Menentukan Source Terbaik Untuk Menemukan Pelanggan Potensial Menggunakan Algoritma K-Nearest Neighbor
Bilah Samping Artikel
Diterbitkan:
Mar 30, 2020
Kata Kunci:
Perdagangan berjangka, klasifikasi, leads source customer, k-nearest neighbor
Isi Artikel Utama
Abstrak
Meningkatnya persaingan dalam perdagangan berjangka mendorong perusahaan-perusahaan yang terlibat dalam bisnis perdagangan berjangka untuk lebih intensif merebutkan perhatian pelanggan melalui iklan. PT Global Kapital Investama Berjangka atau GKInvest saat ini menggunakan iklan pada beberapa source seperti Facebook, Google, Instagram, dan beberapa media iklan online lainnya sebagai salah satu strategi pemasarannya. Untuk menghindari terjadi ketidakefisienan dalam pemasangan iklan, dibutuhkan suatu instrumen yang dapat membantu perusahaan dalam menentukan media iklan yang paling efektif. Algoritma K-Nearest Neighbor (KNN) merupakan algoritma yang paling popular digunakan untuk pengklasifikasin objek. Algoritma ini dipandang dapat digunakan untuk menentukan source terbaik untuk menemukan pelanggan potensial terkait dengan pemasangan iklan. Berdasarkan hasil penelitian diperoleh hasil perhitungan akurasi K-Nearest Neighbor menggunakan aplikasi RapidMiner dengan metode Cross Validation dengan parameter K=1 sebesar 99%.
Rincian Artikel
##submission.howToCite##
Irfan Mahendra, & Putri Buana. (2020). Menentukan Source Terbaik Untuk Menemukan Pelanggan Potensial Menggunakan Algoritma K-Nearest Neighbor. JITSI : Jurnal Ilmiah Teknologi Sistem Informasi, 1(1), 1 - 7. Diambil dari https://jurnal-itsi.org/index.php/jitsi/article/view/2
Terbitan
Bagian
Articles
##submission.license.cc.by-sa4.footer##
Referensi
[1] Indonesia, Perubahan Atas Undang Undang Nomor 32 Tahun 1997 Tentang Perdagangan Berjangka Komoditi. Undang Undang No 10 Tahun 2011 Lembaran Negara No 79 Tahun 2011 TLN No 5232, 2011.
[2] S. R. D. Setiawan, “Investor Perdagangan Berjangka Komoditi Terus Meningkat,” 2019. [Online]. Available: https://money.kompas.com/read/2019/12/06/114200526/investor-perdagangan-berjangka-komoditi-terus-meningkat?page=all.
[3] I. N. Sari, “Volume transaksi kontrak berjangka tumbuh 26,5% hingga kuartal III 2019,” 2019. [Online]. Available: https://amp.kontan.co.id/news/volume-transaksi-kontrak-berjangka-tumbuh-265-hingga-kuartal-iii-2019.
[4] Bappebti, “Pialang Berjangka,” 2019. [Online]. Available: http://bappebti.go.id/pialang_berjangka.
[5] A. Lukitaningsih, “Iklan yang Efektif Sebagai Strategi Komunikasi Pemasara Ambar Lukitaningsih Fakultas Ekonomi Universitas Sarjanawiyata Tamansiswa Yogyakarta,” J. Ekon. dan Kewirausahaan, vol. 13, no. 2, pp. 116–129, 2013.
[6] Kaharudin, M. G. Pradana, and Kusrini, “Prediksi Customer Churn Perusahaan Telekomunikasi Menggunakan Naive Bayes Dan K-Nearest Neighbor,” J. Inf. Interaktif, vol. 4, no. 3, pp. 165–171, 2019.
[7] G. Andri, “Program Studi Manajemen Fakultas Ekonomi Universitas Tamansiswa Padang,” Strateg. Pemasar. dan Ef. Periklanan Dengan Menggunakan Metod. Komunikasi, Empati, Persuas. dan Dampak Pada Perusah. PT Bhineka Lestari Ltd, vol. 3, no. 2, pp. 30–60, 2012.
[8] F. N. Azmi and M. Sarma, “Pengaruh Iklan Televisi terhadap Pengambilan Keputusan Pembelian Konsumen Es Krim Magnum,” J. Manaj. dan Organ., vol. 8, no. 2, p. 119, 2018.
[9] GKInvest, “Tentang Kami,” 2019. [Online]. Available: https://www.gkinvest.co.id/AboutUs.
[10] W. Yustanti, “Algoritma K-Nearest Neighbour untuk Memprediksi Harga Jual Tanah,” J. Mat. Stat. dan komputasi, vol. 9, no. 1, pp. 57–68, 2012.
[11] T. C. Pratama, “Penerapan Metode K-Nearest Neighbour Dalam Menentukan Kelayakan Calon Nasabah Yang Layak Untuk Kredit Mobil ( Studi Kasus : Pt . Astra International , Tbk-Toyota ),” JURIKOM (Jurnal Ris. Komputer), vol. 5, no. 4, pp. 402–408, 2018.
[12] R. Hadi, D. Saryanti, and P. Suwirmayanti, “Pengklasifikasian Pelanggan Dengan Metode KNN (Studi Kasus : Dalung Rent Toys Bali),” Pros. SNST ke-10 Tahun 2019, vol. 10, pp. 48–52, 2019.
[13] Mustakim and G. O. F, “Algoritma K-Nearest Neighbor Classification Sebagai Sistem Prediksi Predikat Prestasi Mahasiswa,” J. Sains, Teknol. dan Ind., vol. 13, no. 2, pp. 195–202, 2016.
[14] N. Krisandi, B. Prihandono, and Helmi, “Algoritma K - Nearest Neighbor Dalam Klasifikasi Data Hasil Produksi Kelapa Sawit Pada PT. MINAMAS Kecamatan Parindu,” Bul. Ilm. Math.Stat.dan Ter., vol. 02, no. 1, pp. 33–38, 2013.
[15] W. T. Panjaitan, “Penerapan Algoritma Knn Pada Prediksi Produksi,” Semin. Nas. Teknol. Inf. dan Multimed. 2018, pp. 61–66, 2018.
[16] R. R. Sani, J. Zeniarja, and A. Luthfiarta, “Penerapan Algoritma K-Nearest Neighbor pada Information Retrieval dalam Penentuan Topik Referensi Tugas Akhir,” J. Appl. Intell. Syst., vol. 1, no. 2, pp. 123–133, 2016.
[17] S. Sumarlin, “Implementasi Algoritma K-Nearest Neighbor Sebagai Pendukung Keputusan Klasifikasi Penerima Beasiswa PPA dan BBM,” J. Sist. Inf. Bisnis, vol. 5, no. 1, pp. 52–62, 2015.
[18] A. Panoto, Y. R. W. Utami, and W. L. YS, “Penerapan Algoritma K-Nearest Neighbors untuk prediksi kelulusan Mahasiswa pada STMIK Sinar Nusantara Surakarta,” J. TIKomSiN, pp. 27–31, 2017.
[19] R. R. Putra and C. Wadisman, “Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K-Means,” J. Inf. Technol. Comput. Sci., vol. 1, no. 1, pp. 72–77, 2018.
[20] N. Hadianto, H. B. Novitasari, and A. Rahmawati, “Klasifikasi Peminjaman Nasabah Bank Mengunakan Metode Neural Network,” J. PILAR Nusa Mandiri, vol. 15, no. 2, pp. 163–170, 2019.
[21] V. Alfani, “Data Mining Untuk Klasifikasi Pinjaman Kredit Pensiunan Menggunakan Algoritma K-Nearest Neighbor,” J. Pelita Inform., vol. 18, no. April, pp. 281–286, 2019.
[2] S. R. D. Setiawan, “Investor Perdagangan Berjangka Komoditi Terus Meningkat,” 2019. [Online]. Available: https://money.kompas.com/read/2019/12/06/114200526/investor-perdagangan-berjangka-komoditi-terus-meningkat?page=all.
[3] I. N. Sari, “Volume transaksi kontrak berjangka tumbuh 26,5% hingga kuartal III 2019,” 2019. [Online]. Available: https://amp.kontan.co.id/news/volume-transaksi-kontrak-berjangka-tumbuh-265-hingga-kuartal-iii-2019.
[4] Bappebti, “Pialang Berjangka,” 2019. [Online]. Available: http://bappebti.go.id/pialang_berjangka.
[5] A. Lukitaningsih, “Iklan yang Efektif Sebagai Strategi Komunikasi Pemasara Ambar Lukitaningsih Fakultas Ekonomi Universitas Sarjanawiyata Tamansiswa Yogyakarta,” J. Ekon. dan Kewirausahaan, vol. 13, no. 2, pp. 116–129, 2013.
[6] Kaharudin, M. G. Pradana, and Kusrini, “Prediksi Customer Churn Perusahaan Telekomunikasi Menggunakan Naive Bayes Dan K-Nearest Neighbor,” J. Inf. Interaktif, vol. 4, no. 3, pp. 165–171, 2019.
[7] G. Andri, “Program Studi Manajemen Fakultas Ekonomi Universitas Tamansiswa Padang,” Strateg. Pemasar. dan Ef. Periklanan Dengan Menggunakan Metod. Komunikasi, Empati, Persuas. dan Dampak Pada Perusah. PT Bhineka Lestari Ltd, vol. 3, no. 2, pp. 30–60, 2012.
[8] F. N. Azmi and M. Sarma, “Pengaruh Iklan Televisi terhadap Pengambilan Keputusan Pembelian Konsumen Es Krim Magnum,” J. Manaj. dan Organ., vol. 8, no. 2, p. 119, 2018.
[9] GKInvest, “Tentang Kami,” 2019. [Online]. Available: https://www.gkinvest.co.id/AboutUs.
[10] W. Yustanti, “Algoritma K-Nearest Neighbour untuk Memprediksi Harga Jual Tanah,” J. Mat. Stat. dan komputasi, vol. 9, no. 1, pp. 57–68, 2012.
[11] T. C. Pratama, “Penerapan Metode K-Nearest Neighbour Dalam Menentukan Kelayakan Calon Nasabah Yang Layak Untuk Kredit Mobil ( Studi Kasus : Pt . Astra International , Tbk-Toyota ),” JURIKOM (Jurnal Ris. Komputer), vol. 5, no. 4, pp. 402–408, 2018.
[12] R. Hadi, D. Saryanti, and P. Suwirmayanti, “Pengklasifikasian Pelanggan Dengan Metode KNN (Studi Kasus : Dalung Rent Toys Bali),” Pros. SNST ke-10 Tahun 2019, vol. 10, pp. 48–52, 2019.
[13] Mustakim and G. O. F, “Algoritma K-Nearest Neighbor Classification Sebagai Sistem Prediksi Predikat Prestasi Mahasiswa,” J. Sains, Teknol. dan Ind., vol. 13, no. 2, pp. 195–202, 2016.
[14] N. Krisandi, B. Prihandono, and Helmi, “Algoritma K - Nearest Neighbor Dalam Klasifikasi Data Hasil Produksi Kelapa Sawit Pada PT. MINAMAS Kecamatan Parindu,” Bul. Ilm. Math.Stat.dan Ter., vol. 02, no. 1, pp. 33–38, 2013.
[15] W. T. Panjaitan, “Penerapan Algoritma Knn Pada Prediksi Produksi,” Semin. Nas. Teknol. Inf. dan Multimed. 2018, pp. 61–66, 2018.
[16] R. R. Sani, J. Zeniarja, and A. Luthfiarta, “Penerapan Algoritma K-Nearest Neighbor pada Information Retrieval dalam Penentuan Topik Referensi Tugas Akhir,” J. Appl. Intell. Syst., vol. 1, no. 2, pp. 123–133, 2016.
[17] S. Sumarlin, “Implementasi Algoritma K-Nearest Neighbor Sebagai Pendukung Keputusan Klasifikasi Penerima Beasiswa PPA dan BBM,” J. Sist. Inf. Bisnis, vol. 5, no. 1, pp. 52–62, 2015.
[18] A. Panoto, Y. R. W. Utami, and W. L. YS, “Penerapan Algoritma K-Nearest Neighbors untuk prediksi kelulusan Mahasiswa pada STMIK Sinar Nusantara Surakarta,” J. TIKomSiN, pp. 27–31, 2017.
[19] R. R. Putra and C. Wadisman, “Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K-Means,” J. Inf. Technol. Comput. Sci., vol. 1, no. 1, pp. 72–77, 2018.
[20] N. Hadianto, H. B. Novitasari, and A. Rahmawati, “Klasifikasi Peminjaman Nasabah Bank Mengunakan Metode Neural Network,” J. PILAR Nusa Mandiri, vol. 15, no. 2, pp. 163–170, 2019.
[21] V. Alfani, “Data Mining Untuk Klasifikasi Pinjaman Kredit Pensiunan Menggunakan Algoritma K-Nearest Neighbor,” J. Pelita Inform., vol. 18, no. April, pp. 281–286, 2019.