produk farmasi. Metode validasi cluster yang akan digunakan adalah Metode Davies-bouldin Index dan Silhouette Index. Diagram fishbone menghasilkan
kesimpulan bahwa penelitian mengenai segmentasi pelanggan menggunakan Metode K-Means dan Particle Swarm Optimization belum pernah dilakukan pada
perusahaan distributor di bidang produk farmasi.
2.2 Data Mining
Data dalam skala besar yang diekstrasi untuk mendapat pengetahuan dan informasi yang berguna disebut dengan data mining. Data Mining digunakan untuk
menyelesaikan masalah dengan melakukan analisis pada data dalam jumlah besar. Han and Kamber, 2006. Menurut Sumanthi dan Sivanandam 2006, hh. 1-20,
penerapan data mining dapat dilakukan di berbagai bidang industri meliputi bidang keuangan, pelayanan kesehatan, manufaktur, transportasi dan lain sebagainya, juga
telah menggunakan data mining untuk mengambil manfaat dari analisis historikal data. Istilah data mining dan knowledge discovery in databases KDD sering kali
digunakan secara bergantian untuk menjelaskan proses penggalian informasi tersembunyi dalam suatu basis data yang besar. Salah satu tahapan dalam
keseluruhan proses KDD adalah data mining. Proses KDD secara garis besar dapat dijelaskan sebagai berikut Fayyad et al, 1996.
Gambar 2.2 Proses KDD
Sumber: Fayyad et al, 1996, h.5
Gambar 2.2 mengambarkan tahapan KDD. Tahap ini merupakan bagian dari proses KDD yang disebut interpretation. Tahap ini mencakup proses data selection
yaitu pemilihan data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi dalam KDD dimulai. Proses cleaning yaitu proses
cleaning pada data yang menjadi fokus KDD. Proses transformation yaitu transformasi pada data yang telah dipilih,
sehingga data tersebut sesuai proses data mining. Proses data mining yaitu proses mencari pola atau informasi menarik dalam data terpilih menggunakan teknik atau
metode tertentu. Terakhir, proses interpretation yaitu pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang mudah
dimengerti oleh pihak yang berkepentingan.
2.3 Hubungan
Data Mining dalam Kerangka Kerja CRM
CRM adalah strategi untuk membentuk, menata dan memperkuat loyalitas pelanggan. Kombinasi CRM dan data mining banyak digunakan perusahaan-
perusahaan untuk mengidentifikasi pelanggan potensial dengan menggunakan segmentasi pelanggan Tsiptsis Charianopoulus, 2009. Data mining dapat
digunakan untuk menganalisis pelanggan potensial, teknik data mining yang sering digunakan untuk menganalisi pelanggan adalah clustering dan aturan asosiasi. Inti
dari kombinasi antara data mining dalam kerangka kerja CRM adalah memanfaatkan data yang telah dimiliki suatu perusahaan agar berguna bagi masa
depan perusahaan itu sendiri. Kombinasi ini dapat memperolah gambaran atas kebutuhan, selera dan
pelayanan yang diinginkan oleh pelanggan Ziafat, 2014, Vol. 4, h. 72. Implementasi data mining dalam kerangka CRM harus mengikuti skema Cross
Industry Standard Process for Data Mining CRIPS-DM yang dapat dilihat pada Gambar 2.3.
Gambar 2.3 Skema CRIPS-DM
Sumber: Ziafat, 2014, h.73
Tahapan dari skema CRIPS-DM antara lain sebagai berikut: 1.
Business Understanding, sebuah projek data mining harus memahami proses bisnis secara subjektif, agar dapat mendefinisikan dan merencanakan projek
yang akan dikembangkan. 2.
Data Understanding, fase ini melibatkan data yang dibutuhkan untuk mengembangkan projek. Fase ini meliputi pengumpulan data dan analisis data
untuk menemukan masalah potensial. 3.
Data Preparation, fase ini mengidentifikasi data ke dalam model data mining. Fase ini meliputi integrasi data, transformasi format data ke bentuk yang
dibutuhkan oleh projek serta proses cleaning data. 4.
Modelling, pada fase ini, analis harus memilih model yang sesuai proses bisnis, dimana data akan diubah ke dalam bentuk model yang diinginkan dengan
menggunakan algoritma untuk mencapai hasil terbaik. 5.
Evaluation, model yang telah dihasilkan kemudian dievaluasi agar sesuai dengan bisnis proses perusahaan.
6. Deployment, merupakan proses final dimana model yang dihasilkan dapat
diterapkan pada proses bisnis perusahaan.
2.4 Model RFM
