ANALISA EFISIENSI PENDEKATAN DATA-DRIVEN DALAM PROSES SEGMENTASI PASAR DENGAN STUDI KASUS STARTUP

Yefta Christian (Universitas Internasional Batam)
Katherine Oktaviani Yap Rui Qi (Universitas Internasional Batam)

Infotech Journal
Vol. 8 No. 2 (2022)

Segmentasi pasar mengacu pada karakteristik yang digunakan untuk mengkategorikan customer dalam segmen. Teknokasi Edutech merupakan perusahaan rintisan yang diluncurkan pada awal Juni 2021. Teknokasi fokus pada education technology (ed-tech), terutama di bidang Teknologi Informasi. Perusahaan baru membutuhkan metode segmentasi pasar yang relevan dan akurat karena perusahaan harus memahami pasar sebelum membuat dan memasarkan produknya. Penelitian ini bertujuan untuk menyelidiki efisiensi algoritma pembelajaran mesin yang digunakan dalam segmentasi pasar, terutama untuk perusahaan early startup seperti Teknokasi. Penelitian dilakukan dengan pengembangan tiga model (K-Means dengan AHP-TOPSIS, SVM dengan AHP, dan Decision Tree dengan AHP) dengan tahapan data gathering, data preprocessing dan training, data modelling, evaluasi model, serta komparasi dan seleksi ketiga model. Berdasarkan analisa, didapatkan bahwa metode supervised learning lebih aplikatif, dengan SVM menunjukkan tingkat keakuratan yang relatif lebih tinggi. Penelitian ini membuktikan SVM beserta AHP mampu melakukan prediksi segmen pasar dan dengan begitu membantu decision-making berdasar label yang ditentukan.