digilib@itb.ac.id +62 812 2508 8800

Mengembangkan analisis prediktif berdasarkan pemahaman pola konsumsi listrik pelanggan sangat penting untuk mengelola permintaan listrik yang meningkat secara efektif. Studi ini menyajikan pendekatan hibrida untuk segmentasi pelanggan dengan menggabungkan teknik clustering K-Means, konsep customer lifetime value, dan proses hierarki analitik untuk lebih memahami perilaku konsumsi listrik pelanggan. Kami menggunakan K-Means clustering untuk mengidentifikasi segmen pasar awal. Selanjutnya, kami mengevaluasi dan memvalidasi hasil segmentasi pelanggan dengan menggunakan konsep nilai seumur hidup pelanggan dan proses hirarki analitis. Segmen 1 memiliki 282 pelanggan bisnis dengan total kapasitas 938.837 kWh, penggunaan beban puncak 27.827 kWh, dan beban non puncak 115.194. Pada segmen 2, terdapat 508 pelanggan dengan total kapasitas 938.837 kWh, penggunaan beban puncak 27.827 kWh, dan beban non puncak 115.194. Pada segmen 2 terdapat 508.615 pelanggan bisnis dengan total daya sebesar 4.260 kWh, kemudian beban puncak sebanyak 35 kWh dan beban non puncak sebanyak 544. Pada segmen 3, terdapat 37 pelanggan bisnis dengan total daya sebesar 2.226.351 kWh, kemudian beban puncak sebanyak 123,297 kWh dan beban non puncak sebanyak 390. 803.Strategi yang akan diambil berdasarkan segmentasi tiga pelanggan ini akan diintegrasikan dengan CRM. Untuk segmen yang paling tidak menguntungkan, kami mengusulkan program kemitraan yang berkelanjutan untuk mendorong peningkatan konsumsi listrik selama periode non puncak dan pemasaran akun ritel. Untuk pelanggan yang menguntungkan dan sedang menguntungkan, kami mengusulkan pendekatan premium business to business yang dapat mengakomodasi peningkatan konsumsi energi mereka tanpa penggunaan listrik yang berlebihan pada periode puncak. Pendekatan ini akan didukung oleh rekening eksekutif khusus untuk pelanggan-pelanggan tersebut.