Penerapan Algoritma HDBSCAN untuk Segmentasi Leads WhatsApp dalam Optimalisasi Strategi Penjualan di CV. Mitra Multi Teknik
DOI:
https://doi.org/10.37476/presed.v3i1.131Kata Kunci:
HDBSCAN, Leads, WhatsApp, Clustering, CRMAbstrak
Perkembangan penggunaan WhatsApp sebagai kanal komunikasi utama dalam proses pra-penjualan pada UKM menghasilkan data leads yang besar, kompleks, dan heterogen sehingga menuntut adanya pendekatan analitik untuk meningkatkan efektivitas pengelolaan leads. Penelitian ini menerapkan algoritma HDBSCAN (Hierarchical Density-Based Spatial Clustering of Applications with Noise) untuk melakukan segmentasi leads WhatsApp pada CV. Mitra Multi Teknik menggunakan dataset simulatif berbasis observasi periode Januari–Juni 2025. Penelitian mengikuti kerangka CRISP-DM melalui tahapan pemahaman bisnis, persiapan data, pemodelan, evaluasi, dan deployment. Variabel utama yang dianalisis meliputi jumlah chat, rata-rata waktu respons, frekuensi follow-up, sumber leads, dan status closing. Hasil analisis menunjukkan bahwa HDBSCAN mampu membentuk beberapa klaster secara otomatis tanpa penentuan jumlah klaster di awal, sekaligus mendeteksi noise yang merepresentasikan leads pasif atau tidak potensial. Klaster dengan intensitas komunikasi tinggi menunjukkan tingkat closing lebih besar sehingga dapat diprioritaskan untuk strategi tindak lanjut. Temuan ini menegaskan bahwa HDBSCAN efektif dalam menangani data leads dengan karakteristik variatif dan dapat menjadi solusi bagi UKM dalam optimalisasi strategi penjualan berbasis data. Penelitian ini memberikan kontribusi berupa pipeline Business Intelligence untuk mendukung pengambilan keputusan serta rekomendasi peningkatan performa penjualan.
Referensi
Auliani, S. N. (2024). Implementation of Density-Based Spatial Clustering of Applications with Noise and Fuzzy C – Means for Clustering Car Sales. The Indonesian Journal of Computer Science, 13(4). https://doi.org/10.33022/ijcs.v13i4.4135
Blachowicz, T., Wylezek, J., Sokol, Z., & Bondel, M. (2025). Real-Time Analysis of Industrial Data Using the Unsupervised Hierarchical Density-Based Spatial Clustering of Applications with Noise Method in Monitoring the Welding Process in a Robotic Cell. Information (Switzerland), 16(2). https://doi.org/10.3390/info16020079
Chitra, J., & Heikal, J. (2024). Customer segmentation using the K-Means Clustering algorithm in Foreign Banks in Indonesia. In Indonesia Accounting Research Journal (Vol. 11, Issue 4).
Dwi Handayani, F., & Rosyida, I. (2023). Clustering Review Pengguna Aplikasi Zenius pada Layanan Google Play Store Menggunakan Metode DBSCAN dan HDBSCAN. Emerging Statistics and Data Science Journal, 1(2).
González-Alemán, R., Platero-Rochart, D., Rodríguez-Serradet, A., Hernández-Rodríguez, E. W., Caballero, J., Leclerc, F., & Montero-Cabrera, L. (2022). MDSCAN: RMSD-based HDBSCAN clustering of long molecular dynamics. Bioinformatics, 38(23), 5191–5198. https://doi.org/10.1093/bioinformatics/btac666
Handijono, A., Irawan Gunarto, R., & Sutrisna, E. (2024). Memanfaatkan Whatsapps Business untuk Promosi dan Penjualan. 4(1). https://doi.org/10.37481
Hidayat, A. I., & Wahdanial Asbara, N. (2024). Utilization of IoT Technology to Optimize Business Processes in Oyster Mushroom Houses. Proceeding of Research and Civil Society Desemination, 2(1), 387–390. https://doi.org/10.37476/presed.v2i1.82
Hidayat, M., Latief, F., Widiawati, A., Asbara, N. W., & Zaeni, N. (2021). Factors Supporting Business and its Distrubution to Business Resilience In New Normal Era. Journal of Distribution Science, 19(11), 5–15. https://doi.org/10.15722/jds.19.11.202111.5
Nhat, N. M. (2024). Applied Density-Based Clustering Techniques for Classifying High-Risk Customers: A Case Study of Commercial Banks in Vietnam. Journal of Applied Data Sciences, 5(4), 1639–1653. https://doi.org/10.47738/jads.v5i4.344
Nisak, C., & Sugiharti, E. (2024). Customer Lifetime Value Clustering Using K-Means Algorithm with Length Recency Frequency Monetary Model to Enhance Customer Relationship Management ARTICLE HISTORY. Journal of Advances in Information Systems and Technology, 6(1).
Stewart, G., & Al-Khassaweneh, M. (2022). An Implementation of the HDBSCAN* Clustering Algorithm. Applied Sciences (Switzerland), 12(5). https://doi.org/10.3390/app12052405
Yudiana, Y., Yulia Agustina, A., & Nur Khofifah, dan. (2023). Prediksi Customer Churn Menggunakan Metode CRISP-DM Pada Industri Telekomunikasi Sebagai Implementasi Mempertahankan Pelanggan (Vol. 8, Issue 1). https://doi.org/doi.org/10.30631/ijoieb.v8i1.1710
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Proceeding of Research and Civil Society Desemination
Artikel ini berlisensi Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
