BAB IV ANALISA DAN PERANCANGAN 4.1
Analisa Analisa
adalah
suatupemahaman
terhadap
permasalahan
sebelum
mengambil suatu tindakan atau keputusan yang akan dilakukan. Disini akan dianalisa tentang sistem yang sedang berjalan dan sistem yang akan dikembangkan, lalu menganalisa kebutuhan sistem serta kebutuhan pengguna dalam menggunakan sistem.Ini adalah tahap yang sangatpenting, karena apabila terjadi suatukesalahan pada tahap ini akan menyebabkan kesalahan di tahap selanjutnya dengan tujuanmenemukan data-data yang berguna untuk menggali informasi yang potensial dalam menetapkan kriteria-kriteria yang dibutuhkan.
4.2 Analisa Sistem lama Sistem lama yang berjalan di perusahaan distributor bukuZanafa adalah menganalisa sistem yang sedang berjalan di perusahaan distributor bukuZanafa dalam menganalisa konsumen yang potensial. Distributor buku Zanafa melakukan pengelompokkan data transaksi konsumen secara manual, yaitudilihat dari seberapa sering seorang konsumen dalam berbelanja, atau seberapa besar total belanjanya dalam periode tertentu, hal ini dilakukan terhadap semua konsumen baik konsumen tetap maupun konsumen baru. Proses ini di anggap tidak memiliki efesiensi baik dilihat dari segi waktu maupun keputusan yang diambildalam menentukan dan memilah-milah konsumen yang potensial maupun yang tidak potensial. Karena dengan banyaknya data transaksi konsumen yang ada dibutuhkan waktu yang cukup lama untuk mengklasifikasikan transaksi konsumen.
4.3 Analisa Sistem Baru Dengan mengumpulkan data transaksi untuk melakukan mengelompokkan konsumen dengan menggunakan metode K-Means, lalu hasil pengelompokan yang telah dilakukan menggunakan metode K-Means lalu di lakukan proses
segmentasi menggunakan metode Fuzzy RFM yang bertujuan memberi gradegrade dari kelompok konsumen untuk membagi konsumen potensial dan kurang potensial dengan menggunakan sistem. Hal ini sangat membantu dalam mengklasifikasi konsumen karena tidak membutuhkan waktu yang lama dalam proses ini dan hasil yang didapat sangat akurat sehingga sangat membantu perusahaan dalam menentukan strategi bisnis yang akan diterapkan dalam mempertahankan dan menarik konsumen.
4.4
Analisa Kebutuhan Data Ditahap ini dilakukan analisa kebutuhan data. Data-data yang akan di-
inputkan ke sistem saling berelasi antara satu sama lainnya. Relasi data yang akan menjadi satu kesatuan basis data utuh. Data-data yang dibutuhkan sistem adalah sebagai berikut : 1. Data konsumen Data-data konsumen yang melakukan transaksi 2. Data transaksi Data-data transaksi yang telah dilakukan oleh konsumen. Kriteria yang digunakan untuk proses pengelompokan dapat dilihat pada tabel 4.1 berikut. Tabel 4.1 kriteria proses pengelompokan No
Nama Kriteria
Keterangan
rentang waktu (dalam satuan hari, bulan, tahun) dari transaksi terakhir yang dilakukan oleh konsumen 1
Recency
sampai saat ini jumlah total transaksi atau jumlah rata-rata transaksi
2
Frequency
dalam satu periode (dalam satuan tahun). jumlah rata-rata nilai pembelian konsumen dalam
3
Monetary
suatu satuan waktu
IV-2
Ini adalah tahapan yang akan menjelaskan langkah-langkah yang akan dilakukan dalam proses seleksi data transaksi konsumen menggunakan metode K-Means dan Fuzzy RFM. Tahap analisa tersebut dapat digambarkan ke dalam flowchart berikut ini.
Gambar 4.1 Flowchart
Flowchartpada gambar 4.1 menjelaskan proses menggunakan dua metode yaitu metode K-Means dan fuzzy RFM.Langkah pertama adalah melakukan pengelompokan menggunakan metode K-Means. Terdapat tiga kriteria yang digunakan untuk proses pengelompokan yaitu jumlah jarak hari antara tanggal beli terbaru dan tanggal sekarang (recency),banyaknya pembelian yang terjadi
IV-3
selama periode tertentu (Frequency), total pembelanjaan pelanggan atau jumlah uang dalam periode tertentu (Monetary). Langkah selanjutnya adalah menentukan jumlah cluster dengan titik pusat kluster sembarang, menentukan jumlah maksimun dari kumpulan data, menormalisasikan data yang ada dengan mengguanakan nilai maximum yang telah di dapat. Proses perhitungan dimulai dengan membangkitkan centroid awal secara random, kemudian mengelompokkan data kedalam cluster dengan jarak terpendek, kemudian menghitung nilai rata dari pusat cluster yang baru. Kemudian cek kondisi berhenti, apabila kondisi telah memenuhi syarat maka iterasi berhenti, sebaliknya jika kondisi belum memenuhi syarat maka iterasi ditambah dan ulangi proses perhitungan sampai kondisi terpenuhi. Hasil dari perhitungan K-Means berupa kelompok beserta anggotanya. 4.4.1 Model Clustering Menggunakan Metode K-Means Konsep dari Metode K-Means adalah menentukan pusat kluster untuk menandai lokasi rata-rata untuk tiap-tiap kluster. Kemudian memperbaiki pusat kluster dan derajat keanggotaan tiap-tiap titik data secara berulang. Perulangan ini didasarkan pada minimasi fungsi obyektif yang menggambarkan jarak dari titik data kepusat kluster. yang terbobot oleh derajat keanggotaan titik data tersebut. 4.4.1.1 Pengelompokan Data Pelanggan Berikut ini adalah proses pengelompokan data pelangan yang melakukan transaksi dari tanggal 1 januari 2012 sampai 31 desember 2012 menggunakan metode K-Means.Dengan menggunakan data sampel dari beberapa data pelanggan. Berikut adalah data-data pelanggan tersebut: Tabel 4.2 Data pelanggan. No. 1 2 3 4 5
Nama 00001 00002 00003 00004 00005
Kriteria 1 : Recency
Kriteria 2 : Frequency 190 249 182 195 190
21 16 18 11 23
Kriteria 3 : Monetary $35,084,800.00 $10,284,450.00 $12,381,400.00 $10,267,850.00 $19,987,750.00
IV-4
No. Nama 00006 6 7 00007 8 00008
Kriteria 1 : Recency
Kriteria 2 : Frequency 186 193 196
12 18 24
Kriteria 3 : Monetary $11,199,350.00 $9,328,550.00 $16,617,450.00
20 21 15 19 16 21 21 12 27 25 31 22 25 28 26 14 25 20 23 28 20 28 33 37 33 26 28 25 33 24 31 40
Kriteria 3 : Monetary $17,653,450.00 $13,040,300.00 $14,833,500.00 $14,918,100.00 $21,940,900.00 $11,710,350.00 $27,686,950.00 $12,435,150.00 $31,676,450.00 $30,829,000.00 $46,881,750.00 $23,197,400.00 $61,333,650.00 $35,517,000.00 $33,984,900.00 $11,710,700.00 $16,292,350.00 $18,800,700.00 $25,765,150.00 $22,774,900.00 $37,194,500.00 $45,170,900.00 $34,648,850.00 $51,712,000.00 $51,954,550.00 $40,360,600.00 $27,201,850.00 $31,080,300.00 $53,256,600.00 $42,270,450.00 $41,810,100.00 $55,451,450.00
Tabel 4.2 Data pelanggan (lanjutan). No. 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Nama 00009 00010 00011 00012 00013 00014 00015 00016 00017 00018 00019 00020 00021 00022 00023 00024 00025 00026 00027 00028 00029 00030 00031 00032 00033 00034 00035 00036 00037 00038 00039 00040
Kriteria 1 : Recency
Kriteria 2 : Frequency 195 181 192 184 202 191 8 184 4 13 4 9 7 2 1 14 198 5 3 8 2 0 1 9 12 3 21 2 0 10 16 64
IV-5
No. Nama 00041 41 42 00042 43 00043
Kriteria 1 : Recency
Kriteria 2 : Frequency 7 2 7
25 36 35
Kriteria 3 : Monetary $26,821,950.00 $40,906,000.00 $53,313,750.00
34 36 38 41 35 38 34 28 46 35 31 29 36 30 41 36 33 38 33 38 35 31 42 47 34 40 42 46 35 52 34 32
Kriteria 3 : Monetary $81,960,300.00 $65,679,850.00 $45,282,750.00 $74,436,550.00 $55,398,750.00 $48,700,600.00 $47,385,450.00 $42,355,150.00 $77,220,650.00 $49,767,700.00 $34,921,700.00 $45,218,300.00 $57,160,750.00 $65,182,200.00 $86,752,750.00 $57,486,700.00 $59,783,750.00 $42,063,150.00 $47,131,950.00 $88,072,850.00 $54,851,350.00 $27,915,000.00 $92,917,100.00 $66,880,400.00 $51,580,550.00 $57,037,000.00 $84,981,450.00 $85,849,700.00 $45,395,950.00 $49,320,850.00 $60,158,550.00 $26,960,150.00
Tabel 4.2 Data pelanggan (lanjutan). No. 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78
Nama 00047 00048 00049 00050 00051 00052 00053 00054 00055 00056 00057 00058 00059 00060 00061 00062 00063 00064 00065 00066 00067 00068 00069 00070 00071 00072 00073 00074 00075 00076 00077 00078
Kriteria 1 : Recency
Kriteria 2 : Frequency 6 4 2 8 4 2 0 1 2 6 15 0 7 1 2 4 9 5 12 2 2 7 0 0 0 10 6 1 33 5 1 20
IV-6
No. 79 80 81 82 83 84
Nama
Kriteria 1 : Recency
00079 00080 00081 00082 00083 00084
Kriteria 2 : Frequency 7 1 0 1 2 1
41 37 39 41 31 47
Kriteria 3 : Monetary $71,397,250.00 $50,824,600.00 $74,241,100.00 $68,014,100.00 $64,682,100.00 $71,428,750.00
39 40 47 56 51 39
Kriteria 3 : Monetary $53,115,400.00 $85,025,150.00 $85,279,850.00 $82,573,650.00 $100,239,200.00 $71,466,500.00
Tabel 4.2 Data pelanggan (lanjutan). No. 85 86 87 88 89 90
Nama
Kriteria 1 : Recency
00085 00086 00087 00088 00089 00090
Kriteria 2 : Frequency 34 0 0 1 2 16
4.4.1.2 Langkah-langkah K-Means Berikut ini merupakan langkah-langkah pengelompokan pelanggan menggunakan K-Means: 1. Memasukkan data pelanggan yang akan di cluster Data pelanggan akan dicluster dapat dilihat pada tabel 4.8. Dalam penelitian ini data yang digunakan adalah data pelanggan sebanyak 90data.
2. Menentukan jumlah data cluster Langkah kedua merupakan langkah yang digunakan untuk menentukan jumlah cluster yang akan dibentuk. Dalam penelitian ini jumlah cluster yang akan dibentuk adalah menjadi 3 cluster. 3. Menentukan data yang akan diproses Langkah selanjutnya adalah menentukan data yang akan diproses atau data yang akan di-cluster. Data yang akan diproses atau di-cluster adalah Data pelanggan yang digunakan adalah data sampel, yaitu sekitar 10% dari seluruh pelanggan, dengan jumlah pelanggan 90yang merujuk dari tabel pelanggan pada tabel 4.2.
IV-7
Jika dilihat dari tabel 4.2 diatas maka akan sulit untuk melakukan cluster dengan menggunakan metode K-Means. Untuk mengatasi hal tersebut maka data terlebih dahulu dinormalisasikan, yaitu dengan cara mencari data maksimum kemudian dijadikan sebagai pembagi data-data yang lain. Hasil dari normalisasi dapat dilihat pada tabel 4.3 berikut: Tabel 4.3Hasil normalisasi data pelanggan. No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
Nama 00001 00002 00003 00004 00005 00006 00007 00008 00009 00010 00011 00012 00013 00014 00015 00016 00017 00018 00019 00020 00021 00022 00023 00024 00025 00026 00027 00028 00029 00030 00031
Kriteria 1 : Recency 0.763052209 1 0.730923695 0.78313253 0.763052209 0.746987952 0.775100402 0.787148594 0.78313253 0.726907631 0.771084337 0.738955823 0.81124498 0.767068273 0.032128514 0.738955823 0.016064257 0.052208835 0.016064257 0.036144578 0.02811245 0.008032129 0.004016064 0.0562249 0.795180723 0.020080321 0.012048193 0.032128514 0.008032129 0 0.004016064
Kriteria 2 : Frequency 0.375 0.285714286 0.321428571 0.196428571 0.410714286 0.214285714 0.321428571 0.428571429 0.357142857 0.375 0.267857143 0.339285714 0.285714286 0.375 0.375 0.214285714 0.482142857 0.446428571 0.553571429 0.392857143 0.446428571 0.5 0.464285714 0.25 0.446428571 0.357142857 0.410714286 0.5 0.357142857 0.5 0.589285714
Kriteria 3 : Monetary 0.35 0.10 0.12 0.10 0.20 0.11 0.09 0.17 0.18 0.13 0.15 0.15 0.22 0.12 0.28 0.12 0.32 0.31 0.47 0.23 0.61 0.35 0.34 0.12 0.16 0.19 0.26 0.23 0.37 0.45 0.35
IV-8
No. 32 33 34 35 36 37 38
Nama 00032 00033 00034 00035 00036 00037 00038
Kriteria 1 : Recency 0.036144578 0.048192771 0.012048193 0.084337349 0.008032129 0 0.040160643
Kriteria 2 : Frequency 0.660714286 0.589285714 0.464285714 0.5 0.446428571 0.589285714 0.428571429
Kriteria 3 : Monetary 0.52 0.52 0.40 0.27 0.31 0.53 0.42
Kriteria 2 : Frequency 0.553571429 0.714285714 0.446428571 0.642857143 0.625 0.607142857 0.589285714 0.589285714 0.607142857 0.642857143 0.678571429 0.732142857 0.625 0.678571429 0.607142857 0.5 0.821428571 0.625 0.553571429 0.517857143 0.642857143 0.535714286 0.732142857 0.642857143 0.589285714 0.678571429 0.589285714 0.678571429
Kriteria 3 : Monetary 0.42 0.55 0.27 0.41 0.53 0.55 0.50 0.60 0.82 0.66 0.45 0.74 0.55 0.49 0.47 0.42 0.77 0.50 0.35 0.45 0.57 0.65 0.87 0.57 0.60 0.42 0.47 0.88
Tabel 4.3Hasil normalisasi data pelanggan (lanjutan). No. 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66
Nama 00039 00040 00041 00042 00043 00044 00045 00046 00047 00048 00049 00050 00051 00052 00053 00054 00055 00056 00057 00058 00059 00060 00061 00062 00063 00064 00065 00066
Kriteria 1 : Recency 0.064257028 0.257028112 0.02811245 0.008032129 0.02811245 0.072289157 0.048192771 0.024096386 0.024096386 0.016064257 0.008032129 0.032128514 0.016064257 0.008032129 0 0.004016064 0.008032129 0.024096386 0.060240964 0 0.02811245 0.004016064 0.008032129 0.016064257 0.036144578 0.020080321 0.048192771 0.008032129
IV-9
No. 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90
Nama 00067 00068 00069 00070 00071 00072 00073 00074 00075 00076 00077 00078 00079 00080 00081 00082 00083 00084 00085 00086 00087 00088 00089 00090
Kriteria 1 : Recency 0.008032129 0.02811245 0 0 0 0.040160643 0.024096386 0.004016064 0.13253012 0.020080321 0.004016064 0.080321285 0.02811245 0.004016064 0 0.004016064 0.008032129 0.004016064 0.136546185 0 0 0.004016064 0.008032129 0.064257028
Kriteria 2 : Frequency 0.625 0.553571429 0.75 0.839285714 0.607142857 0.714285714 0.75 0.821428571 0.625 0.928571429 0.607142857 0.571428571 0.732142857 0.660714286 0.696428571 0.732142857 0.553571429 0.839285714 0.696428571 0.714285714 0.839285714 1 0.910714286 0.696428571
Kriteria 3 : Monetary 0.55 0.28 0.93 0.67 0.51 0.57 0.85 0.86 0.45 0.49 0.60 0.27 0.71 0.51 0.74 0.68 0.65 0.71 0.53 0.85 0.85 0.82 1.00 0.71
Cara menormalisasi data: =
Perhitungan untuk data pertama: Data terbesar (Maxt) adalah : 249 terdapat pada Recency t1 = 190 =
= 0.763052209
Lakukan untuk data yang lain (2 sampai 90), kemudian lakukan juga pada Frequency dan Monetary.
IV-10
4. Pemberian Nilai Centroid Penentuan jumlah nilai centroid adalah berdasarkan jumlah dari cluster yang akan dibentuk. Pada penelitian ini cluster yang akan dibentuk adalah 3clustermaka jumlah centroid yang di ambil adalah berjumlah 3centroid. Nilai
inisialisasi
centroid
ke-j
ditentukan
secara
acak
dengan
menggunakan formula: C = (rand(0,1),
(0,1), )
(0,1))
J = 1..4 Nomor index kriteria
Nilai centroid dilakukan secara random oleh sebuah sistem, dapat diambil sebuah contoh random nilai sebagai berikut: Tabel 4.4 Centroid awal secara random
0 1 0 1 5.
1 0 0 0
0 0 1 0
= Cluster 1 (C1) = Cluster 2 (C2) = Cluster 3 (C3) = Cluster 4 (C4)
Melakukan proses perhitungan Jarak dengan rumus Euclidean Langkah keempat
adalah melakukan proses perhitungan. Proses
perhitungan jarak digunakan rumus Jarak Euclidean pada rumus 2.1 , yaitu:
i
( , )= ∑
−
,
= Id Pelanggan
dimana:
, ,
k = IndexKriteria ,
, ,
=(
,
=(
,
, ,
,
,
,
,
, ,
) = Kriteria
,
, ,
,
, ,
) = Centroid dari kriteria
Hitung jarak setiap data yang ada terhadap setiap nilai centroid.
Menghitung jarak data data pertama: = (0.763052209; 0.375;0.35) ,
,
= (0 ; 1 ; 0)
= (0.763052209 − 0) + (0.375 − 1) + (0.35 − 0)²
=1.046605
IV-11
= (0.763052209; 0.375;0.35) ,
= (0.763052209; 0.375;0.35)
,
= (0 ; 0 ; 1)
= (0.763052209 − 0) + (0.375 − 0) + (0.35 − 1)²
= 1.070214776
= (0.81081011; 0.517241379 ;0.52) ,
= (1 ; 0 ; 0)
= (0.763052209 − 1) + (0.375 − 0) + (0.35 − 0)²
= 0.565045837 ,
,
,
= (1 ; 0 ; 0)
= (0.763052209 − 1) + (0.375 − 0) + (0.35 − 0)²
= 0.565045837
Begitu seterusnya untuk data ke 2 sampai dengan 90, berikut Hasil
perhitungan Jarak dengan Rumus Euclidean: Tabel 4.5. Hasil perhitungan Jarak dengan Rumus Euclidean No
Cluster 1
Cluster 2
Cluster 3
1
1.046605
0.565045837 1.070214776 0.565045837
2
1.233179
0.303577379 1.373667012 0.303577379
3
1.004970
0.437007111 1.185658263 0.437007111
4
1.126728
0.310013388 1.207272299 0.310013388
5
0.984514
0.514384149 1.179785745 0.514384149
6
1.089872
0.349880292 1.180228631 0.349880292
7
1.034360
0.403183405 1.235569453 0.403183405
8
0.986720
0.506420302
9
1.028386
0.453429589 1.191485198 0.453429589
10
0.967442
0.481796974 1.194051902 0.481796974
11
1.073547
0.38216255
12
1.002371
0.453219309 1.177144582 0.453219309
13
1.102830
0.406413509 1.161848117 0.406413509
14
0.996327
0.456650906 1.228421134 0.456650906
15
0.684068
1.07410033
16
1.085722
0.359794404 1.165870549 0.359794404
17
0.606874
1.140373939 0.836997025 1.140373939
18
0.635419
1.091877386 0.825533305 1.091877386
19
0.646760
1.222011869 0.768143211 1.222011869
1.22441937
1.179938486
0.815800791
Cluster 4
0.506420302
0.38216255
1.07410033
IV-12
No
Cluster 1
Cluster 2
Cluster 3
Cluster 4
20
0.650757
1.066259551 0.863919963 1.066259551
21
0.825603
1.232173821 0.592225823 1.232173821
22
0.612869
1.165995139 0.816678639 1.165995139
23
0.633997
1.149996524 0.807742589 1.149996524
24
0.761124
0.983290454 0.919594921 0.983290454
Tabel 4.5. Hasil perhitungan Jarak dengan Rumus Euclidean(lanjutan). No
Cluster 1
Cluster 2
Cluster 3
25
0.982431
0.517365383 1.238127195 0.517365383
26
0.669960
1.059703607
0.88770246
1.059703607
27
0.643017
1.10036487
0.849014662
1.10036487
28
0.550141
1.112833125 0.921001381 1.112833125
29
0.742303
1.117691771 0.723314794 1.117691771
30
0.673104
1.20543286
31
0.536828
1.207776324 0.880586408 1.207776324
32
0.618514
1.277379743 0.819887896 1.277379743
33
0.663061
1.233626956 0.762633321 1.233626956
34
0.670266
1.163499585 0.756664995 1.163499585
35
0.575112
1.077997881 0.887702294 1.077997881
36
0.634542
1.131121902 0.821814059 1.131121902
37
0.671536
1.276531308 0.752955442 1.276531308
38
0.711316
1.132604261 0.720917534 1.132604261
39
0.614331
1.164487608 0.806435904 1.164487608
40
0.673585
1.169714446 0.880855026 1.169714446
41
0.615492
1.102480223 0.858212469 1.102480223
42
0.542354
1.250519094
43
0.651380
1.272034231 0.781386862 1.272034231
44
0.681324
1.238511247 0.758026329 1.238511247
45
0.645857
1.224465852 0.776845249 1.224465852
46
0.730236
1.289815304 0.710777394 1.289815304
47
0.907449
1.410516656
0.63439391
1.410516656
48
0.746416
1.34563099
0.729649848
1.34563099
49
0.554487
1.283952773 0.872413398 1.283952773
50
0.790075
1.422760393
51
0.668074
1.290036328 0.768759516 1.290036328
0.74283659
0.87389618
0.77674044
Cluster 4
1.20543286
1.250519094
1.422760393
IV-13
No
Cluster 1
Cluster 2
Cluster 3
52
0.582602
1.296342431 0.851398986 1.296342431
53
0.614658
1.261780562 0.804140969 1.261780562
54
0.654643
1.191857673 0.763855534 1.191857673
55
0.790830
1.500734995 0.852960844 1.500734995
56
0.622662
1.260759528 0.802949913 1.260759528
57
0.569472
1.144971419 0.857131347 1.144971419
58
0.660270
1.213124397 0.754627646 1.213124397
59
0.673438
1.297308113 0.773786976 1.297308113
60
0.799014
1.304538385 0.639780745 1.304538385
61
0.905996
1.506336551 0.744445706 1.506336551
62
0.675800
1.307781173 0.771640921 1.307781173
63
0.725051
1.277490067 0.715156107 1.277490067
64
0.528968
1.26364125
65
0.626172
1.214198418 0.793897822 1.214198418
66
0.935610
1.48877283
67
0.663417
1.293853979 0.771824592 1.293853979
68
0.526917
1.152631772 0.909844584 1.152631772
69
0.960075
1.556195107 0.753548776 1.556195107
70
0.686291
1.466140197 0.902857132 1.466140197
71
0.647398
1.278049102 0.777341773 1.278049102
72
0.637979
1.324864837 0.835206717 1.324864837
73
0.884207
1.494533363 0.765669352 1.494533363
74
0.874876
1.549268446
75
0.602732
1.161131286 0.841150203 1.161131286
76
0.497595
1.436865523
1.05862177
1.436865523
77
0.717309
1.311787483
0.72699288
1.311787483
78
0.512312
1.115651396 0.931345427 1.115651396
79
0.761488
1.409938066 0.787154841 1.409938066
80
0.610093
1.298310444 0.824363867 1.298310444
81
0.800439
1.426029264 0.743155893 1.426029264
82
0.729486
1.410107733 0.799624898 1.410107733
83
0.784695
1.306454986 0.657521023 1.306454986
84
0.730493
1.484641049 0.887144391 1.484641049
85
0.625764
1.229367708
86
0.895050
1.493213173 0.730233165 1.493213173
87
0.865810
1.558267948 0.852450615 1.558267948
0.893137364 0.689387515
0.83388734
0.85127217
Cluster 4
1.26364125 1.48877283
1.549268446
1.229367708
IV-14
No
Cluster 1
Cluster 2
Cluster 3
Cluster 4
88
0.823776
1.634189251 1.015418403 1.634189251
89
1.004010
1.677319519 0.910749705 1.677319519
90
0.777558
1.367091459 0.755998619 1.367091459
6. Menentukan pengelompokan cluster. Langkah selanjutnya adalah langkah untuk menentukan data yang masuk kedalam suatu cluster. Suatu data yang akan menjadi anggota dari suatu cluster adalah data yang memiliki jarak terkecil dari pusat clusternya. Tabel 4.6. Data Cluster No
Cluster 1
Cluster 2
Cluster 3
1
1.046605
0.565045837 1.070214776 0.565045837
C4
2
1.233179
0.303577379 1.373667012 0.303577379
C4
3
1.004970
0.437007111 1.185658263 0.437007111
C4
4
1.126728
0.310013388 1.207272299 0.310013388
C4
5
0.984514
0.514384149 1.179785745 0.514384149
C4
6
1.089872
0.349880292 1.180228631 0.349880292
C4
7
1.034360
0.403183405 1.235569453 0.403183405
C4
8
0.986720
0.506420302
0.506420302
C4
9
1.028386
0.453429589 1.191485198 0.453429589
C4
10
0.967442
0.481796974 1.194051902 0.481796974
C4
11
1.073547
0.38216255
0.38216255
C4
12
1.002371
0.453219309 1.177144582 0.453219309
C4
13
1.102830
0.406413509 1.161848117 0.406413509
C4
14
0.996327
0.456650906 1.228421134 0.456650906
C4
15
0.684068
1.07410033
1.07410033
C1
16
1.085722
0.359794404 1.165870549 0.359794404
C4
17
0.606874
1.140373939 0.836997025 1.140373939
C1
18
0.635419
1.091877386 0.825533305 1.091877386
C1
19
0.646760
1.222011869 0.768143211 1.222011869
C1
20
0.650757
1.066259551 0.863919963 1.066259551
C1
21
0.825603
1.232173821 0.592225823 1.232173821
C3
22
0.612869
1.165995139 0.816678639 1.165995139
C1
1.22441937
1.179938486
0.815800791
Cluster 4
Cluster
IV-15
No
Cluster 1
Cluster 2
Cluster 3
23
0.633997
1.149996524 0.807742589 1.149996524
C1
24
0.761124
0.983290454 0.919594921 0.983290454
C1
25
0.982431
0.517365383 1.238127195 0.517365383
C4
26
0.669960
1.059703607
0.88770246
1.059703607
C1
27
0.643017
1.10036487
0.849014662
1.10036487
C1
28
0.550141
1.112833125 0.921001381 1.112833125
C1
29
0.742303
1.117691771 0.723314794 1.117691771
C3
30
0.673104
1.20543286
1.20543286
C1
31
0.536828
1.207776324 0.880586408 1.207776324
C1
32
0.618514
1.277379743 0.819887896 1.277379743
C1
33
0.663061
1.233626956 0.762633321 1.233626956
C1
34
0.670266
1.163499585 0.756664995 1.163499585
C1
35
0.575112
1.077997881 0.887702294 1.077997881
C1
36
0.634542
1.131121902 0.821814059 1.131121902
C1
37
0.671536
1.276531308 0.752955442 1.276531308
C1
38
0.711316
1.132604261 0.720917534 1.132604261
C1
39
0.614331
1.164487608 0.806435904 1.164487608
C1
40
0.673585
1.169714446 0.880855026 1.169714446
C1
41
0.615492
1.102480223 0.858212469 1.102480223
C1
42
0.542354
1.250519094
1.250519094
C1
43
0.651380
1.272034231 0.781386862 1.272034231
C1
44
0.681324
1.238511247 0.758026329 1.238511247
C1
45
0.645857
1.224465852 0.776845249 1.224465852
C1
46
0.730236
1.289815304 0.710777394 1.289815304
C3
47
0.907449
1.410516656
0.63439391
1.410516656
C3
48
0.746416
1.34563099
0.729649848
1.34563099
C3
49
0.554487
1.283952773 0.872413398 1.283952773
C1
50
0.790075
1.422760393
1.422760393
C3
51
0.668074
1.290036328 0.768759516 1.290036328
C1
52
0.582602
1.296342431 0.851398986 1.296342431
C1
53
0.614658
1.261780562 0.804140969 1.261780562
C1
54
0.654643
1.191857673 0.763855534 1.191857673
C1
55
0.790830
1.500734995 0.852960844 1.500734995
C1
56
0.622662
1.260759528 0.802949913 1.260759528
C1
57
0.569472
1.144971419 0.857131347 1.144971419
C1
58
0.660270
1.213124397 0.754627646 1.213124397
C1
0.74283659
0.87389618
0.77674044
Cluster 4
Cluster
IV-16
No
Cluster 1
Cluster 2
Cluster 3
59
0.673438
1.297308113 0.773786976 1.297308113
C1
60
0.799014
1.304538385 0.639780745 1.304538385
C3
61
0.905996
1.506336551 0.744445706 1.506336551
C3
62
0.675800
1.307781173 0.771640921 1.307781173
C1
63
0.725051
1.277490067 0.715156107 1.277490067
C3
64
0.528968
1.26364125
1.26364125
C1
65
0.626172
1.214198418 0.793897822 1.214198418
C1
66
0.935610
1.48877283
1.48877283
C3
67
0.663417
1.293853979 0.771824592 1.293853979
C1
68
0.526917
1.152631772 0.909844584 1.152631772
C1
69
0.960075
1.556195107 0.753548776 1.556195107
C3
70
0.686291
1.466140197 0.902857132 1.466140197
C1
71
0.647398
1.278049102 0.777341773 1.278049102
C1
72
0.637979
1.324864837 0.835206717 1.324864837
C1
73
0.884207
1.494533363 0.765669352 1.494533363
C3
74
0.874876
1.549268446
1.549268446
C3
75
0.602732
1.161131286 0.841150203 1.161131286
C1
76
0.497595
1.436865523
1.05862177
1.436865523
C1
77
0.717309
1.311787483
0.72699288
1.311787483
C1
78
0.512312
1.115651396 0.931345427 1.115651396
C1
79
0.761488
1.409938066 0.787154841 1.409938066
C1
80
0.610093
1.298310444 0.824363867 1.298310444
C1
81
0.800439
1.426029264 0.743155893 1.426029264
C3
82
0.729486
1.410107733 0.799624898 1.410107733
C1
83
0.784695
1.306454986 0.657521023 1.306454986
C3
84
0.730493
1.484641049 0.887144391 1.484641049
C1
85
0.625764
1.229367708
1.229367708
C1
86
0.895050
1.493213173 0.730233165 1.493213173
C1
87
0.865810
1.558267948 0.852450615 1.558267948
C3
88
0.823776
1.634189251 1.015418403 1.634189251
C1
89
1.004010
1.677319519 0.910749705 1.677319519
C3
90
0.777558
1.367091459 0.755998619 1.367091459
C3
0.893137364 0.689387515
0.83388734
0.85127217
Cluster 4
Cluster
IV-17
Nilai minimun dari clusternya adalah Min (D₁,D₂,D₃,
) =Min (1.046605; 0.565045837; 1.070214776;0.565045837)
Min = (0.565045837) ini ada pada data clusterke empat (C4). Lakukan dengan langkah yang sama untuk mencari data ke 2 sampai dengan 90. 7. Menentukan nilai Centroid Baru Pada langkah ini menentukan nilai centroid baru, nilai ini ditentukan oleh data yang masuk kedalam suatucluster. Berdasarkan tabel 4.7. C1 0.032129 0.016064 0.052209 0.016064 0.036145 0.008032 0.004016 0.056225 0.02008 0.012048 0.032129 0 0.004016 0.036145 0.048193 0.012048 0.084337 0.008032 0 0.040161 0.064257 0.257028 0.028112 0.008032
0.375 0.482143 0.446429 0.553571 0.392857 0.5 0.464286 0.25 0.357143 0.410714 0.5 0.5 0.589286 0.660714 0.589286 0.464286 0.5 0.446429 0.589286 0.428571 0.553571 0.714286 0.446429 0.642857
0.28 0.32 0.31 0.47 0.23 0.35 0.34 0.12 0.19 0.26 0.23 0.45 0.35 0.52 0.52 0.40 0.27 0.31 0.53 0.42 0.42 0.55 0.27 0.41
IV-18
C1 0.028112 0.072289 0.048193 0.008032 0.016064 0.008032 0 0.004016 0.008032 0.024096 0.060241 0 0.028112 0.016064 0.02008 0.048193 0.008032 0.028112 0 0 0.040161 0.13253 0.02008 0.004016 0.080321 0.028112 0.004016 0.004016 0.004016 0.136546 0 0.004016
0.625 0.607143 0.589286 0.678571 0.625 0.678571 0.607143 0.5 0.821429 0.625 0.553571 0.517857 0.642857 0.642857 0.678571 0.589286 0.625 0.553571 0.839286 0.607143 0.714286 0.625 0.928571 0.607143 0.571429 0.732143 0.660714 0.732143 0.839286 0.696429 0.714286 1
0.53 0.55 0.50 0.45 0.55 0.49 0.47 0.42 0.77 0.50 0.35 0.45 0.57 0.57 0.42 0.47 0.55 0.28 0.67 0.51 0.57 0.45 0.49 0.60 0.27 0.71 0.51 0.68 0.71 0.53 0.85 0.82
Untuk clusterpertama, data yang masuk kedalamnya
cluster satu
medapatkan nilai centroid baru yaitu dengan mencari nilai rata-rata dari nilai cluster yang masuk kedalam data tersebut.
IV-19
Ck = Ck = Centroid kriteria Untuk centroid pertama: .
=
.
.
.
⋯
.
=0.031411 =
.
.
.
.
⋯
.
= 0.594388 =
.
.
.
.
⋯
.
= 0.460045 sehingga didapat nilai hasil centroid pertama adalah: C= (0.031411;0.594388; 0.460045) Untuk mencari nilai centroid kedua dan ketiga samapai ke empat, ulangi langkah mencari nilai centroid pada langkah 7. Setelah nilai 1 yang baru sudah ditemukan ,maka ulangi langkah perhitungan jarak yaitu pada langkah 4hingga tidak ada lagi data yang berpindah ke cluster lain atau apabila tabel pada iterasi terakhir sama dengan sebelumnya maka proses dihentikan karena sudah dapat diketahui hasil cluster terakhir, hingga membentuk suatu kelompok-kelompok data pelanggan. Setelah dicari secara detail diperoleh hasil akhir pengelompokan sebagai berikut:
IV-20
Tabel 4.8 Hasil akhir pengelompokan konsumen Cluster 1 No.
Nama
Kriteria 1 : Recency
Kriteria 2 : Frequency
Kriteria 3 : Monetary
19
00019
0.016064257
0.553571429
0.47
21
00021
0.02811245
0.446428571
0.61
30
00030
0
0.5
0.45
32
00032
0.036144578
0.660714286
0.52
33
00033
0.048192771
0.589285714
0.52
37
00037
0
0.589285714
0.53
39
00039
0.064257028
0.553571429
0.42
40
00040
0.257028112
0.714285714
0.55
42
00042
0.008032129
0.642857143
0.41
43
00043
0.02811245
0.625
0.53
44
00044
0.072289157
0.607142857
0.55
45
00045
0.048192771
0.589285714
0.50
46
00046
0.024096386
0.589285714
0.60
48
00048
0.016064257
0.642857143
0.66
49
00049
0.008032129
0.678571429
0.45
51
00051
0.016064257
0.625
0.55
52
00052
0.008032129
0.678571429
0.49
53
00053
0
0.607142857
0.47
56
00056
0.024096386
0.625
0.50
58
00058
0
0.517857143
0.45
59
00059
0.02811245
0.642857143
0.57
60
00060
0.004016064
0.535714286
0.65
62
00062
0.016064257
0.642857143
0.57
63
00063
0.036144578
0.589285714
0.60
64
00064
0.020080321
0.678571429
0.42
65
00065
0.048192771
0.589285714
0.47
67
00067
0.008032129
0.625
0.55
71
00071
0
0.607142857
0.51
72
00072
0.040160643
0.714285714
0.57
75
00075
0.13253012
0.625
0.45
76
00076
0.020080321
0.928571429
0.49
77
00077
0.004016064
0.607142857
0.60
80
00080
0.004016064
0.660714286
0.51
83
00083
0.008032129
0.553571429
0.65
85
00085
0.136546185
0.696428571
0.53
IV-21
Tabel 4.9Hasil akhir pengelompokan konsumen Cluster 2 No.
Nama
Kriteria 1 : Recency
Kriteria 2 : Frequency
Kriteria 3 : Monetary
15
00015
0.032128514
0.375
0.28
17
00017
0.016064257
0.482142857
0.32
18
00018
0.052208835
0.446428571
0.31
20
00020
0.036144578
0.392857143
0.23
22
00022
0.008032129
0.5
0.35
23
00023
0.004016064
0.464285714
0.34
24
00024
0.0562249
0.25
0.12
26
00026
0.020080321
0.357142857
0.19
27
00027
0.012048193
0.410714286
0.26
28
00028
0.032128514
0.5
0.23
29
00029
0.008032129
0.357142857
0.37
31
00031
0.004016064
0.589285714
0.35
34
00034
0.012048193
0.464285714
0.40
35
00035
0.084337349
0.5
0.27
36
00036
0.008032129
0.446428571
0.31
38
00038
0.040160643
0.428571429
0.42
41
00041
0.02811245
0.446428571
0.27
54
00054
0.004016064
0.5
0.42
57
00057
0.060240964
0.553571429
0.35
68
00068
0.02811245
0.553571429
0.28
78
00078
0.080321285
0.571428571
0.27
Tabel 4.10Hasil akhir pengelompokan konsumen Cluster 3 No.
Nama
Kriteria 1 : Recency
Kriteria 2 : Frequency
Kriteria 3 : Monetary
47
00047
0.024096386
0.607142857
0.82
50
00050
0.032128514
0.732142857
0.74
55
00055
0.008032129
0.821428571
0.77
61
00061
0.008032129
0.732142857
0.87
66
00066
0.008032129
0.678571429
0.88
69
00069
0
0.75
0.93
70
00070
0
0.839285714
0.67
73
00073
0.024096386
0.75
0.85
74
00074
0.004016064
0.821428571
0.86
79
00079
0.02811245
0.732142857
0.71
IV-22
Tabel 4.10Hasil akhir pengelompokan konsumen Cluster 3 No.
Nama
Kriteria 1 : Recency
Kriteria 2 : Frequency
Kriteria 3 : Monetary
81
00081
0
0.696428571
0.74
82
00082
0.004016064
0.732142857
0.68
84
00084
0.004016064
0.839285714
0.71
87
00087
0
0.839285714
0.85
88
00088
0.004016064
1
0.82
89
00089
0.008032129
0.910714286
1.00
90
00090
0.064257028
0.696428571
0.71
Tabel 4.11Hasil akhir pengelompokan konsumen Cluster 4 No.
Nama
Kriteria 1 : Recency
Kriteria 2 : Frequency
Kriteria 3 : Monetary
1
00001
0.763052209
0.375
0.35
2
00002
1
0.285714286
0.10
3
00003
0.730923695
0.321428571
0.12
4
00004
0.78313253
0.196428571
0.10
5
00005
0.763052209
0.410714286
0.20
6
00006
0.746987952
0.214285714
0.11
7
00007
0.775100402
0.321428571
0.09
8
00008
0.787148594
0.428571429
0.17
9
00009
0.78313253
0.357142857
0.18
10
00010
0.726907631
0.375
0.13
11
00011
0.771084337
0.267857143
0.15
12
00012
0.738955823
0.339285714
0.15
13
00013
0.81124498
0.285714286
0.22
14
00014
0.767068273
0.375
0.12
16
00016
0.738955823
0.214285714
0.12
25
00025
0.795180723
0.446428571
0.16
4.4.2 Model Klasifikasi Menggunakan Metode Fuzzy RFM Model fuzzy RFM terdiri atas 3 variabel yaitu recency, frequency, dan monetary, masing-masing dibagi menjadi 3 himpunan fuzzy : 1. Recency yaitu rentang waktu (dalam satuan hari, bulan, tahun) dari transaksi terakhir yang dilakukan oleh konsumen sampai saat ini.
IV-23
2. Frequency yaitujumlah total transaksi atau jumlah rata-rata transaksi dalam satu periode (dalam satuan tahun). 3. Monetary yaitu jumlah rata-rata nilai pembelian konsumen dalam suatu satuan waktu (misalnya satu kali transaksi sebesar 15.000.000). Tabel 4.12 Domain nilai untuk masing-masing himpunan fuzzy. ATRIBUT
VARIABEL LINGUISTIK
DOMAIN NILAI
BARU SAJA
0 ≤ r < 28 Hari
AGAK LAMA
20< r <60 Hari
LAMA
70 Hari < r
JARANG
0 ≤ t < 20 Transaksi
AGAK SERING
10 < t < 40 Transaksi
SERING
30 Transaksi < r
RENDAH
0 ≤ m < 15 Juta Rupiah
SEDANG
5 Juta < m < 35 Juta Rupiah
TINGGI
25 Juta Rupiah < m
RECENCY
FREQUENCY
MONETARY
Recency 1.2 1 0.8 0.6 0.4 0.2 0 0
21 BARU SAJA
49
63 AGAK LAMA
91
105
LAMA
Gambar 4.2Himpunan Fuzzy pada variable Recency
IV-24
Frequency 1.2 1 0.8 0.6 0.4 0.2 0 0
15
35
JARANG
45
65
AGAK SERING
85
SERING
Gambar 4.3Himpunan Fuzzy pada variable Frequency
Monetary 1
0.5
SANGAT RENDAH
RENDAH
SEDANG
TINGGI
45,000,000.00
40,000,000.00
35,000,000.00
30,000,000.00
25,000,000.00
20,000,000.00
15,000,000.00
10,000,000.00
5,000,000.00
0.00
0
SANGAT TINGGI
Gambar 4.4Himpunan Fuzzy pada variable Monetary
IV-25
Rentang nilai yang diberikan pada recency, frequency dan monetary yang terdapat pada gambar 4.2 hingga gambar 4.4 berfungsi untuk mensegmentasi konsumen dengan melakukan perhitungan derajat keanggotaan pusat cluster dari masing-masing cluster terhadap semua kelas model fuzzy RFM menggunakan persamaan (Zumstein, 2007) :
dengan :
μ (x) =
μ (x)
(
)
1−
1 − μ (x)
( )
μ = derajat keanggotaan untuk masing-masing kelas
μ = derajat keanggotaan masing-masing variabel linguistik dalam fuzzy RFM A = kelas dalam model fuzzy RFM i
= variabel linguistik dalam fuzzy RFM
x = pusat cluster = gamma, biasanya bernilai 0,5 Dari derajat keanggotaan untuk masing-masing yang telah diperoleh, dapatditentukan kelas dari cluster, yaitu kelas yang memiliki derajateanggotaanpaling tinggi. Setiap kelas kelas model fuzzy RFM memiliki label konsumen yangmenyatakan karakteristik dari setiap kelas konsumen.
IV-26
Tabel 4.13Deskripsi variabel linguistik dan Label Konsumen CLASS
RECENCY
FREQUENCY
MONETARY
STATUS
LOYALTY
GRADE
SCORES
K-01
BARU SAJA
SERING
SANGAT TINGGI
ACTIVE
SUPER STAR
A
ACTIVE SUPER STAR A
K-02
BARU SAJA
SERING
TINGGI
ACTIVE
SUPER STAR
B
ACTIVE SUPER STAR B
K-03
BARU SAJA
SERING
SEDANG
ACTIVE
GOLDEN
A
ACTIVE GOLDEN A
K-04
BARU SAJA
SERING
RENDAH
ACTIVE
EVERYDAY
A
ACTIVE EVERYDAY A
K-05
BARU SAJA
SERING
SANGAT RENDAH
ACTIVE
OCCATIONAL
A
ACTIVE OCCATIONAL A
K-06
BARU SAJA
AGAK SERING
SANGAT TINGGI
ACTIVE
SUPER STAR
C
ACTIVE SUPER STAR C
K-07
BARU SAJA
AGAK SERING
TINGGI
ACTIVE
GOLDEN
B
ACTIVE GOLDEN B
K-08
BARU SAJA
AGAK SERING
SEDANG
ACTIVE
EVERYDAY
B
ACTIVE EVERYDAY B
K-09
BARU SAJA
AGAK SERING
RENDAH
ACTIVE
OCCATIONAL
B
ACTIVE OCCATIONAL B
K-10
BARU SAJA
AGAK SERING
SANGAT RENDAH
ACTIVE
DORMANT
A
ACTIVE DORMANT A
K-11
BARU SAJA
JARANG
SANGAT TINGGI
ACTIVE
GOLDEN
C
ACTIVE GOLDEN C
K-12
BARU SAJA
JARANG
TINGGI
ACTIVE
EVERYDAY
C
ACTIVE EVERYDAY C
K-13
BARU SAJA
JARANG
SEDANG
ACTIVE
OCCATIONAL
C
ACTIVE OCCATIONAL C
K-14
BARU SAJA
JARANG
RENDAH
ACTIVE
DORMANT
B
ACTIVE DORMANT B
K-15
BARU SAJA
JARANG
SANGAT RENDAH
ACTIVE
DORMANT
C
ACTIVE DORMANT C
K-16
AGAK LAMA
SERING
SANGAT TINGGI
PASSIVE
SUPER STAR
A
PASSIVE SUPER STAR A
K-17
AGAK LAMA
SERING
TINGGI
PASSIVE
SUPER STAR
B
PASSIVE SUPER STAR B
K-18
AGAK LAMA
SERING
SEDANG
PASSIVE
GOLDEN
A
PASSIVE GOLDEN A
K-19
AGAK LAMA
SERING
RENDAH
PASSIVE
EVERYDAY
A
PASSIVE EVERYDAY A
K-20
AGAK LAMA
SERING
SANGAT RENDAH
PASSIVE
OCCATIONAL
A
PASSIVE OCCATIONAL A
K-21
AGAK LAMA
AGAK SERING
SANGAT TINGGI
PASSIVE
SUPER STAR
C
PASSIVE SUPER STAR C
IV-27
Tabel 4.13Deskripsi variabel linguistik dan Label Konsumen (lanjutan). CLASS
RECENCY
FREQUENCY
MONETARY
STATUS
LOYALTY
GRADE
SCORES
K-22
AGAK LAMA
AGAK SERING
TINGGI
PASSIVE
GOLDEN
B
PASSIVE GOLDEN B
K-23
AGAK LAMA
AGAK SERING
SEDANG
PASSIVE
EVERYDAY
B
PASSIVE EVERYDAY B
K-24
AGAK LAMA
AGAK SERING
RENDAH
PASSIVE
OCCATIONAL
B
PASSIVE OCCATIONAL B
K-25
AGAK LAMA
AGAK SERING
SANGAT RENDAH
PASSIVE
DORMANT
A
PASSIVE DORMANT A
K-26
AGAK LAMA
JARANG
SANGAT TINGGI
PASSIVE
GOLDEN
C
PASSIVE GOLDEN C
K-27
AGAK LAMA
JARANG
TINGGI
PASSIVE
EVERYDAY
C
PASSIVE EVERYDAY C
K-28
AGAK LAMA
JARANG
SEDANG
PASSIVE
OCCATIONAL
C
PASSIVE OCCATIONAL C
K-29
AGAK LAMA
JARANG
RENDAH
PASSIVE
DORMANT
B
PASSIVE DORMANT B
K-30
AGAK LAMA
JARANG
SANGAT RENDAH
PASSIVE
DORMANT
C
PASSIVE DORMANT C
K-31
LAMA
SERING
SANGAT TINGGI
INACTIVE
SUPER STAR
A
INACTIVE SUPER STAR A
K-32
LAMA
SERING
TINGGI
INACTIVE
SUPER STAR
B
INACTIVE SUPER STAR B
K-33
LAMA
SERING
SEDANG
INACTIVE
GOLDEN
A
INACTIVE GOLDEN A
K-34
LAMA
SERING
RENDAH
INACTIVE
EVERYDAY
A
INACTIVE EVERYDAY A
K-35
LAMA
SERING
SANGAT RENDAH
INACTIVE
OCCATIONAL
A
INACTIVE OCCATIONAL A
K-36
LAMA
AGAK SERING
SANGAT TINGGI
INACTIVE
SUPER STAR
C
INACTIVE SUPER STAR C
K-37
LAMA
AGAK SERING
TINGGI
INACTIVE
GOLDEN
B
INACTIVE GOLDEN B
K-38
LAMA
AGAK SERING
SEDANG
INACTIVE
EVERYDAY
B
INACTIVE EVERYDAY B
K-39
LAMA
AGAK SERING
RENDAH
INACTIVE
OCCATIONAL
B
INACTIVE OCCATIONAL B
K-40
LAMA
AGAK SERING
SANGAT RENDAH
INACTIVE
DORMANT
A
INACTIVE DORMANT A
K-41
LAMA
JARANG
SANGAT TINGGI
INACTIVE
GOLDEN
C
INACTIVE GOLDEN C
K-42
LAMA
JARANG
TINGGI
INACTIVE
EVERYDAY
C
INACTIVE EVERYDAY C
IV-28
Tabel 4.13Deskripsi variabel linguistik dan Label Konsumen (lanjutan). CLASS
RECENCY
FREQUENCY
MONETARY
STATUS
LOYALTY
GRADE
SCORES
K-43
LAMA
JARANG
SEDANG
INACTIVE
OCCATIONAL
C
INACTIVE OCCATIONAL C
K-44
LAMA
JARANG
RENDAH
INACTIVE
DORMANT
B
INACTIVE DORMANT B
K-45
LAMA
JARANG
SANGAT RENDAH
INACTIVE
DORMANT
C
INACTIVE DORMANT C
IV-29
4.5
Evaluation Evaluasi dari model yang digunakan dilakukan dengan cara melakukan
proses mining pada data set dalam 1 periode tertentu atau data pelanggan tertentu (transaksi dalam satu tahun tertentu atau sampel diambil dari beberapa pelanggan). Proses clustering diuji coba dengan berbagai nilai parameter dari masing-masing algoritma clustering. Hasil segmentasi cluster yang diperoleh dari hasil clustering algoritma metode K-Means dibandingkan dengan data transaksi yang sesungguhnya untuk mengukur kinerja proses mining.
Tabel 3.10, 3.11, 3.12, 3.13 dan 3.14 menunjukkan 3 jenis konsumen yang diurutkan dari tingkat konsumen yang paling potensial sampai yang kurang potensial, yaituActive Super Star, Active Golden, Active Everyday, Active Occationaldan Active Dormantyang terbagi lagi menjadi beberapa jenis konsumen berdasarkan tingkat keaktifan pelanggan. Tabel 3.9. Pembagian 5 jeniskonsumen ini akan menjadi acuan dalam proses evaluasi. Jika belum mampu membaca cluster dengan tepat, maka akan kembali ke proses modeling untuk memperbaiki struktur model yang digunakan. Tahap evaluasi dianggap telah selesai jika business understand. Proses modeling untuk memperbaiki struktur model yang digunakan. Tahap evaluasi dianggap telah selesai jika business understanding telah terjawab dengan baik. 4.5.1 Active Super Star Active Super Staradalah pelanggan yang nilai monetarytinggi hingga sangat tinggi, dan frequency agak sering hingga sering. Active Super Starini dibagi lagi menjadi 3 kategori berdasarkan tingkat keaktifan pelanggan dalam berbelanja, yaitu:
IV-30
1. Active Super Star Tabel 4. 14Pembagian Active Super Star
Deskripsi Variabel Linguistik
Kelas
Recency
Frequency
Label Pelanggan
Monetary
K01
Baru Saja
Sering
Sangat Tinggi
Active Super StarA
K02
Baru Saja
Sering
Tinggi
Active Super StarB
K03
Baru Saja
Agak Sering
Sangat Tinggi
Active Super StarC
2. Pasive Super Star Tabel 4.15Pembagian PassiveSuper Star
Deskripsi Variabel Linguistik Kelas
Recency
Frequency
Monetary
Label Pelanggan
K10
Agak Lama
Sering
Sangat Tinggi
PassiveSuper StarA
K11
Agak Lama
Sering
Tinggi
PassiveSuper StarB
K12
Agak Lama
Agak Sering Sangat Tinggi
PassiveSuper Star C
3. Inactive Super Star Tabel 4.16 Pembagian Inactive Loyal Customer
Deskripsi Variabel Linguistik Kelas
Recency
Frequency
Monetary
Label Pelanggan
K10
Lama
Sering
Sangat Tinggi
InactiveSuper StarA
K11
Lama
Sering
Tinggi
InactiveSuper StarB
K12
Lama
Agak Sering Sangat Tinggi
InactiveSuper StarC
IV-31
4.5.2 Active Golden 1. Active Golden Tabel 4.17Pembagian Active Occassional Customer
Deskripsi Variabel Linguistik Kelas
Recency
Frequency
Monetary
Label Pelanggan
K05
Baru Saja
Sering
Sedang
Active Golden A
K06
Baru Saja
Agak Sering Tinggi
Active GoldenB
K07
Baru Saja
Jarang
Active GoldenC
Sangat Tinggi
2. Passive Golden Tabel 4.18 Pembagian Passive Golden
Deskripsi Variabel Linguistik
Kelas
Recency
Frequency
Label Pelanggan
Monetary
K13
Agak Lama
Sering
Sedang
Passive Golden A
K14
Agak Lama
Agak Sering Tinggi
Passive GoldenB
K15
Agak Lama
Jarang
Passive GoldenC
Sangat Tinggi
3. Inactive Golden Tabel 4.19 Pembagian Inactive Golden
Deskripsi Variabel Linguistik
Kelas
Recency
Frequency
Label Pelanggan
Monetary
K21
Lama
Sering
Sedang
Inactive GoldenA
K22
Lama
Agak Sering
Tinggi
Inactive GoldenB
K23
Lama
Jarang
Sangat Tinggi
Inactive GoldenC
IV-32
4.5.3 Active Everyday 1. Active Everyday Tabel 4.20Active Everyday
Deskripsi Variabel Linguistik Kelas
Recency
Frequency
Label Pelanggan
Monetary
K05
Baru Saja
Sering
Rendah
Active Everyday A
K06
Baru Saja
Agak Sering Sedang
Active Everyday B
K07
Baru Saja
Jarang
Active Everyday C
Tinggi
2. PassiveEveryday Tabel 4.21 Pembagian PassiveEveryday
Deskripsi Variabel Linguistik Kelas
Recency
Frequency
Label Pelanggan
Monetary
K16
Agak Lama
Sering
Rendah
Passive EverydayA
K17
Agak Lama
Agak Sering Sedang
Passive EverydayB
K18
Agak Lama
Jarang
Passive EverydayC
Tinggi
3. Inactive Everyday Tabel 4.22 Pembagian Inactive Everyday
Kelas
Deskripsi Variabel Linguistik Recency Frequency Monetary
K24 K25 K26
Lama Lama Lama
Sering Agak Sering Jarang
Rendah Sedang Tinggi
Label Pelanggan Inactive Everyday A Inactive Everyday B Inactive Everyday C
4.5.4 Active Occational 1. Active Occational Tabel 4.23 Pembagian Active Occational
Kelas
Deskripsi Variabel Linguistik Recency
Frequency
Label Pelanggan
Monetary
K05
Baru Saja
Sering
Sangat Rendah
K06
Baru Saja
Agak Sering Rendah
Active Occational A Active Occational B
IV-33
2. Pasive Occational Tabel 4.24 Pembagian Pasive Occational
Deskripsi Variabel Linguistik
Kelas
Recency
Frequency
Label Pelanggan
Monetary
K24
Agak Lama Agak Sering
Sangat Rendah
Pasive OccationalA
K25
Agak Lama Agak Sering
Rendah
Pasive OccationalB
K26
Agak Lama Jarang
Sedang
Pasive OccationalC
3. Inactive Occational Tabel 4.25 Pembagian Inactive Occational
Deskripsi Variabel Linguistik Kelas
Label Pelanggan Recency
Frequency
Monetary
K24
Lama
Sering
Sangat Rendah
K25
Lama
Agak Sering Rendah
Inactive OccationalB
K26
Lama
Jarang
Inactive OccationalC
Sedang
Inactive Occational A
4.5.5 Active Dormant 1. Active Dormant Tabel 4.26 Pembagian Active Dormant
Deskripsi Variabel Linguistik Kelas
Recency
Frequency
Monetary
Label Pelanggan
K24
Lama
Agak Sering Sangat Rendah
Active DormantA
K25
Lama
Jarang
Rendah
Active DormantB
K26
Lama
Jarang
Sangat Rendah
Active DormantC
IV-34
2. Pasive Dormant Tabel 4.27 Pembagian Pasive Dormant
Deskripsi Variabel Linguistik
Kelas
Label Pelanggan
Recency
Frequency
Monetary
K24
Agak Lama
Agak Sering
Sangat rendah
Pasive DormantA
K25
Agak Lama
Jarang
Rendah
Pasive DormantB
K26
Agak Lama
Jarang
Sangat Sedang
Pasive DormantC
3. Inactive Dormant Tabel 4.28 Pembagian Inactive Dormant
Kelas
Deskripsi Variabel Linguistik Recency
Frequency
Monetary
Label Pelanggan
K24
Lama
Agak Sering Sangat Rendah
Inactive Dormant A
K25
Lama
Jarang
Rendah
Inactive DormantB
K26
Lama
Jarang
Sangat Rendah
Inactive DormantC
IV-35
Tabel 4.29 Perhitungan Fuzzy RFM untuk pusat kluster 1 Recency Kelas
Frequency
Monetary
Fungsi Nilai PC
B. Ling
Kgt
Fungsi Nilai PC
B. Ling
Fungsi Kgt
Nilai PC
B. Ling
Kgt
Part I
Part II
FA
Nama Kelas
K-01
14,1153846
BARU SAJA
1
33,5192
SERING
0
11356160
SANGAT TINGGI
0
0
1
0
ACTIVE SUPER STAR A
K-02
14,1153846
BARU SAJA
1
33,5192
SERING
0
11356160
TINGGI
0
0
1
0
ACTIVE SUPER STAR B
K-03
14,1153846
BARU SAJA
1
33,5192
SERING
0
11356160
SEDANG
0
0
1
0
ACTIVE GOLDEN A
K-04
14,1153846
BARU SAJA
1
33,5192
SERING
0
11356160
RENDAH
1
0
1
0
ACTIVE EVERYDAY A
K-05
14,1153846
BARU SAJA
1
33,5192
SERING
0
11356160
SANGAT RENDAH
0
0,0000
1,0000
0,0000
ACTIVE OCCATIONAL A
K-06
14,1153846
BARU SAJA
1
33,5192
AGAK SERING
0,9259615
11356160
SANGAT TINGGI
0
0,0000
1,0000
0,0000
ACTIVE SUPER STAR C
K-07
14,1153846
BARU SAJA
1
33,5192
AGAK SERING
0,9259615
11356160
TINGGI
0
0,0000
1,0000
0,0000
ACTIVE GOLDEN B
K-08
14,1153846
BARU SAJA
1
33,5192
AGAK SERING
0,9259615
11356160
SEDANG
0
0,0000
1,0000
0,0000
ACTIVE EVERYDAY B
K-09
14,1153846
BARU SAJA
1
33,5192
AGAK SERING
0,9259615
11356160
RENDAH
1
0,9623
1,0000
0,9623
ACTIVE OCCATIONAL B
K-10
14,1153846
BARU SAJA
1
33,5192
AGAK SERING
0,9259615
11356160
SANGAT RENDAH
0
0,0000
1,0000
0,0000
ACTIVE DORMANT A
K-11
14,1153846
BARU SAJA
1
33,5192
JARANG
0,0740385
11356160
SANGAT TINGGI
0
0,0000
1,0000
0,0000
ACTIVE GOLDEN C
K-12
14,1153846
BARU SAJA
1
33,5192
JARANG
0,0740385
11356160
TINGGI
0
0,0000
1,0000
0,0000
ACTIVE EVERYDAY C
K-13
14,1153846
BARU SAJA
1
33,5192
JARANG
0,0740385
11356160
SEDANG
0
0,0000
1,0000
0,0000
ACTIVE OCCATIONAL C
K-14
14,1153846
BARU SAJA
1
33,5192
JARANG
0,0740385
11356160
RENDAH
1
0,2721
1,0000
0,2721
ACTIVE DORMANT B
K-15
14,1153846
BARU SAJA
1
33,5192
JARANG
0,0740385
11356160
SANGAT RENDAH
0
0,0000
1,0000
0,0000
ACTIVE DORMANT C
K-16
14,1153846
AGAK LAMA
0
33,5192
SERING
0
11356160
SANGAT TINGGI
0
0,0000
0,0000
0,0000
PASSIVE SUPER STAR A
K-17
14,1153846
AGAK LAMA
0
33,5192
SERING
0
11356160
TINGGI
0
0,0000
0,0000
0,0000
PASSIVE SUPER STAR B
K-18
14,1153846
AGAK LAMA
0
33,5192
SERING
0
11356160
SEDANG
0
0,0000
0,0000
0,0000
PASSIVE GOLDEN A
K-19
14,1153846
AGAK LAMA
0
33,5192
SERING
0
11356160
RENDAH
1
0,0000
1,0000
0,0000
PASSIVE EVERYDAY A
K-20
14,1153846
AGAK LAMA
0
33,5192
SERING
0
11356160
SANGAT RENDAH
0
0,0000
0,0000
0,0000
PASSIVE OCCATIONAL A
K-21
14,1153846
AGAK LAMA
0
33,5192
AGAK SERING
0,9259615
11356160
SANGAT TINGGI
0
0,0000
0,9623
0,0000
PASSIVE SUPER STAR C
IV-36
Tabel 4.29 Perhitungan Fuzzy RFM untuk pusat kluster 1 (lanjutan). Recency Kelas
Frequency
Monetary Part I
Part II
FA
Nama Kelas
0
0,0000
0,9623
0,0000
PASSIVE GOLDEN B
SEDANG
0
0,0000
0,9623
0,0000
PASSIVE EVERYDAY B
11356160
RENDAH
1
0,0000
0,0000
PASSIVE OCCATIONAL B
0,9259615
11356160
SANGAT RENDAH
0
0,0000
0,9623
0,0000
PASSIVE DORMANT A
JARANG
0,0740385
11356160
SANGAT TINGGI
0
0,0000
0,2721
0,0000
PASSIVE GOLDEN C
335,192
JARANG
0,0740385
11356160
TINGGI
0
0,0000
0,2721
0,0000
PASSIVE EVERYDAY C
0
335,192
JARANG
0,0740385
11356160
SEDANG
0
0,0000
0,2721
0,0000
PASSIVE OCCATIONAL C
AGAK LAMA
0
335,192
JARANG
0,0740385
11356160
RENDAH
1
0,0000
0,0000
PASSIVE DORMANT B
141,153,846
AGAK LAMA
0
335,192
JARANG
0,0740385
11356160
SANGAT RENDAH
0
0,0000
0,2721
0,0000
PASSIVE DORMANT C
K-31
141,153,846
LAMA
0
335,192
SERING
0
11356160
SANGAT TINGGI
0
0,0000
0,0000
0,0000
INACTIVE SUPER STAR A
K-32
141,153,846
LAMA
0
335,192
SERING
0
11356160
TINGGI
0
0,0000
0,0000
0,0000
INACTIVE SUPER STAR B
K-33
141,153,846
LAMA
0
335,192
SERING
0
11356160
SEDANG
0
0,0000
0,0000
0,0000
INACTIVE GOLDEN A
K-34
141,153,846
LAMA
0
335,192
SERING
0
11356160
RENDAH
1
0,0000
0,0000
INACTIVE EVERYDAY A
K-35
141,153,846
LAMA
0
335,192
SERING
0
11356160
SANGAT RENDAH
0
0,0000
0,0000
0,0000
INACTIVE OCCATIONAL A
K-36
141,153,846
LAMA
0
335,192
AGAK SERING
0,9259615
11356160
SANGAT TINGGI
0
0,0000
0,9623
0,0000
INACTIVE SUPER STAR C
K-37
141,153,846
LAMA
0
335,192
AGAK SERING
0,9259615
11356160
TINGGI
0
0,0000
0,9623
0,0000
INACTIVE GOLDEN B
K-38
141,153,846
LAMA
0
335,192
AGAK SERING
0,9259615
11356160
SEDANG
0
0,0000
0,9623
0,0000
INACTIVE EVERYDAY B
K-39
141,153,846
LAMA
0
335,192
AGAK SERING
0,9259615
11356160
RENDAH
1
0,0000
0,0000
INACTIVE OCCATIONAL B
K-40
141,153,846
LAMA
0
335,192
AGAK SERING
0,9259615
11356160
SANGAT RENDAH
0
0,0000
0,9623
0,0000
INACTIVE DORMANT A
K-41
141,153,846
LAMA
0
335,192
JARANG
0,0740385
11356160
SANGAT TINGGI
0
0,0000
0,2721
0,0000
INACTIVE GOLDEN C
Fungsi Kgt
Nilai PC
B. Ling
K-22
141,153,846
AGAK LAMA
0
K-23
141,153,846
AGAK LAMA
K-24
141,153,846
K-25
Nilai PC
B. Ling
Fungsi Kgt
Nilai PC
B. Ling
335,192
AGAK SERING
0,9259615
11356160
TINGGI
0
335,192
AGAK SERING
0,9259615
11356160
AGAK LAMA
0
335,192
AGAK SERING
0,9259615
141,153,846
AGAK LAMA
0
335,192
AGAK SERING
K-26
141,153,846
AGAK LAMA
0
335,192
K-27
141,153,846
AGAK LAMA
0
K-28
141,153,846
AGAK LAMA
K-29
141,153,846
K-30
Fungsi Kgt
10,000
10,000
10,000
10,000
IV-37
Tabel 4.29 Perhitungan Fuzzy RFM untuk pusat kluster 1 (lanjutan). Recency Kelas
Frequency Fungsi Kgt
Nilai PC
B. Ling
K-42
141,153,846
LAMA
0
K-43
141,153,846
LAMA
K-44
141,153,846
K-45
141,153,846
Nilai PC
Monetary Part I
Part II
FA
Nama Kelas
0
0,0000
0,2721
0,0000
INACTIVE EVERYDAY C
SEDANG
0
0,0000
0,2721
0,0000
INACTIVE OCCATIONAL C
11356160
RENDAH
1
0,0000
0,0000
INACTIVE DORMANT B
11356160
SANGAT RENDAH
0
0,0000
0,0000
INACTIVE DORMANT C
B. Ling
Fungsi Kgt
Nilai PC
335,192
JARANG
0,0740385
11356160
TINGGI
0
335,192
JARANG
0,0740385
11356160
LAMA
0
335,192
JARANG
0,0740385
LAMA
0
335,192
JARANG
0,0740385
Fungsi Kgt
B. Ling
10,000 0,2721
Tabel 4.30 Perhitungan Fuzzy RFM untuk pusat kluster 3 Recency Kelas
Nilai PC
B. Ling
Frequency Fungsi
Nilai
Kgt
PC
B. Ling
Monetary Fungsi Kgt
Nilai PC
B. Ling
Part I
Fungsi
Part II
FA
Nama Kelas
Kgt
K-01
202,25
BARU SAJA
0
14,125
SERING
0
4967168
SANGAT TINGGI
0
0
0
0
ACTIVE SUPER STAR A
K-02
202,25
BARU SAJA
0
14,125
SERING
0
4967168
TINGGI
0
0
0
0
ACTIVE SUPER STAR B
K-03
202,25
BARU SAJA
0
14,125
SERING
0
4967168
SEDANG
0
0
0
0
ACTIVE GOLDEN A
K-04
202,25
BARU SAJA
0
14,125
SERING
0
4967168
RENDAH
0
0
0
0
ACTIVE EVERYDAY A
K-05
202,25
BARU SAJA
0
14,125
SERING
0
4967168
SANGAT RENDAH
1
0,0000
1,0000
0,0000
ACTIVE OCCATIONAL A
K-06
202,25
BARU SAJA
0
14,125
AGAK SERING
0
4967168
SANGAT TINGGI
0
0,0000
0,0000
0,0000
ACTIVE SUPER STAR C
K-07
202,25
BARU SAJA
0
14,125
AGAK SERING
0
4967168
TINGGI
0
0,0000
0,0000
0,0000
ACTIVE GOLDEN B
K-08
202,25
BARU SAJA
0
14,125
AGAK SERING
0
4967168
SEDANG
0
0,0000
0,0000
0,0000
ACTIVE EVERYDAY B
K-09
202,25
BARU SAJA
0
14,125
AGAK SERING
0
4967168
RENDAH
0
0,0000
0,0000
0,0000
ACTIVE OCCATIONAL B
K-10
202,25
BARU SAJA
0
14,125
AGAK SERING
0
4967168
SANGAT RENDAH
1
0,0000
1,0000
0,0000
ACTIVE DORMANT A
K-11
202,25
BARU SAJA
0
14,125
JARANG
1
4967168
SANGAT TINGGI
0
0,0000
1,0000
0,0000
ACTIVE GOLDEN C
IV-38
Recency Kelas
Frequency
Monetary FA
Nama Kelas
1,0000
0,0000
ACTIVE EVERYDAY C
0,0000
1,0000
0,0000
ACTIVE OCCATIONAL C
0
0,0000
1,0000
0,0000
ACTIVE DORMANT B
SANGAT RENDAH
1
0,0000
1,0000
0,0000
ACTIVE DORMANT C
4967168
SANGAT TINGGI
0
0,0000
0,0000
0,0000
PASSIVE SUPER STAR A
0
4967168
TINGGI
0
0,0000
0,0000
0,0000
PASSIVE SUPER STAR B
SERING
0
4967168
SEDANG
0
0,0000
0,0000
0,0000
PASSIVE GOLDEN A
SERING
0
4967168
RENDAH
0
0,0000
0,0000
0,0000
PASSIVE EVERYDAY A
14,125
SERING
0
4967168
SANGAT RENDAH
1
0,0000
1,0000
0,0000
PASSIVE OCCATIONAL A
0
14,125
AGAK SERING
0
4967168
SANGAT TINGGI
0
0,0000
0,0000
0,0000
PASSIVE SUPER STAR C
AGAK LAMA
0
14,125
AGAK SERING
0
4967168
TINGGI
0
0,0000
0,0000
0,0000
PASSIVE GOLDEN B
202,25
AGAK LAMA
0
14,125
AGAK SERING
0
4967168
SEDANG
0
0,0000
0,0000
0,0000
PASSIVE EVERYDAY B
K-24
202,25
AGAK LAMA
0
14,125
AGAK SERING
0
4967168
RENDAH
0
0,0000
0,0000
0,0000
PASSIVE OCCATIONAL B
K-25
202,25
AGAK LAMA
0
14,125
AGAK SERING
0
4967168
SANGAT RENDAH
1
0,0000
1,0000
0,0000
PASSIVE DORMANT A
K-26
202,25
AGAK LAMA
0
14,125
JARANG
1
4967168
SANGAT TINGGI
0
0,0000
1,0000
0,0000
PASSIVE GOLDEN C
K-27
202,25
AGAK LAMA
0
14,125
JARANG
1
4967168
TINGGI
0
0,0000
1,0000
0,0000
PASSIVE EVERYDAY C
K-28
202,25
AGAK LAMA
0
14,125
JARANG
1
4967168
SEDANG
0
0,0000
1,0000
0,0000
PASSIVE OCCATIONAL C
K-29
202,25
AGAK LAMA
0
14,125
JARANG
1
4967168
RENDAH
0
0,0000
1,0000
0,0000
PASSIVE DORMANT B
K-30
202,25
AGAK LAMA
0
14,125
JARANG
1
4967168
SANGAT RENDAH
1
0,0000
1,0000
0,0000
PASSIVE DORMANT C
K-31
202,25
LAMA
1
14,125
SERING
0
4967168
SANGAT TINGGI
0
0,0000
1,0000
0,0000
INACTIVE SUPER STAR A
K-32
202,25
LAMA
1
14,125
SERING
0
4967168
TINGGI
0
0,0000
1,0000
0,0000
INACTIVE SUPER STAR B
K-33
202,25
LAMA
1
14,125
SERING
0
4967168
SEDANG
0
0,0000
1,0000
0,0000
INACTIVE GOLDEN A
Fungsi
Nilai
Kgt
PC
B. Ling
Fungsi
B. Ling
Part I
B. Ling
K-12
202,25
BARU SAJA
0
14,125
JARANG
1
4967168
TINGGI
0
0,0000
K-13
202,25
BARU SAJA
0
14,125
JARANG
1
4967168
SEDANG
0
K-14
202,25
BARU SAJA
0
14,125
JARANG
1
4967168
RENDAH
K-15
202,25
BARU SAJA
0
14,125
JARANG
1
4967168
K-16
202,25
AGAK LAMA
0
14,125
SERING
0
K-17
202,25
AGAK LAMA
0
14,125
SERING
K-18
202,25
AGAK LAMA
0
14,125
K-19
202,25
AGAK LAMA
0
14,125
K-20
202,25
AGAK LAMA
0
K-21
202,25
AGAK LAMA
K-22
202,25
K-23
Kgt
Nilai PC
Fungsi
Nilai PC
Part II
Kgt
IV-39
Recency Kelas
Nilai PC
B. Ling
Frequency Fungsi
Nilai
Kgt
PC
Monetary Fungsi
B. Ling
Nilai PC
Kgt
Part I
Fungsi
B. Ling
Part II
FA
Nama Kelas
Kgt
K-34
202,25
LAMA
1
14,125
SERING
0
4967168
RENDAH
0
0,0000
1,0000
0,0000
INACTIVE EVERYDAY A
K-35
202,25
LAMA
1
14,125
SERING
0
4967168
SANGAT RENDAH
1
0,0000
1,0000
0,0000
INACTIVE OCCATIONAL A
K-36
202,25
LAMA
1
14,125
AGAK SERING
0
4967168
SANGAT TINGGI
0
0,0000
1,0000
0,0000
INACTIVE SUPER STAR C
K-37
202,25
LAMA
1
14,125
AGAK SERING
0
4967168
TINGGI
0
0,0000
1,0000
0,0000
INACTIVE GOLDEN B
K-38
202,25
LAMA
1
14,125
AGAK SERING
0
4967168
SEDANG
0
0,0000
1,0000
0,0000
INACTIVE EVERYDAY B
K-39
202,25
LAMA
1
14,125
AGAK SERING
0
4967168
RENDAH
0
0,0000
1,0000
0,0000
INACTIVE OCCATIONAL B
K-40
202,25
LAMA
1
14,125
AGAK SERING
0
4967168
SANGAT RENDAH
1
0,0000
1,0000
0,0000
INACTIVE DORMANT A
K-41
202,25
LAMA
1
14,125
JARANG
1
4967168
SANGAT TINGGI
0
0,0000
1,0000
0,0000
INACTIVE GOLDEN C
K-42
202,25
LAMA
1
14,125
JARANG
1
4967168
TINGGI
0
0,0000
1,0000
0,0000
INACTIVE EVERYDAY C
K-43
202,25
LAMA
1
14,125
JARANG
1
4967168
SEDANG
0
0,0000
1,0000
0,0000
INACTIVE OCCATIONAL C
K-44
202,25
LAMA
1
14,125
JARANG
1
4967168
RENDAH
0
0,0000
1,0000
0,0000
INACTIVE DORMANT B
K-45
202,25
LAMA
1
14,125
JARANG
1
4967168
SANGAT RENDAH
1
1,0000
1,0000
1,0000
INACTIVE DORMANT C
Tabel 4.31Perhitungan Fuzzy RFM untuk pusat kluster 4 Recency Kelas
Nilai PC
Frequency Fungsi
B. Ling
Kgt
Nilai PC
B. Ling
Monetary Fungsi Kgt
Nilai PC
B. Ling
Part I
Fungsi Kgt
Part II
FA
Nama Kelas
K-01
9,4
BARU SAJA
1
44,3667
SERING
0
15776249
SANGAT TINGGI
0
0
1
0
ACTIVE SUPER STAR A
K-02
9,4
BARU SAJA
1
44,3667
SERING
0
15776249
TINGGI
0
0
1
0
ACTIVE SUPER STAR B
K-03
9,4
BARU SAJA
1
44,3667
SERING
0
15776249
SEDANG
0,1552498
0
1
0
ACTIVE GOLDEN A
K-04
9,4
BARU SAJA
1
44,3667
SERING
0
15776249
RENDAH
0,8447502
0
1
0
ACTIVE EVERYDAY A
K-05
9,4
BARU SAJA
1
44,3667
SERING
0
15776249
SANGAT RENDAH
0
0,0000
1,0000
0,0000
ACTIVE OCCATIONAL A
IV-40
Recency Kelas
Nilai PC
Frequency Fungsi
B. Ling
Kgt
Nilai PC
B. Ling
Monetary Fungsi Kgt
Nilai PC
B. Ling
Fungsi Kgt
Part I
Part II
FA
Nama Kelas
K-06
9,4
BARU SAJA
1
44,3667
AGAK SERING
1
15776249
SANGAT TINGGI
0
0,0000
1,0000
0,0000
ACTIVE SUPER STAR C
K-07
9,4
BARU SAJA
1
44,3667
AGAK SERING
1
15776249
TINGGI
0
0,0000
1,0000
0,0000
ACTIVE GOLDEN B
K-08
9,4
BARU SAJA
1
44,3667
AGAK SERING
1
15776249
SEDANG
0,1552498
0,3940
1,0000
0,3940
ACTIVE EVERYDAY B
K-09
9,4
BARU SAJA
1
44,3667
AGAK SERING
1
15776249
RENDAH
0,8447502
0,9191
1,0000
0,9191
ACTIVE OCCATIONAL B
K-10
9,4
BARU SAJA
1
44,3667
AGAK SERING
1
15776249
SANGAT RENDAH
0
0,0000
1,0000
0,0000
ACTIVE DORMANT A
K-11
9,4
BARU SAJA
1
44,3667
JARANG
0
15776249
SANGAT TINGGI
0
0,0000
1,0000
0,0000
ACTIVE GOLDEN C
K-12
9,4
BARU SAJA
1
44,3667
JARANG
0
15776249
TINGGI
0
0,0000
1,0000
0,0000
ACTIVE EVERYDAY C
K-13
9,4
BARU SAJA
1
44,3667
JARANG
0
15776249
SEDANG
0,1552498
0,0000
1,0000
0,0000
ACTIVE OCCATIONAL C
K-14
9,4
BARU SAJA
1
44,3667
JARANG
0
15776249
RENDAH
0,8447502
0,0000
1,0000
0,0000
ACTIVE DORMANT B
K-15
9,4
BARU SAJA
1
44,3667
JARANG
0
15776249
SANGAT RENDAH
0
0,0000
1,0000
0,0000
ACTIVE DORMANT C
K-16
9,4
AGAK LAMA
0
44,3667
SERING
0
15776249
SANGAT TINGGI
0
0,0000
0,0000
0,0000
PASSIVE SUPER STAR A
K-17
9,4
AGAK LAMA
0
44,3667
SERING
0
15776249
TINGGI
0
0,0000
0,0000
0,0000
PASSIVE SUPER STAR B
K-18
9,4
AGAK LAMA
0
44,3667
SERING
0
15776249
SEDANG
0,1552498
0,0000
0,3940
0,0000
PASSIVE GOLDEN A
K-19
9,4
AGAK LAMA
0
44,3667
SERING
0
15776249
RENDAH
0,8447502
0,0000
0,9191
0,0000
PASSIVE EVERYDAY A
K-20
9,4
AGAK LAMA
0
44,3667
SERING
0
15776249
SANGAT RENDAH
0
0,0000
0,0000
0,0000
PASSIVE OCCATIONAL A
K-21
9,4
AGAK LAMA
0
44,3667
AGAK SERING
1
15776249
SANGAT TINGGI
0
0,0000
1,0000
0,0000
PASSIVE SUPER STAR C
K-22
9,4
AGAK LAMA
0
44,3667
AGAK SERING
1
15776249
TINGGI
0
0,0000
1,0000
0,0000
PASSIVE GOLDEN B
K-23
9,4
AGAK LAMA
0
44,3667
AGAK SERING
1
15776249
SEDANG
0,1552498
0,0000
1,0000
0,0000
PASSIVE EVERYDAY B
K-24
9,4
AGAK LAMA
0
44,3667
AGAK SERING
1
15776249
RENDAH
0,8447502
0,0000
1,0000
0,0000
PASSIVE OCCATIONAL B
K-25
9,4
AGAK LAMA
0
44,3667
AGAK SERING
1
15776249
SANGAT RENDAH
0
0,0000
1,0000
0,0000
PASSIVE DORMANT A
K-26
9,4
AGAK LAMA
0
44,3667
JARANG
0
15776249
SANGAT TINGGI
0
0,0000
0,0000
0,0000
PASSIVE GOLDEN C
K-27
9,4
AGAK LAMA
0
44,3667
JARANG
0
15776249
TINGGI
0
0,0000
0,0000
0,0000
PASSIVE EVERYDAY C
IV-41
Recency Kelas
Nilai PC
Frequency Fungsi
B. Ling
Kgt
Nilai PC
B. Ling
Monetary Fungsi Kgt
Nilai PC
B. Ling
Fungsi Kgt
Part I
Part II
FA
Nama Kelas
K-28
9,4
AGAK LAMA
0
44,3667
JARANG
0
15776249
SEDANG
0,1552498
0,0000
0,3940
0,0000
PASSIVE OCCATIONAL C
K-29
9,4
AGAK LAMA
0
44,3667
JARANG
0
15776249
RENDAH
0,8447502
0,0000
0,9191
0,0000
PASSIVE DORMANT B
K-30
9,4
AGAK LAMA
0
44,3667
JARANG
0
15776249
SANGAT RENDAH
0
0,0000
0,0000
0,0000
PASSIVE DORMANT C
K-31
9,4
LAMA
0
44,3667
SERING
0
15776249
SANGAT TINGGI
0
0,0000
0,0000
0,0000
INACTIVE SUPER STAR A
K-32
9,4
LAMA
0
44,3667
SERING
0
15776249
TINGGI
0
0,0000
0,0000
0,0000
INACTIVE SUPER STAR B
K-33
9,4
LAMA
0
44,3667
SERING
0
15776249
SEDANG
0,1552498
0,0000
0,3940
0,0000
INACTIVE GOLDEN A
K-34
9,4
LAMA
0
44,3667
SERING
0
15776249
RENDAH
0,8447502
0,0000
0,9191
0,0000
INACTIVE EVERYDAY A
K-35
9,4
LAMA
0
44,3667
SERING
0
15776249
SANGAT RENDAH
0
0,0000
0,0000
0,0000
INACTIVE OCCATIONAL A
K-36
9,4
LAMA
0
44,3667
AGAK SERING
1
15776249
SANGAT TINGGI
0
0,0000
1,0000
0,0000
INACTIVE SUPER STAR C
K-37
9,4
LAMA
0
44,3667
AGAK SERING
1
15776249
TINGGI
0
0,0000
1,0000
0,0000
INACTIVE GOLDEN B
K-38
9,4
LAMA
0
44,3667
AGAK SERING
1
15776249
SEDANG
0,1552498
0,0000
1,0000
0,0000
INACTIVE EVERYDAY B
K-39
9,4
LAMA
0
44,3667
AGAK SERING
1
15776249
RENDAH
0,8447502
0,0000
1,0000
0,0000
INACTIVE OCCATIONAL B
K-40
9,4
LAMA
0
44,3667
AGAK SERING
1
15776249
SANGAT RENDAH
0
0,0000
1,0000
0,0000
INACTIVE DORMANT A
K-41
9,4
LAMA
0
44,3667
JARANG
0
15776249
SANGAT TINGGI
0
0,0000
0,0000
0,0000
INACTIVE GOLDEN C
K-42
9,4
LAMA
0
44,3667
JARANG
0
15776249
TINGGI
0
0,0000
0,0000
0,0000
INACTIVE EVERYDAY C
K-43
9,4
LAMA
0
44,3667
JARANG
0
15776249
SEDANG
0,1552498
0,0000
0,3940
0,0000
INACTIVE OCCATIONAL C
K-44
9,4
LAMA
0
44,3667
JARANG
0
15776249
RENDAH
0,8447502
0,0000
0,9191
0,0000
INACTIVE DORMANT B
K-45
9,4
LAMA
0
44,3667
JARANG
0
15776249
SANGAT RENDAH
0
0,0000
0,0000
0,0000
INACTIVE DORMANT C
IV-42
4.6
Analisa Subsistem Dialog Pada tahapan ini akan dibuat Data Flow Diagram (DFD) yang terdiri dari
Diagram Konteks (Context Diagram) dan bebrapa level dibawahnya. 4.6.1 Analisa Fungsional Sistem Pada analisa fungsional sismtem terdapat diagram konteks dan data flow diagram (DFD) yang berfungsi untuk menggambarkan proses kerja sama system secara umum.
Gambar 4.5 Diagram Konteks
Diagram konteks pada gambar 4.4 menjelaskan tentang sistem yang memiliki entitas Kepala Toko. Kepala Toko melakukan memberikan data konsumen untuk mensegmentasi konsumen. sistem akan memberikan informasi laporan segmentasi konsumen kepada kepala toko buku. Setelah didapat klasifikasi konsumen dari sistem segmentasi konsumen maka kepala toko menetapkan srategi yang akan diterapkan kepada kelompok konsumen
untuk mempertahankan loyalitas konsumen dan meningkatkan
loyalitas konsumen.
IV-43
4.6.1.1 Data Flow Diagram (DFD) Level I Berikut ini adalah gambar Data flow diagram level 1 dari sistem:
Gambar 4.6 DFD level 1
Untuk keterangan masing-masing proses dapat dilihat pada Tabel 4.26. Tabel 4.32 Deskripsi DFD level 1
Nama Segmentasi Pelanggan Laporan
Deskripsi Berisi proses untuk melakukan segmentasi pelanggan menggunakan metode K-Means dan Fuzzy RFM Proses pembuatan laporan hasil segmentasi pelanggan
Tabel 4.33Aliran data DFD level 1
Nama Dt_Dataset Dt_DatasetSampel Dt_Cluster Info_Dataset Info_DatasetSampel
Deskripsi Datayang digunakan untuk perhitungan. Datayang digunakan untuk perhitungan data sampel Data cluster hasil perhitungan yang akan disimpan ke sistem. Informasi dari Dataset Informasi dari Dataset Sampel IV-44
Tabel 4.34 Aliran data
Nama Info_Transaksi Info_DetailTransaksi Info_Product Info_Member Info_LabelPelanggan Info_Cluster
Deskripsi Berisi informasi transaksi yang akan diproses. Berisi informasi detail transaksi yang akan diproses. Berisi informasi product atau barang yang akan diproses. Berisi informasi Member. Berisi informasi Label Pelanggan. Berisi informasi Cluster.
4.6.2 Analisa dan Perancangan Subsistem Basisdata Subsistem basis data berisi ERD dan kamus data, dimana didalamnya menjelaskan tabel basis data. 4.6.2.1 Analisa Basisdata Analisa data sistem merupakan notasi grafik untuk objek data dan hubungannya dalam sistem. Analisa basisdata akan membahas tentang ERD (Entity Relationship Diagram). Entity RelationshipDiagram (ERD) menggambarkan hubungan antar entitas. ERD Aplikasi Data Mining Untuk Mensegmentasi Pelanggan dengan Metode K-Meansdan Fuzzy pada gambar 4.7 .
IV-45
Gambar 4.7 Perancagan ERD
IV-46
Tabel 4.35 Keterangan Data Entity pada ERD No.
Nama
Deskripsi
Atribut
Primary Key
1
Member
Menyimpan data master
KodeMember
KodeMem
member yang melakukan
Nama
ber
transaksi pada sistem
JenisKelamin
informasi penjualan. 2
Product
Menyimpan data master product atau barang yang
Alamat
NoHP
KodeProduct Nama
Harga
KodeProdu ct
dijual. 3
4
Transaksi
DetailTransaksi
Menyimpan data transaksi
KodeTransaksi
KodeTrans
member/pelanggan
Tanggal Waktu
aksi
Menyimpan data detail
Quantity
-
transaksi member yaitu detail
TotalHarga
barang yang dibeli beserta harga dan jumlahnya 5
6
Dataset
DatasetSampel
Menyimpan data hasil
KodeMember
KodeMem
transformasi data yang
Recency
ber
digunakan untuk proses
Frequency
mining
Monetary
Menyimpan data hasil
KodeMember
KodeMem
transformasi data yang
Recency
ber
digunakan untuk proses
Frequency
mining, dimana data pada
Monetary
tabel ini digunakan untuk sampling atau perhitungan pada data sampel 7
Cluster
Menyimpan data hasil
ID
Recency
perhitungan metode K-means
Frequency
yaitu data pusat cluster
Monetary
ID
IV-47
Tabel 4.35 Keterangan Data Entity pada ERD (lanjutan) No.
Nama
Deskripsi
Atribut
Primary Key
8
LabelPelanggan
Menyimpan data Label atau
ID
Recency
Kelas pelanggan, data ini
Frequency
bersifat statis karena tidak ada
Monetary Label
ID
proses input melalui sistem informasi
4.7
Kamus Data (Data Dictionary) Deskripsi tabel yang dirancang pada basisdata adalah sebagai berikut: 1. Tabel Member
Tabel 4.36 Struktur tabel member Field Tipe Data KodeMember Text(5)
Keterangan Kode Member / Pelanggan (Primary Key)
Nama JenisKelamin Alamat NoHp
Nama Member / Pelanggan Jenis Kelamin Member Alamat Member Nomor Telp. / Hp. Member
Text(30) Text(9) Text(128) Text(30)
2. Tabel Product Tabel 4.37 Struktur tabel product Field KodeProduct
Tipe Data Text(8)
Keterangan Kode Product (Primary Key)
Nama Harga
Text(30) Currency
Nama Product Harga Product
3. Tabel Transaksi Tabel 4.38 Struktur table transaksi Field Tipe Data KodeTransaksi Number(Long Integer)
Keterangan Kode Transaksi (Primary Key)
Tanggal Waktu KodeKasir KodeMember
Tanggal Transaksi Waktu / Jam Transaksi Kode Kasir Kode Member / Pelanggan
Date/Time Date/Time(Long Time) Number(Integer) Text(5)
IV-48
4. Tabel DetailTransaksi Tabel 4.39 Struktur table detail trasaksi Field Tipe Data KodeTransaksi Number(Long Integer) KodeProduct Text(8)
Keterangan Kode Transaksi (Foreign Key) Kode Product (Foreign Key)
Quantity TotalHarga
Jumlah product yang dibeli Total Harga Product
Number(Integer) Currency
5. Tabel Dataset Tabel 4.40Struktur table detail trasaksi Field KodeMember Recency Frequency Monetary IDCluster
Tipe Data Text(5) Number(Integer) Number(Integer) Currency Number(Integer)
Keterangan Kode Member / Pelanggan (Primary Key) Variabel recency untuk perhitungan Variabel frequency untuk perhitungan Variabel monetary untuk perhitungan ID Cluster atau kelompok dari hasil perhitungan (Foreign Key)
6. Tabel DatasetSampel Tabel 4.41 Struktur table detail trasaksi Field KodeMember Recency Frequency Monetary IDCluster
Tipe Data Text(5) Number(Integer) Number(Integer) Currency Number(Integer)
Keterangan Kode Member / Pelanggan (Primary Key) Variabel recency untuk perhitungan Variabel frequency untuk perhitungan Variabel monetary untuk perhitungan ID Cluster atau kelompok dari hasil perhitungan (Foreign Key)
7. Tabel Cluster Tabel 4.42 Struktur table detail trasaksi Field ID Recency Frequency Monetary IDLabel
Tipe Data Number(Integer) Number(Integer) Number(Integer) Currency Number(Integer)
Keterangan ID untuk tabel cluster (Primary Key) Variabel recency untuk perhitungan Variabel frequency untuk perhitungan Variabel monetary untuk perhitungan ID Label Pelanggan (Foreign Key)
IV-49
8. Tabel LabelPelanggan Tabel 4.43 Struktur table detail trasaksi Field
Tipe Data
Keterangan
ID
Number(Integer) ID untuk tabel cluster (Primary Key)
Recency
Number(Integer) Variabel recency untuk perhitungan
Frequency
Number(Integer) Variabel frequency untuk perhitungan
Monetary
Currency
Variabel monetary untuk perhitungan
LabelPelanggan Number(Integer) Label Pelanggan
4.8
Perancangan Subsistem Dialog (User Interface) Perancangan subsistem dialog berupa Tampilan menu sistem yang yang
dirancang harus user friendly sehingga penggunapaham dalam menggunakan atau menjalankan menu-menu yangterdapat pada sistem. 4.8.1 Perancangan Struktur Menu Berikut ini merupakan gambar struktur menu Sistem Klasifikasi Kelompok Konsumen. Struktur menu aplikasi data mining untuk segmentasi konsumen sebagai berikut :
Gambar 4.8 Struktur Menu Sistem
IV-50
4.8.2 Perancangan Antar Muka Perancangan antar muka sistem bertujuan memberikan gambaran sistem yang akan dibuat. Menu utama dari aplikasi ini berisi menu File, Data Master, Penilaian, Perhitungan, dan Laporan.
Gambar 4.9 Menu Utama Sistem
IV-51