IDENTIFIKASI PROFIL KONSUMSI ENERGI LISTRIK UNTUK MENINGKATKAN PENDAPATAN DENGAN KLUSTERING

 

IDENTIFIKASI PROFIL KONSUMSI ENERGI LISTRIK UNTUK MENINGKATKAN PENDAPATAN DENGAN KLUSTERING

Latar Belakang

Sejalan dengan surplusnya energi listrik, kantor pusat memberikan program program peningkataan penjualan kepada unit-unit layanan pelanggan untuk dijalankan, Program tersebut belum memberikan hasil yang baik untuk Key performance indicator penjualan tenaga listrik, karna bahwasannya program tersebut diberikan secara umum untuk seluruh unit layanan pelanggan tanpa memperhatikan kondisi pasar dan karakter pelanggan yang di miliki unit layanan, Profil konsumsi energi listrik sangat penting untuk mendukung pengembangan strategi pemasaran yang dipersonalisasi agar tepat sasaran, Identifikasi profil konsumsi listrik dapat menunjukkan karakteristik pemakaian energi listrik tiap pelanggan, Pada penelitian ini clustering dilakukan permodelan melalui pengolahan data profil konsumsi listrik ditunjukkan dengan variable daya, pemakaian energi, penambahan pelanggan bulanan dari tahun 2019-2021.

Metode Penelitian

Penelitian ini menggunakan CRISP-DM, model proses CRISP-DM memberikan gambaran tentang siklus hidup proyek data mining. CRISP-DM memiliki 6 tahapan yaitu Pemahaman terhadap bisnis yang dihadapi, Penjelasan sumber data, Data Preparation, Modeling, Evaluation, dan Deployment [18]. Penelitian akan menggunakan Knime Analitical Tools pemodelan machine learning. Model uji pada penelitian ini menggunakan k-means clustering, yang bertujuan untuk membentuk kelompok data konsumsi tenaga listrik dengan data set ditunjukkan pada Tabel III. K-means algorithm mampu menangani data konsumsi pelanggan listrik dengan mendapatkan kesamaan karakteristik pelanggan yang kemudian memberikan informasi pada perusahaan terkait perencanaan strategis perushaan berdasarkan hasil clustering

Hasil

Jurnal ini merupakan sebuah penelitian yang menggunakan simulasi model clustering dengan tujuan mengidentifikasi dan menganalisis pengelompokkan pelanggan dalam penjualan tenaga listrik. Penelitian ini menggunakan data penjualan tenaga listrik yang terdiri dari laporan bulanan selama 3 tahun.

Hasil analisis menunjukkan bahwa terdapat 13.510 pelanggan listrik dengan sebaran daya terpasang 450 VA, 900 VA, 1300 VA, 2200 VA, dan 3500 VA. Populasi terbesar pelanggan terjadi pada daya terpasang 450 VA sebanyak 42% dari total pelanggan. Analisis penjualan energi listrik menunjukkan bahwa penjualan tertinggi terjadi pada pelanggan daya 900 VA pada tahun 2020.

Metode Elbow digunakan untuk menentukan nilai k dalam clustering. Berdasarkan analisis, nilai k yang dipilih adalah 3. Hasil clustering menghasilkan empat kelompok pelanggan. Cluster 1 memiliki populasi pelanggan terbanyak (6.047 pelanggan) dengan kontribusi kwh jual dan jam nyala pakai tinggi namun kontribusi rupiah pendapatan rendah. Cluster 2 memiliki populasi pelanggan yang sedikit (2.545 pelanggan) namun memberikan kontribusi rupiah pendapatan yang lebih tinggi. Cluster 3 memiliki populasi pelanggan yang berada di antara Cluster 1 dan Cluster 2 dengan kontribusi paling besar dalam rupiah pendapatan.

Hasil analisis ini memiliki implikasi bisnis sebagai berikut:

• Perusahaan perlu menerapkan strategi pemasaran dan pengawasan untuk menjaga revenue dan meningkatkan pendapatan berdasarkan hasil clustering. Produktivitas pelanggan tertinggi terdapat pada Cluster 3.
• Pada Cluster 1, perlu dilakukan pemeriksaan penggunaan energi listrik dan pengecekan keseuaian penggunaan tarif untuk memastikan tidak ada anomali.
• Pada Cluster 2, dapat dilakukan sosialisasi mengenai kenyamanan penggunaan peralatan listrik saat ini dan menawarkan promo bundling tambah daya peralatan elektronik untuk meningkatkan pemakaian energi listrik.
• Pada Cluster 3, diberikan layanan-layanan ekstra untuk membangun customer relationship, seperti kunjungan khusus dan informasi terkait peralatan listrik terbaru.

Dalam menjaga loyalitas pelanggan Cluster 3, perlu diberikan informasi tagihan listrik agar revenue yang didapatkan tidak menjadi piutang.

Kesimpulan

Hasil analisis ini memiliki implikasi bisnis sebagai berikut:

• Perusahaan perlu menerapkan strategi pemasaran dan pengawasan untuk menjaga revenue dan meningkatkan pendapatan berdasarkan hasil clustering. Produktivitas pelanggan tertinggi terdapat pada Cluster 3.
• Pada Cluster 1, perlu dilakukan pemeriksaan penggunaan energi listrik dan pengecekan keseuaian penggunaan tarif untuk memastikan tidak ada anomali.
• Pada Cluster 2, dapat dilakukan sosialisasi mengenai kenyamanan penggunaan peralatan listrik saat ini dan menawarkan promo bundling tambah daya peralatan elektronik untuk meningkatkan pemakaian energi listrik.
• Pada Cluster 3, diberikan layanan-layanan ekstra untuk membangun customer relationship, seperti kunjungan khusus dan informasi terkait peralatan listrik terbaru.

Dalam menjaga loyalitas pelanggan Cluster 3, perlu diberikan informasi tagihan listrik agar revenue yang didapatkan tidak menjadi piutang.