Persero) Up3 Banten Selatan Dengan K-Means Clustering Berdasarkan LRFMP. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032211178-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (4MB) | Request a copy

Abstract

Program pembangunan pembangkit 35.000 MW (Mega Watt) membuka kesempatan swasta berpartisipasi melalui mekanisme Independent Power Producers (IPP). Dengan program ini, pada tahun 2020 total kapasitas pembangkit mencapai 63.336 MW dengan total produksi listrik 274.8 TWh (Tera Watt hour). Disisi lain, dengan adanya pandemi COVID-19, pada tahun 2020 secara kumulatif penjualan tenaga listrik PLN turun sebesar 0,8 % menjadi 243,6 TWh dibandingkan tahun 2019. Melihat kondisi ini, program 35.000 MW ini dapat menjadi peluang sekaligus tantangan bagi PT PLN (Persero) untuk dapat meningkatkan penjualan tenaga listrik, mengingat adanya kewajiban take or pay dimana seluruh energi listrik yang dihasilkan pembangkit swasta wajib dibeli oleh PT PLN (Persero). Jika PT PLN (Persero) tidak mampu menjual seluruh suplai energi listrik, tentu hal ini menjadi kerugian. Kondisi ini menuntut adanya strategi yang efektif dari PT PLN (Persero) dalam upaya meningkatkan penjualan tenaga listrik untuk menghadapi masa recovery pasca pandemi COVID-19. Langkah strategis berikutnya adalah percepatan cash in dengan minimalisir tunggakan. Percepatan cash in sangat penting untuk kelancaran arus kas perusahaan. Langkah awal upaya peningkatan penjualan serta percepatan cash in yang dapat diambil adalah segmentasi pelanggan dengan metode K-Means Clustering. Dalam melakukan clustering dapat digunakan LRFMP (Length, Recency, Frequency, Monetary, Payment). Segmentasi pelanggan dilakukan untuk mengetahui karakteristik setiap segmen pelanggan dari segi lama berlangganan, interval transaksi, frekuensi transaksi, besarnya nilai transaksi dan kelancaran pembayaran tagihan. Dengan adanya segmentasi ini dapat diketahui profil pelanggan pada setiap segmen dan bagaimana treatment yang tepat untuk setiap segmen, hal ini diperlukan untuk mendukung penentuan strategi pemasaran secara umum, serta meningkatkan kualitas customer relationship management. Hasil Clustering pelanggan prabayar membagi pelanggan prabayar tarif Bisnis dan Sosial masing-masing menjadi 2 cluster dan pelanggan tarif Industri, Rumah tangga dan Pemerintah menjadi masing-masing 3 cluster. Sementara hasil Clustering pelanggan pascabayar membagi pelanggan pascabayar Bisnis, Industri dan Rumah tangga menjadi 2 cluster, tarif Pemerintah 3 cluster dan tarif Sosial dalam 4 cluster. Hasil Clustering memberikan informasi terkait profil pelanggan pada masing-masing Cluster disertai dengan peta geografis serta analisa kondisi setiap wilayah, sehingga dapat memudahkan pengambilan strategi dan kebijakan yang menunjang strategi pemasaran pada PT PLN (Persero) UP3 Banten Selatan.
===============================================================================================================================
The 35,000 MW (Mega Watt) power plant development program opens opportunities for the private sector to participate through the Independent Power Producers (IPP) mechanism. With this program, in 2020 the total generating capacity will reach 63,336 MW with a total electricity production of 274.8 TWh (Tera Watt hour). On the other hand, with the COVID-19 pandemic, in 2020 the cumulative sales of PLN's electricity decreased by 0.8% to 243.6 TWh compared to 2019. Based on this condition, the 35,000 MW program can be both an opportunity and a challenge for PT PLN (Persero) to be able to increase sales of electricity, considering the existence of a “take or pay” obligation, all of the electrical energy produced by private power plants must be purchased by PT PLN (Persero). If PT PLN (Persero) is unable to sell all of the electricity supply, this will be a loss. This condition requires an effective strategy from PT PLN (Persero) to increase electricity sales to face the recovery period after the COVID-19 pandemic. The next strategic step is accelerating cash in by minimizing payment overdue. Acceleration of cash in is very important for the smooth flow of the company's cash. The initial step to increase sales and accelerating cash in is customer segmentation using the K-Means Clustering method. In conducting clustering, the LRFMP (Length, Recency, Frequency, Monetary, Payment) can be used. Customer segmentation has carried out to determine the characteristics of each customer segment in terms of length of subscription, transaction intervals, transaction frequency, transaction value and payment overdue. Based on this segmentation, we know the profile of customers in each segment and the right treatment for each segment to support the determination of marketing strategies in general, as well as improve the quality of customer relationship management. The results of prepaid customer clustering divide prepaid customers of Business and Social tariffs into 2 clusters and customers of Industrial, Household and Government tariffs into 3 clusters. While the results of postpaid customer clustering divide Business, Industrial and Household postpaid customers into 2 clusters, Government tariffs into 3 clusters and Social tariffs into 4 clusters. Clustering results provide information about customer profiles in each Cluster accompanied by geographic maps and analysis of the conditions of each region. This information needed to support the determination of strategies and policies that support the marketing strategy at PT PLN (Persero) UP3 Banten Selatan.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	clustering, frequency, k-means, LRFMP, penjualan, segmentasi
Subjects:	H Social Sciences > HD Industries. Land use. Labor > HD38.7 Business intelligence. Trade secrets
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	M. SYARIFUDDIN
Date Deposited:	14 Feb 2023 05:22
Last Modified:	14 Feb 2023 05:22
URI:	http://repository.its.ac.id/id/eprint/97351

Actions (login required)

View Item