LAPORAN AKHIR

MAGANG & STUDI INDEPENDEN BERSERTIFIKAT

LAPORAN MAGANG

DI PT LISTER TEKNOLOGI EDUKASI

Diajukan untuk memenuhi persyaratan kelulusan

Program MSIB MBKM

oleh :
Juan Agung Timotius / 70200055

PROGRAM STUDI ADMINISTRASI BISNIS

INSTITUT BISNIS DAN INFORMATIKA KWIK KIAN GIE
2023
 LEMBAR PENGESAHAN PROGRAM STUDI

KLASTERISASI PERSONA CUSTOMER UNTUK KEBUTUHAN

PENGEMBANGAN PRODUK PEMBELAJARAN BARU

DI PT LISTER TEKNOLOGI EDUKASI

oleh :
Juan Agung Timotius / 70200055

disetujui dan disahkan sebagai

Laporan Magang atau Studi Independen Bersertifikat Kampus Merdeka

Jakarta, 30 Juni 2023

Pembimbing Magang atau Studi Independen Administrasi Bisnis Kwik Kian Gie

Dr. Sylvia Sari Rosalina S.Sos,. M.Si.

NIP: 0708018201

i
 LEMBAR PENGESAHAN

KLASTERISASI PERSONA CUSTOMER UNTUK KEBUTUHAN

PENGEMBANGAN PRODUK

DI PT LISTER TEKNOLOGI EDUKASI

oleh :
Juan Agung Timotius / 70200055

disetujui dan disahkan sebagai

Laporan Magang atau Studi Independen Bersertifikat Kampus Merdeka

Jakarta, 30 Juni 2023

Product Analyst

Dimas Aditiya
2022060006

ii
 ABSTRAKSI

Magang dan Studi Independen atau MSIB adalah salah satu Program
Kampus Merdeka yang digagas oleh Kementerian Pendidikan dan Kebudayaan.
Program MSIB bertujuan untuk memastikan mahasiswa mendapatkan keterampilan dan
kompetensi utama, terbaik, dan terkini untuk menghadapi dunia masa depan. Laporan ini
membahas proyek MSIB yang dilakukan di PT Lister Teknologi Edukasi, sebuah startup yang
fokus pada pembelajaran bahasa secara daring. Proyek utama yang dikerjakan selama
magang ini adalah melakukan klasterisasi persona customer. Misi dari proyek ini adalah
untuk mengidentifikasi dan mengklasifikasikan persona customer berdasarkan preferensi,
kebutuhan, dan karakteristik mereka. Tujuan ini diharapkan dapat membantu perusahaan
dalam merancang program baru yang lebih efektif dan sesuai dengan kebutuhan pelanggan.
Proses pelaksanaan project ini meliputi tahap pengumpulan data, analisis preferensi
pelanggan, segmentasi pelanggan, dan pembuatan klaster persona. Melalui pendekatan ini,
berbagai data dan informasi pelanggan dikumpulkan dan dianalisis secara sistematis untuk
mengidentifikasi pola dan karakteristik yang berbeda dalam populasi pelanggan. Hasil dari
proyek ini mencakup pembentukan klaster persona customer yang berbeda, dengan setiap
klaster memiliki preferensi dan kebutuhan yang serupa. Hal ini memberikan wawasan yang
berharga bagi PT Lister Teknologi Edukasi dalam merancang program baru yang lebih
terfokus dan efektif sesuai dengan preferensi setiap klaster persona.

Kata Kunci: PT Lister Teknologi Edukasi, pembelajaran bahasa daring, klasterisasi persona
customer, preferensi pelanggan, segmentasi pelanggan, pengembangan program baru

ii
 KATA PENGANTAR

Puji syukur atas kehadirat Tuhan yang telah melimpahkan rahmat dan hidayat-Nya,
sehingga Laporan Akhir Magang ini dapat terselesaikan tepat pada waktunya. Laporan ini
disusun sebagai salah satu persyaratan dalam menempuh kelulusan Program Magang dan
Studi Independen Kampus Merdeka. Atas segala bimbingan, petunjuk dan saran hingga
terselesainya Laporan Akhir Magang ini, penyusun ucapkan terima kasih kepada:

1. Mas Dimas Aditiya, Selaku Senior Product Analyst dan mentor yang membimbing
saya sebagai Junior Product Analyst dalam program Magang dan Studi Independen
Kampus Merdeka di PT Lister Teknologi Edukasi
2. Kak Fadhila Zikra dan Kak Bernadetha Widyaningrum. selaku mentor pendamping
yang pada program Magang dan Studi Independen Kampus Merdeka di PT Lister
Teknologi Edukasi
3. Orang tua yang telah memberi dukungan moril maupun material
4. Rekan-rekan Magang dan Studi Independen Kampus Merdeka yang telah
memberi dorongan dan bantuan
5. Semua pihak yang telah membantu sehingga laporan magang ini dapat terselesaikan,
yang dilaksanakan di PT Lister Teknologi Edukasi.

Penyusun menyadari bahwa laporan akhir ini masih banyak kekurangan dan masih jauh dari
sempurna. Oleh karena itu, penyusun mengharapkan kritik dan saran yang bersifat
membangun agar kedepannya penyusun dapat berbuat lebih baik. Akhir kata, penyusun
berharap semoga laporan akhir ini berguna bagi para pembaca dan bagi kami sendiri.

Jakarta 30 Juni 2023

Tertanda

Juan Agung Timotius

ii
 DAFTAR ISI
LEMBAR PENGESAHAN PROGRAM STUDI i
LEMBAR PENGESAHAN ii
ABSTRAKSI iii
KATA PENGANTAR iv
BAB I ~PENDAHULUAN 1
I.1 Latar belakang 1
I.2 Lingkup 1
I.3 Tujuan 2
BAB II ~LINGKUNGAN ORGANISASI PT LISTER TEKNOLOGI EDUKASI 3
II.1 Struktur Organisasi 3
II.2 Lingkup Pekerjaan 4
II.3 Deskripsi Pekerjaan 5
II.4 Jadwal Kerja 6
BAB III ~KLASTERISASI PERSONA CUSTOMER 7
III.1 Demografi Customer Lister dan Pengembangan Produk 7
III.2 Aplikasi pendukung yang digunakan 8
III.3 Klasterisasi Persona Customer 8
a. Business Issue Understanding 9
b. Data Understanding 10
c. Data Preparation 10
d. Exploratory Data Analysis 11
e. Validation 13
f. Visualization and presentation 14
BAB IV ~PENUTUP 16
IV.1 Kesimpulan 16
IV.2 Saran 16
LAMPIRAN A. LETTER OF ACCEPTANCE 18
LAMPIRAN B. LOG ACTIVITY 20
LAMPIRAN C. NON DISCLOSURE AGREEMENT 23

ii
 DAFTAR GAMBAR
Gambar 1. TOR lingkup pekerjaan Junior Product Analyst
Gambar 2. Struktur Organisasi Lister
Gambar 3. Struktur Divisi Product
Gambar 4. Logo Perusahaan PT Lister Teknologi Edukasi
Gambar 5. Tahapan proyek Analisis data (Metodologi CRISP-DM)
Gambar 6. Dashboard Customer
Gambar 7. Persona Customer Lister

ii
 BAB I
PENDAHULUAN

I.1 Latar belakang

Program Magang dan Studi Independen Bersertifikat (MSIB) merupakan program
persiapan karir yang komprehensif dan memberikan kesempatan bagi Mahasiswa untuk
belajar di luar program studi dengan jaminan konversi SKS yang diakui perguruan tinggi,
pada program MSIB khususnya program Magang Bersertifikat Batch ke-4 ini, saya
mendapatkan kesempatan untuk melakukan kegiatan magang di salah satu Mitra MSIB yaitu
PT Lister Teknologi Edukasi
PT Lister Teknologi Edukasi adalah sebuah start-up yang bergerak di bidang
pembelajaran bahasa asing secara daring, Visi lister adalah untuk memberdayakan semua
orang untuk menghadapi persaingan global. Lister berusaha membantu setiap orang untuk
bersaing dalam daya saing global, baik untuk mengejar pendidikan tinggi atau mendapatkan
pekerjaan yang lebih menjanjikan. Visi tersebut tentunya tidak dapat dicapai tanpa misi yang
terarah, dimana misi Lister adalah untuk memberikan peluang yang lebih baik untuk semua
orang dengan mendemokratisasi pendidikan melalui teknologi dengan menghubungkan
pelajar dengan guru bahasa berkualifikasi tinggi dengan pengalaman budaya bertahun-tahun
di luar negeri.
PT Lister Teknologi Edukasi melihat program MSIB ini sebagai sebuah kesempatan
untuk melakukan transfer ilmu, keahlian dan teknologi, serta memberikan pengalaman kerja
bagi peserta magang, dengan timbal balik berupa tenaga kerja dari pihak intern yang sangat
diperlukan oleh perusahaan start-up yang baru berkembang, dengan alasan-alasan tersebut PT
Lister mendaftarkan diri sebagai mitra program magang merdeka.

I.2 Lingkup
Sebagai Junior Product Analyst yang mengikuti program Magang yang dilaksanakan
di PT Lister Teknologi Edukasi, lingkup proyek yang saya miliki berhubungan dengan
Proses End to end Data Analysis yang berada dalam lingkup pengembangan produk, dimulai
dari proses cleaning data dan analisa data, hingga mempresentasikan hasil temuan dari
proses analisa data yang telah dilakukan kepada stakeholder di Lister, Keseluruhan proses ini
memiliki tujuan yaitu untuk meningkatkan kualitas produk yang sudah ada maupun
pengembangan produk baru yang sesuai dengan preferensi dan kebutuhan customer.

1
 Gambar 1. TOR lingkup pekerjaan Junior Product Analyst

I.3 Tujuan
Kerja magang menjadi salah satu syarat yang harus dilakukan oleh mahasiswa untuk
mendapatkan pengalaman kerja dengan terlibat langsung dalam pengerjaan proyek yang
sedang berlangsung, peserta diharapkan dapat mendapatkan pengalaman nyata dalam industri
Edu-tech serta pengembangan keahlian baik teknis maupun non-teknis. Adapun tujuan
lainnya adalah untuk membantu mengembangkan produk yang sedang dirancang oleh tim
Produk di Lister, Tenaga kerja dan keahlian yang dimiliki oleh peserta magang dapat
membantu merancang produk pembelajaran baru yang lebih baik dan sesuai dengan
kebutuhan customer.

2
 BAB II
LINGKUNGAN ORGANISASI PT LISTER TEKNOLOGI EDUKASI

II.1 Struktur Organisasi

Gambar 2. Struktur Organisasi Lister

Gambar 3. Struktur Divisi Product

Dalam gambar struktur organisasi unit atau divisi tempat melaksanakan proyek dan
pembelajaran, terdapat beberapa divisi yang menopang keberlangsungan organisasi Lister,
Divisi Departemen yang dikepalai oleh Chief Product Officer yaitu Kak Bernadetha
Widyaningrum atau yang biasa dipanggil Kak Bertha, merupakan divisi dimana penulis
menempuh program magang merdeka, penulis menerima tugas dan mentorship langsung dari
mentor-nya yang memiliki posisi sebagai Product Analyst yang diampu oleh Kak Dimas
Aditiya.

3
 Gambar 4. Logo Perusahaan PT Lister Teknologi Edukasi

II.2 Lingkup Pekerjaan

Lingkup pekerjaan dari pelaksanaan magang ini yakni berada para departemen
Product dengan posisi Junior Product Analyst di mana peran tersebut terkait erat dengan
kegiatan sehari hari dari departemen Product terutama pada hal menganalisis dan mengolah
data customer yang dibutuhkan di dalam perusahaan. Adapun kegiatan rutin dari posisi ini
sangat erat sekali dengan penganalisisan yang bertumpu pada data customer sendiri sehingga
posisi ini sering kali menjadi seorang analis di dalam lingkup kecil perusahaan yakni
departemen Product.

Lingkup pekerjaan dari posisi Junior Product Analyst ini sendiri terdiri dari:
1. Data Analytic:
Kegiatan untuk menganalisis data yang berkaitan dengan kegiatan harian
departemen product seperti menganalisis data preferensi customer terhadap tutor
maupun preferensi waktu dimana customer menginginkan dilakukannya proses
tutoring, Kegiatan analisis data ini pun juga menggunakan software pendukung untuk
mendapatkan sebuah hasil analisis untuk sekarang Lister masih menggunakan
Spreadsheet sebagai tools utama.

2. Competitor Analysis:
Kegiatan ini terkait dengan kegiatan rutin maupun non rutin terkait dengan
menganalisis baik kegiatan, kampanye, harga dan strategi bersaing, maupun data
sekunder yang didapat mengenai kompetitor, perilaku, dan lingkunganya. Contohnya
adalah melakukan benchmarking terhadap perusahaan-perusahaan sejenis yang
bergerak di bidang edu-tech baik dari dalam maupun luar negeri

3. Data Visualization:

4
 Kegiatan ini terkait dengan memvisualisasikan data yang telah diolah,
sehingga visualisasi data ini menjadi sebuah output dari data analytic dan menjadi
jembatan untuk memperoleh hasil analisis berbentuk narasi secara komprehensif
dengan dilengkapi dengan visualisasi data dalam bentuk grafik, Adapun kegiatan ini
dilengkapi dengan software pendukung seperti looker studio (Google Data Studio);
Canva; dan Spreadsheet.

4. Customer Behavior Analysis:

Kegiatan ini meliputi seperti mencari findings dan latar belakang yang
berdasarkan pada baik data primer maupun sekunder mengenai perilaku konsumen
yang terkait dengan industri dan keadaan lingkungan yang mempengaruhinya.
Adapun customer behavior analysis ini juga terkait dengan data analytic dimana data
sendiri merupakan sebuah basis untuk mendukung sebuah kesimpulan atau hipotesis
dari perilaku konsumen.

5. Clustering Analysis
Kegiatan ini merupakan suatu tahapan dimana dilakukan pengelompokan
terhadap customer yang memiliki karakteristik yang serupa, tujuan dari clustering
analysis ini sendiri adalah untuk membentuk kelompok-kelompok yang diperlakukan
secara berbeda mulai dari proses penciptaan produk baru, hingga proses campaign
marketing yang berbeda, masing-masing dari cluster akan mendapatkan treatment
yang berbeda, yang diharapkan perlakuan yang berbeda antara kelompok tersebut
merupakan perlakuan yang paling tepat dan efisien.

6. Creating and updating Dashboard

Kegiatan ini dilakukan dalam rangka menopang report data untuk mengetahui
demografi, preferensi, serta segala sesuatu yang berhubungan dengan data customer,
tools yang digunakan adalah looker studio (Google Data Studio) dimana setiap
bulannya dilakukan proses cleaning data customer dan update dashboard customer.

II.3 Deskripsi Pekerjaan

5
Adapun deskripsi dari pekerjaan dari posisi Junior Product Analyst Intern di PT Lister
Teknologi Edukasi ini meliputi:

1. Melakukan kegiatan cleaning data rutin pada setiap bulan mengenai demografi serta
preferensi dari customer Lister, serta memberikan hasil analisis dari setiap reporting
tersebut,
2. Menganalisis preferensi dan keinginan dari customer lister sehingga dapat diciptakan
product baru yang sesuai dengan data yang ada.
3. Membuat beberapa dashboard yang akan digunakan oleh departemen Product untuk
membantu pekerjaan departemen Product.
4. Melakukan Clusterisasi persona pelanggan untuk mengetahui tipe-tipe karakteristik
dan perilaku pelanggan berdasarkan persona yang berbeda.
5. Melakukan Benchmarking untuk membandingkan produk yang kita miliki dengan
produk pesaing.
6. Melakukan pembuatan landing page serta placement test dari beberapa Program yang
baru diluncurkan di lister

II.4 Jadwal Kerja

Jadwal kerja dari program magang merdeka di PT Lister Teknologi Edukasi. yang
berada di posisi Junior Product Analyst ini yakni pada hari kerja Senin hingga Jumat serta
jam kerja dimulai dari pukul 09.00 hingga 17.00 dengan total 7 jam kerja serta melakukan
pekerjaan ini secara hybrid, dimana pekerjaan dilakukan secara luring pada hari Senin dan
Jumat, dan dilakukan secara daring pada hari Selasa-Kamis.

6
 BAB III
KLASTERISASI PERSONA CUSTOMER

III.1 Demografi Customer Lister dan Pengembangan Produk

Sebagai bukti kegiatan magang kerja dari kampus merdeka dibentuklah laporan akhir
mengenai kegiatan magang yang dilakukan di PT Lister Teknologi Edukasi. Maka dari itu
harus dinyatakan oleh kerja secara nyata mengenai hasil yang didapatkan selama periode
kegiatan magang merdeka, adapun di dalam kegiatan ini, pemagang juga terlibat dalam salah
satu projek di dalam lingkup tim Product yakni untuk melakukan klasterisasi atau
pengelompokan customer ke beberapa persona yang berbeda, dengan tujuan untuk
meningkatkan kualitas pengembangan produk baru maupun produk yang sudah ada.
Lister memiliki beberapa komponen yang dapat disebut sebagai produk yaitu jasa
pengajar tutor yang diberikan oleh pihak Lister serta Website yang berguna sebagai pusat
informasi serta tempat transaksi untuk para pelanggan maupun calon pelanggan. Para
pengguna produk lister ini tentunya memiliki karakteristik, preferensi dan tingkah laku yang
berbeda, maka dari itu tujuan dari Klasterisasi ini adalah menciptakan produk baru baik itu
dalam tampilan website yang sesuai dengan masing-masing persona, maupun personalisasi
pembelajaran dan tutor yang di pasangkan sesuai dengan karakteristik dari masing-masing
persona tersebut.
Lister sendiri sudah memiliki puluhan program tutoring pembelajaran bahasa online
yang memiliki tampilan landing page yang berbeda-beda dimana antar produk tersebut ada
beberapa yang memiliki kesamaan baik itu dari tempat bahasa itu sendiri seperti bahasa eropa
yang dianggap memiliki klasterisasi kelompok yang sama, maupun persiapan tes inggris atau
tes potensi akademik yang dapat dipisahkan menjadi dua klaster persona yang berbeda.
Project Klasterisasi yang dilakukan ini juga sesuai dengan visi dan misi PT Lister
Teknologi Edukasi untuk menjadi number one language learning personalized tutoring
platform , dikarenakan dengan project klasterisasi persona ini didapatkan karakteristik yang
diperlakukan secara berbeda dan sesuai dengan nature dari masing-masing kelompok
individu.

7
III.2 Aplikasi pendukung yang digunakan
Untuk menunjang projek ini terdapat beberapa aplikasi dan tools yang membantu
tercapainya goals yang ditentukan sebelum project ini dimulai, tools ini merupakan alat yang
biasa digunakan dalam proses analisis dan klasterisasi persona, adapun tools yang digunakan
antara lain:
1. Spreadsheet (Microsoft Excel dan Google Spreadsheets): Aplikasi ini digunakan
untuk mengolah data serta mengumpulkan data yang telah didapatkan dalam
kesehariannya, selain itu aplikasi Spreadsheet ini pun digunakan untuk memproduksi
Chart sebagai visualisasi dari hasil data yang telah dikumpulkan sebelumnya.
2. Looker Studio (Google Data Studio): Aplikasi ini digunakan untuk membuat
dashboard serta visualisasi yang lebih kompleks yang tidak dapat dilakukan dalam
spreadsheets
3. Presentation (Figma): Aplikasi ini digunakan untuk menampilkan Deck untuk
persona yang sudah didapatkan dari hasil analisis yang dilakukan, tujuannya adalah
untuk menampilkan hasil akhir untuk karakteristik dari masing-masing persona, mulai
dari demografi hingga preferensi dari masing-masing persona

III.3 Klasterisasi Persona Customer

Proyek ini menggunakan lingkup data customer Lister Mulai dari Januari 2021 hingga
Februari 2023, dimana semua data customer yang masih kotor dan berantakan kami lakukan
Data Cleaning terlebih dahulu sehingga data yang sudah bersih dapat diolah dan
dikelompokan menjadi kelompok yang berbeda, kemudian setelah ditemukan klaster atau
kelompok yang berbeda tersebut yang disebut sebagai persona, selanjutnya dilakukan
identifikasi karakteristik demografi serta preferensi dari masing-masing persona sehingga
dapat dilakukan generalisasi mengenai bagaimana komposisi dan karakteristik mayoritas
yang dimiliki oleh klaster persona tersebut, adapun ringkasan dari tahapan yang dilakukan
dalam proyek ini adalah:
1. Business Issue Understanding
2. Data Understanding
3. Data Preparation
4. Exploratory Data Analysis
5. Validation
6. Visualization and presentation

8
Tahapan yang dilakukan ini sesuai dengan standar ketentuan pengerjaan proyek analisis data
di Lister yang mengambil referensi dari metodologi CRISP-DM dapat dilihat pada ilustrasi
gambar dibawah ini.

Gambar 5. Tahapan proyek Analisis data (Metodologi CRISP-DM)

Masing-masing tahapan yang dilakukan akan dibahas dalam sub-bab selanjutnya

supaya penjelasan masing-masing tahapan akan menjadi lebih detail dan terstruktur.

a. Business Issue Understanding

Pada tahapan ini objektif bisnis yang diinginkan dari proyek yang dilakukan harus
dijelaskan dan dituliskan terlebih dahulu, objektif bisa didapatkan apabila telah diketahui
business problem yang stakeholder ingin selesaikan, untuk proyek ini business problem yang
menjadi fokus penyelesaian adalah sebagai berikut “Lister mulai mengeluarkan banyak
produk pembelajaran bahasa baru, alhasil persona dari customer Lister mulai mengalami
perubahan dan penambahan persona, sehingga persona lama yang telah dibuat sebelumnya
sudah kurang relevan, dan diperlukan persona baru yang lebih up to date.” dari business

9
problem tersebut didapatkanlah objektif utama yang akan menjadi tumpuan proyek ini yaitu
untuk membuat Customer segmentation berdasarkan persona dari masing" cluster group,
serta mencari insight supaya tim product designer dan tim marketing dapat membuat
campaign yang lebih tepat sasaran. Setelah mengetahui soal objektif yang ingin dicapai,
selanjut ditentukan juga metode analisis yang sesuai, untuk analisis klasterisasi yang akan
dilakukan, team product analyst akhirnya berkeputusan untuk menggunakan metode manual
Clustering yang dimana metode ini mengelompokan pelanggan Lister berdasarkan
kelompok-kelompok yang akan ditentukan oleh para product analyst. Untuk lingkup data dari
proyek ini sendiri digunakan data customer lister yang berisikan biodata diri serta preferensi
customer, dan untuk lingkup waktu yang digunakan adalah data Oktober 2022 hingga Maret
2023 lingkup waktu yang dipilih ini bertujuan agar data persona yang diciptakan nantinya
akan up to date dan tidak dipengaruhi trend atau bias di masa lampau.

b. Data Understanding

Dalam tahapan ini pertama-tama dilakukan pengumpulan data inisial yang didapatkan
dari database order customer Lister, data ini masih berbentuk csv dan masih perlu
dibersihkan lebih lanjut karena data tersebut masih sangat berantakan, setelah melakukan
import data dari database, data yang berbentuk csv ini diubah menjadi data yang dapat dibaca
di google sheets, yang kemudian tools google sheets akan menjadi alat utama dalam proses
analisis data. Setelah diubah bentuknya menjadi format google sheets, dilakukan proses data
Understanding yang dimulai dengan memahami konteks dan tujuan dari masing-masing
kolom variabel, setelah dipahami fungsi dari masing-masing variabel diputuskan beberapa
kolom variabel yang datanya tidak relevan untuk proses analisis yang akan dilakukan, kolom
variabel ini pun dihapus dari data google sheets, kemudian data yang berisi kolom-kolom
relevan dapat digunakan untuk tahapan berikutnya.

c. Data Preparation

Pada Tahapan ini data yang kotor dan berantakan melalui tahapan pembersihan dan
formatting, agar data final yang dikeluarkan sudah bersih dan dapat diproses untuk proses
analisis pada tahapan berikutnya. Pada tahapan ini ada beberapa hal yang kami lakukan untuk
membuat data ini layak dan dapat dilakukan exploratory data analysis.
Pertama dilakukan penyamaan format setiap kolom variabel sesuai dengan format
yang seharusnya, sebagai contoh apabila ada data variabel harga produk yang masih dalam

10
format text maka data tersebut akan kami lakukan manipulasi supaya menjadi data yang
sesuai dengan format yang seharusnya.
Kemudian dikarenakan sumber data ini berdasarkan data order yang diisi pelanggan
saat ingin mendaftar di Lister, attribute dari setiap produk yang berbeda memiliki nama
variabel yang berbeda-beda, dan juga produk yang berbeda memiliki jumlah kolom yang
berbeda, untuk mengatasi hal ini diperlukan cleaning data agar seluruh dataset memiliki
jumlah kolom yang sama, digunakan metode manual cleaning untuk menyamaratakan konten
di tiap kolom di dataset yang menjadi sumber analisis.
Tahapan selanjutnya setelah semua jumlah kolom dan konten tiap kolom sudah
seragam, dilakukan kategorisasi konten tiap-tiap kolom menjadi beberapa kategori yang
ditentukan, misalnya sebuah kolom yang mewakili variabel pekerjaan dari customer Lister,
dalam kolom tersebut memiliki input free text yang dimana isi konten dari masing-masing
customer dapat berbeda-beda, untuk merapikan dan mengkategorikan isi konten kolom
tersebut dibuatlah beberapa kategori seperti karyawan swasta,wiraswasta, tenaga pengajar,
tenaga medis, ASN, Aparat, dll, hal ini bertujuan agar data yang dimiliki lebih terstruktur dan
dapat dimengerti oleh para analyst dan stakeholder yang akan melihat hasil analisis,
Dilakukan juga penambahan beberapa kolom variabel tambahan tahapan ini
dinamakan feature engineering, konsepnya mirip dengan kategorisasi data yang dilakukan
dalam kolom pekerjaan namun, pada tahapan feature engineering ini terjadi penambahan
kolom baru, misalnya dari kolom umur data yang ada di kolom tersebut digunakan untuk
membuat kolom baru yaitu kolom generasi.
Setelah keseluruhan dataset dianggap sudah bersih dan layak untuk digunakan ke fase
berikutnya, maka tahapan ini dianggap telah selesai dilakukan, namun bukan berarti kita tidak
boleh kembali ke tahapan ini apabila dirasa ada beberapa komponen yang masih ingin kita
perbaiki maupun tambahkan, dalam proyek analisis data ini dapat dilakukan beberapa iterasi,
sehingga data dan hasil yang keluar sudah sesuai dengan apa yang diinginkan.

d. Exploratory Data Analysis

Di Dalam tahapan ini digunakan dua tools untuk menunjang analisis yang dilakukan,
yaitu google sheets dan looker studio, Exploratory Data Analysis awalnya dilakukan di
Google sheets, berdasarkan objektif yang telah ditentukan pada tahapan business
understanding klasterisasi persona dilakukan dengan metode manual clustering yang dimana,
penulis dan team product analyst mengelompokkan pelanggan berdasarkan

11
kelompok-kelompok yang akan ditentukan. Dalam proyek ini team product analyst
memutuskan untuk membagi keseluruhan pelanggan Lister ke dalam beberapa kategori
kelompok yang berbeda, beberapa kelompok ini dinamakan persona, persona yang berbeda
ini dibagi berdasarkan program yang diikuti oleh para pelanggan Lister dan program-program
yang dianggap sejenis disatukan menjadi satu kelompok, adapun pertimbangan dalam
menentukan kemiripan antara program-program tersebut adalah berdasarkan tujuan dan
kegunaan dari program-program tersebut dan juga beberapa pertimbangan lainnya yang dapat
dianggap sebagai kemiripan.
Berdasarkan pertimbangan kemiripan antara program, didapatkan 8 kategori persona
yang berbeda, adapun persona yang didapatkan adalah Test Preparation English, Test
Preparation Academic, Academic English, European Language, Asian Language, Business
English, General English dan Scholarship. Seluruh program yang tersedia di lister akan
masuk kedalam kategori persona tersebut, misalnya IELTS, TOEFL IBT, TOEFL ITP,
TOEIC, dan Duolingo test prep termasuk kedalam kategori persona yang sama yaitu persona
Test Preparation English.
Setelah dilakukan pengelompokan berdasarkan cluster persona yang sudah dibuat,
langkah berikutnya adalah mencari tahu karakteristik yang membedakan antara cluster-cluster
tersebut, Ada beberapa hal yang menjadi pertimbangan antara adakah perbedaan karakteristik
demografi diantara cluster yang berbeda, misalnya umur, generasi, kota tempat tinggal,
kemampuan ekonomi, dan pekerjaan, selain itu perbedaan yang dimiliki antara cluster dapat
pula dilihat dari preferensi dan tujuan pelanggan, misal cluster Test Preparation English
kebanyakan memiliki motivasi untuk mengambil beasiswa luar negeri sedangkan cluster
Asian Language lebih banyak memiliki motivasi untuk sekedar mengerti budaya jepang
melalui anime atau drama jepang.
Untuk mengetahui perbedaan karakteristik dari masing-masing klaster persona yang
berbeda digunakan tools lain yaitu looker studio sebagai tools yang dapat menciptakan
dashboard yang bertujuan sebagai alat visualisasi sekaligus alat bantu analisis yang sedang
dilakukan, dimana variabel-variabel yang membentuk karakteristik suatu klaster dapat dilihat
menggunakan fitur filter yang ada pada dashboard yang dibuat, dashboard pembantu ini kami
namakan sebagai Customer Dashboard.

12
 Gambar 6. Dashboard Customer

Dapat dilihat dari gambar diatas sebagai ilustrasi Customer Dashboard yang telah
terdistorsi isi kontennya, hal ini dilakukan karena dashboard tersebut memiliki data yang
bersifat rahasia, berdasarkan perjanjian penulis sebagai seorang intern dengan PT Lister
Teknologi Edukasi. Namun dapat dilihat bahwa karakteristik mayoritas dari sebuah klaster
dapat diambil datanya dari dashboard tersebut.

e. Validation

Di Dalam tahapan ini hal yang dilakukan adalah untuk mengetahui apakah sebenarnya
data dan hasil data yang didapatkan dari proses analisis klasterisasi persona sudah sesuai
dengan kenyataan yang sebenarnya, dalam tahapan ini dilakukan pengecekan ulang terhadap
tahapan-tahapan sebelumnya dan dilakukan koreksi data apabila ada kesalahan-kesalahan
minor yang terjadi.
Apabila terdapat kesalahan fatal yang terjadi di tahapan sebelumnya yang ternyata
tidak sempat teridentifikasi sebelumnya, maka diperlukan iterasi ulang untuk proyek ini dari

13
tahapan awal, namun di dalam proyek kali ini penulis dan team product analyst tidak
menemukan kesalahan fatal tersebut, hasil klasterisasi persona dan karakteristik demografi
maupun preferensi yang dihasilkan dari proses analisis dapat dibuktikan kevaliditasan sumber
datanya serta dapat pula dibuktikan kevaliditasan hasil analisisnya.
Setelah dilakukan evaluasi hasil dan pengecekan ulang tahapan-tahapan sebelumnya
yang telah dilakukan, langkah selanjutnya haruslah ditentukan, dalam tahapan ini langkah
selanjutnya adalah untuk melakukan visualisasi dan presentasi dari hasil penelitian yang
dilakukan, yang akan dibahas dalam sub-bab berikutnya.

f. Visualization and presentation

Setelah mendapatkan data karakteristik dari masing-masing persona, hal berikutnya

yang harus dilakukan adalah melakukan visualisasi untuk kebutuhan mempresentasikan hasil
temuan kepada stakeholder, tahapan ini dibantu oleh tools utama yaitu figma, hasil dari
visualisasi figma ini berbentuk 8 buah kartu, yang masing-masing kartunya
merepresentasikan persona yang telah ditentukan.

Gambar 7. Persona Customer Lister

14
Gambar diatas merupakan hasil persona yang berbentuk sebuah card, kartu di atas berisikan
data customer yang merupakan perwakilan dari masing-masing cluster yang telah ditentukan
sebelumnya. data yang seharusnya ditampilkan bersifat rahasia, berdasarkan perjanjian
penulis sebagai seorang intern dengan PT Lister Teknologi Edukasi. Sehingga gambar
tersebut perlu dilakukan proses distorsi terlebih dahulu, agar tidak dikenali konten yang
sebenarnya.
Hasil dari ke-8 persona tersebut kemudian akan digunakan oleh anggota divisi
product untuk mendapatkan insight yang dapat digunakan untuk membantu pengembangan
produk baru yang sesuai dengan keinginan pelanggan,

15
 BAB IV
PENUTUP

IV.1 Kesimpulan
Kesimpulan dari laporan magang ini adalah bahwa dari penulis ini sendiri telah
mengikuti program magang merdeka yang diselenggarakan oleh Kementerian Pendidikan,
Kebudayaan, Riset dan Teknologi (Kemdikbud) serta juga turut ikut serta dalam mengikuti
kegiatan besar seperti projek Clustering Analysis sebagai bukti bahwa program magang
merdeka ini telah benar dilakukan sesuai dengan modul yang telah diberikan dan tujuan dari
program magang merdeka ini.
Adapun proyek yang dikerjakan adalah Clustering Analysis dimana projek ini
berkaitan erat dengan performa dari perusahaan sendiri serta menganalisis karakteristik dari
customer perusahaan sehingga bisa mendapatkan suatu pengetahuan terbaru dan hasil dari
persona sendiri dapat digunakan untuk keperluan pengembangan produk baru yang lebih
personalized. Adapun hasil dari projek ini berkaitan erat dengan posisi Junior Product
Analyst dikarenakan basis dari posisi ini adalah menganalisis data dari customer Lister sendiri
dan juga projek ini adalah sebuah data dan berkaitan erat dengan kegiatan Divisi Product.

IV.2 Saran
Adapun saran yang bisa disampaikan adalah saran mengenai hasil projek clustering
analysis ini sendiri terhadap perusahaan dimana perusahaan sebaiknya memposisikan
perusahaan sebagai suatu platform yang mengutamakan personalized learning experience,
sehingga perusahaan dapat memiliki Unique Selling Proposition dalam branding yang
membuat perusahaan dapat bersaing dengan kompetitor di industri.
Selain itu, didapatkan dari hasil competitor analysis bahwa terdapat 8 persona yang
berbeda yang dapat dimanfaatkan informasi tersebut oleh perusahaan untuk
mengimplementasikan strategi terutama strategi untuk pengembangan produk yang berbeda
sesuai dengan preferensi dan kebutuhan dari masing-masing cluster persona.
Adapun model AI (Artificial Intelligence) dan ML (Machine Learning) juga bisa
diimplementasikan untuk memakai system dynamic clustering sehingga Lister bisa
mengelompokan cluster baru yang lebih sejenis, dan menghasilkan hasil yang lebih akurat
sehingga customer yang dikelompokkan lebih tepat sasaran.

16
 REFERENSI

Graduate Programs Staff. “Understanding the Lifecycle of a Data Analysis Project.”

Northeastern University, 7 August 2020,
https://graduate.northeastern.edu/resources/data-analysis-project-lifecycle/. Accessed
5 July 2023.
Lister Teknologi Edukasi. “Program Kursus/Les Bahasa Asing & Test Preparation Lister.”
Lister, https://lister.co.id/about/. Accessed 5 July 2023.

17
LAMPIRAN A. LETTER OF ACCEPTANCE

18
19
 LAMPIRAN B. LOG ACTIVITY

Periode Minggu Kegiatan Hasil

16 - 17 Feb 1 - Onboarding MBKM Program Detail

- Onboarding MBKM x Lister Knowledge

20 - 24 Feb 2 - Introduction to Mentor & Program & Work

Workplace Environment
- Research Assignment Knowledge

27 Feb - 3 Mar 3 - MGBK Data Analysis MGBK dashboard

- Learning Wordpress and Customer
- Learning Design thinking and Journey Map for
customer journey map Lister Customer

06 - 10 Mar 4 - Do usability testing for new Half Clean Data for

lister website clustering project
- cleaning data that would be and IELTS Prep
used for creating customer Class landing page
persona
- Create a landing page for
IELTS Prep Class.

13 - 17 Mar 5 - IELTSxPDVL landing page Final IELTSXPDVL

revision landing page and
- Data cleaning and manipulation Half Clean Data for
for EDA and for our customer clustering project
clustering
- Many meetings with my
product team

20 - 24 Mar 6 - Finishing and revising landing Lister x Beasiswa

page for Lister x Beasiswa Korea Landing Page

20
 Korea , Customer
- More data cleaning for our final Dashboard and
data sample persona
- Creating a dashboard to see our
customer profile and
characteristic
- Searching for potential
customer that represent each
cluster so we could use them as
our persona and hopefully
interview them if they are
available

27 - 31 Mar 7 - Adding new Feature and Chart New feature on

for Customer dashboard Customer
- Creating Customer Persona Dashboard,
- Competitor Benchmarking Customer Persona

03 - 07 Apr 8 - Benchmarking RuangGuru Monthly Dashboard

- Cleaning Data for monthly Update, Ruangguru
dashboard Update Benchmarking data

10 - 14 Apr 9 - Making Growth Dashboard Competitor

- Searching for new persona Benchmarking final
Sample report, and Growth
- Continue competitor dashboard
benchmarking

17 - 21 Apr 10 - Revise and add elements to the Growth Dashboard

Lister growth dashboard revision, Video
- Make Video Tutorials for Tutorial for data
changing data on the Growth growth dashboard
Lister Dashboard
- Meeting regarding the point

21
 system that will be enforced

24 - 28 Apr 11 - Customer Journey Analysis for Customer journey

website user map (website user)
Report

01 - 05 May 12 - Start Cleaning data for: Mockup Dashboard,

- Customer Skill Half clean data for
Preference analysis Customer preference
- Customer Tutor dashboard.
preference analysis
- Monthly dashboard
update
- Dashboard layout ideation

08 - 12 May 13 - Continue cleaning data for: Presentation Report:

- Customer Skill Customer Tutor and
Preference analysis skill preference
- Customer Tutor analysis
preference analysis
- Monthly customer
dashboard update
- Creating Canva report for
Customer preference analysis

15 - 19 May 14 - Finalization for Customer Marketing Research

preference report (Revision and Report; Channel
adding insight and Contribution Report
recommendation) & Promocode
- Monthly customer dashboard Breakdown Report
Update
- Meeting for new task, alumni
and tutor Dashboard

22 - 26 May 15 - Interview Notes Taking for Pain Half Clean data for

22
 point Analysis Alumni and Tutor
- Start Cleaning data for Alumni dashboard, Notes
and tutor dashboard Report of Customer
Pain Point

29 May - 2 Jun 16 - Start Creating Alumni and Hierarchy and

Tutor Dashboard revenue contribution
- Meeting for new task (Lister of Lister Online
Program Hierarchy for new Program
navbar development)

05 - 09 Jun 17 - Collecting FAQ, USP, FAQ, USP,

Company value and Why test Company Value and
preparation Lister Data. Why test preparation
- Data Confirmation with Lister Data
Academic Team
- Data Confirmation with B2C
Team

12 - 16 Jun 18 - Creating New Placement test Placement Test for

for test General Korea General Korea
- Meeting with academic team
for placement test revision

19 - 23 Jun 19 - Monthly Customer Dashboard Up to date Customer

Update (May 2023) dashboard
- Start Cleaning Data and
updating dashboard

26 - 30 Jun 20 - Farewell party for Lister Interns Farewell Party

23
LAMPIRAN C. NON DISCLOSURE AGREEMENT

24
25
26