Show simple item record

dc.contributor.authorHidayatullah, Ade Ihsan
dc.contributor.authorPerihatini, Denisha Intan
dc.date.accessioned2016-03-31T09:11:20Z
dc.date.available2016-03-31T09:11:20Z
dc.date.issued2016-03-12
dc.identifier.citationAlfina, Tahta., Santosa, Budi., & Barakbah, Ali R. (2012). Analisa Perbandingan Metode Hierarchical Clustering, K-means dan Gabungan Keduanya dalam Cluster Data (Studi Kasus : Problem Kerja Praktek Jurusan Teknik Industri ITS). Jurnal Teknik ITS. 1, ISSN : 2301-9271 A-521 – A-525. Beckstead, Jason W. (2002). Using Hierarchical Cluster Analysis in Nursing Research. Western Journal of Nursing Research. 24(3), 307 – 319. Facca, Tina M., & Allen, Scott J. (2011). Using Cluster Analysis to Segment Students Based on Self-Reported Emotionally Intelligent Leadership Behaviors. Journal of Leadership Education, 10(2), 72 – 96. Jayanto, P Tri. (2013). Analisis Cluster Loyalitas Pelanggan (Case : Alfamart). Diakses dari https://www.academia.edu/9210420/analisis_cluster_ loyalitas_pelanggan.case_-_Alfamart. Kota Yogyakarta Dalam Angka Tahun 2013. Kerjasama Badan Pusat Statistik (BPS) Kota Yogyakarta dan Pemerintah Kota Yogyakarta. 2013. Rachmatin, Dewi. (2014). Aplikasi Metode-metode Agglomerative dalam Analisis Klaster pada Data Tingkat Polusi Udara. Jurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung. 3(2), 133 – 149. Rafsanjani, M Kuchaki., Varzaneh, Z Asghari., & Chukanlo, N Emami. (2012). A Survey of Hierarchical Clustering Algorithms. The Journal of Mathematics and Computer Science, 5(3), 229 – 240. Sitepu, Robinson., Irmeilyana., & Gultom, Berry. (2011). Analisis Cluster terhadap Tingkat Pencemaran Udara pada Sektor Industri di Sumatera Selatan. Jurnal Penelitian Sains, 14, 14303 11 – 14303 17. Ulwan, M Nashihun. (2014). Cara Analisis Cluster Metode Hirarki dengan SPSS. Diakses dari http://www.portal-statistik.com/2014/02/caraanalisis-cluster-metode-hirarkis.html. Yim, Odilia., & Ramdeen, Kylee T. (2015). Hierarchical Cluster Analysis : Comparison of Three Linkage Measures and Application to Psychological Data. The Quantitative Metods for Psychology, 11(1), 8 – 21.in_ID
dc.identifier.issn2502-6526
dc.identifier.urihttp://hdl.handle.net/11617/7045
dc.description.abstractPelanggan adalah elemen terpenting dalam menjalankan suatu usaha. Tingginya jumlah pelanggan akan memberikan dampak positif terhadap peningkatan jumlah keuntungan suatu usaha. Berbagai penelitian mengungkapkan bahwa pelanggan sebagai konsumen pasar mampu memberikan stimulus terhadap karier usaha di masa mendatang. Pasar Beringharjo yang terletak di Yogyakarta sebagai salah satu pasar yang selalu ramai pengunjung merupakan cerminan bahwa pelanggan sebagai faktor utama dalam kesuksesan usaha. Oleh sebab itu, peneliti melakukan sebuah kajian tentang pengelompokkan pelanggan-pelanggan yang melakukan transaksi di Pasar Beringharjo untuk dapat memberikan inovasi baru terhadap kemajuan perekonomian melalui sektor pasar, serta arah kebijakan pasar. Bentuk pengelompokan didasarkan atas kemiripan pelanggan yang melakukan transaksi di Pasar Beringharjo. Analisis cluster adalah suatu analisis statistik multivariate yang dapat mengelompokkan obyek berdasarkan karakteristik yang dimilikinya, dalam hal ini peneliti menggunakan Hierarchical Cluster Analysis. Hasilnya yaitu 98% dari seluruh pelanggan yang di surve puas melakukan transaksi jual beli di Pasar Beringharjo. Hasil penelitian ini dapat digunakan sebagai acuan untuk melakukan analisis terkait kepuasan pelanggan di sebuah usaha. Pemerintah juga dapat menjadikan sebagai landasan kebijakan-kebijakan yang akan dijalankan di pasar, khususnya Pasar Beringharjo Yogyakarta.in_ID
dc.language.isoidin_ID
dc.publisherUniversitas Muhammadiyah Surakartain_ID
dc.subjectClusterin_ID
dc.subjectHierarchicalin_ID
dc.subjectPelangganin_ID
dc.titleHierarchical Cluster Analysis Terhadap Pelanggan Pasar Beringharjo Yogyakartain_ID
dc.typeArticlein_ID


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record