Cahyo Prianto1*, Senny Handayani Suarsa2, Dodi Permadi3, Angga Dewi Anggraeni2, Darfial Guslan3,Ade Pipit Fatmawati2
1Sekolah Teknologi Informasi, Universitas Logistik dan Bisnis Internasional, Bandung, INDONESIA 2Sekolah Bisnis dan Manajemen, Universitas Logistik dan Bisnis Internasional, Bandung, INDONESIA 3Sekolah Logistik dan Transportasi, Universitas Logistik dan Bisnis Internasional, Bandung, INDONESIA
*Corresponding author: cahyo@ulbi.ac.id
Pengembangan Smart Market Positioning System Berbasis Machine Learning dan Big data Untuk Analisis Posisi Pasar (Studi Kasus : Perusahaan Otobus XYZ)
Cahyo Prianto(1)*, Senny Handayani Suarsa(2), Dodi Permadi(3), Angga Dewi Anggraeni(2), Darfial Guslan(3), Ade Pipit Fatmawati(2)
(1)Sekolah Teknologi Informasi, Universitas Logistik dan Bisnis Internasional, Bandung, INDONESIA
(2)Sekolah Bisnis dan Manajemen, Universitas Logistik dan Bisnis Internasional, Bandung, INDONESIA
(3)Sekolah Logistik dan Transportasi, Universitas Logistik dan Bisnis Internasional, Bandung, INDONESIA
*Corresponding author: cahyo@ulbi.ac.id
INTISARI
Perusahaan Otobus XYZ menghadapi tantangan krusial dalam mempertahankan pangsa pasar di tengah persaingan moda trasportasi dan perusahaan otobus lainnya. Penelitian ini bertujuan mengembangkan Smart Positioning System (SMAPS) untuk menganalisis posisi kompetitif Perusahaan Otobus XYZ. Pengembangan sistem dilakukan menggunakan metode waterfall, sedangkan pengolahan data mining menggunakan metode CRISP-DM. Data yang diperoleh melalui proses crawling dari Platform SMAPS digunakan untuk menganalisis positioning perusahaan otobus berdasarkan rating PO, Perbandingan harga tiket serta jumlah keberangakatan berdasarkan waktu. Analisis ini memungkinkan Perusahaan Otobus XYZ mengetahui posisinya dibandingkan dengan perusahaan otobus lainnya. Sebanyak 1.257 data hasil crawling diproses menggunakan algoritma K-Means Clustering dan menghasilkan empat segmen pasar layanan bus, yaitu cluster Eksekutif reguler jarak menengah (397 data), harga rata-rata Rp254.693 dan durasi perjalanan 568 menit, cluster Sleeper Premium jarak jauh (23 data) dengan harga rata-rata Rp334.348 dan durasi perjalanan 715 menit, cluster Eksekutif ekonomis jarak jauh (654 data) dengan harga rata-rata Rp221.254 dan durasi perjalanan 755 menit, serta cluster Eksekutif premium jarak menengah (183 data) dengan harga rata-rata Rp389.536 dan durasi perjalanan 570 menit. Hasil Clustering menunjukkan bahwa harga tiket bus tidak sepenuhnya ditentukan oleh durasi perjalanan.
REFERENSI
Ananda, D., Putri, K., Rajendra Khalfani, M., Nirwana, N. S., & Radinka, M. R. (2025). TRANSFORMASI INFRASTRUKTUR TRANSPORTASI UNTUK MENINGKATKAN KONEKTIVITAS DAN PERTUMBUHAN EKONOMI YANG BERKELANJUTAN DI JAKARTA. Integrative Perspectives of Social and Science Journal, 2(3), 4788. https://ipssj.com/index.php/ojs/article/view/627
Eboli, L., & Mazzulla, G. (2007). Service Quality Attributes Affecting Customer Satisfaction for Bus Transit. Journal of Public Transportation, 10(3). https://doi.org/https://doi.org/10.5038/2375-0901.10.3.2
Erika Yunita Sari, Yusuf Hariyoko, & Adi Soesiantoro. (2024). ANALISIS PELAYANAN DIGITALISASI RANSPORTASI PADA TRANSPORTASI PUBLIK “SUROBOYO BUS” KOTA SURABAYA. 4(2).
Fajrin, H. M., Haludin, G., Narayan, A., Rivaldo, A., & Rizkiadi, S. A. (2026). Tren Adaptasi Digital dan Manajemen Perubahan di Industri Transportasi Indonesia (2019-2024) Studi Kasus Transpotasi Online dalam Rangkaian Tahapan Kotter. Sosial Dan Humaniora, 5(2), 2741–2753.
KORLANTAS POLRI. (2026, February 26). Jumlah Data Kendaraan per POLDA. Http://Rc.Korlantas.Polri.Go.Id:8900/Eri2017/Laprekappolda.Php.
Kurniawan, H. W., & Aminata, J. (2023). Pengaruh Infrastruktur Transportasi terhadap Pertumbuhan Ekonomi di Kota Semarang. Diponegoro Journal of Economics, 12(2), 13–20. https://doi.org/10.14710/djoe.37676
Litman, T. (2020). Evaluating Public Transportation Health Benefits Summary of Findings. Victoria Transport Policy Institute. https://www.vtpi.org/tran_health.pdf
M Adam samudra. (2024, October 3). Ternyata Segini Jumlah Kecelakaan Bus di Indonesia, Lihat Penyebab Terbanyak. Https://Www.Gridoto.Com/Read/224173466/Ternyata-Segini-Jumlah-Kecelakaan-Bus-Di-Indonesia-Lihat-Penyebab-Terbanyak.
Maesaroh, W., Diansyah, T. M., Liza, R., Fitri, Y., & Lubis, A. (2025). Pemanfaatan Algoritma K-Means Clustering Pada Sistem Rental Mobil. Journal of Informatics Management and Information Technology, 5(3), 406–413. https://doi.org/10.47065/jimat.v5i3.391
Nurhasna Febriani, Endang Chumaidiyah, & Sinta Aryani. (2024). Perancangan Digitalisasi Sistem Penjualan Tiket Bus Berbasis Website di Bandara Soekarno Hatta dengan Metode Waterfall. 11(3), 2456–2467.
Osaba, E., Villar-Rodriguezy, E., & Oregi, I. (2022). A Systematic Literature Review of Quantum Computing for Routing Problems. IEEE Access, 10, 55805–55817. https://doi.org/10.1109/ACCESS.2022.3177790
Tabianan, K., Velu, S., & Ravi, V. (2022). K-Means Clustering Approach for Intelligent Customer Segmentation Using Customer Purchase Behavior Data. Sustainability (Switzerland), 14(12). https://doi.org/10.3390/su14127243
Wiemer, H., Drowatzky, L., & Ihlenfeldt, S. (2019). Data mining methodology for engineering applications (DMME)-A holistic extension to the CRISP-DM model. Applied Sciences (Switzerland), 9(12). https://doi.org/10.3390/app9122407
Xuqian, W. (2024). The digital transformation, funding constraints, and the green innovation of transportation companies. Frontiers in Environmental Science, 12. https://doi.org/10.3389/fenvs.2024.1332051
Zulfa Nurreza, M., & Hermanto, N. (2024). PERANCANGAN DIGITAL MOBILE PROYEK APLIKASI TIKET BUS MENUJU ERA TRANSPORTASI MODERN. Jurnal Informatika Dan Teknologi Interaktif, 1(2), 110–116. https://doi.org/https://doi.org/10.63547/jiite.v1i2.23