State of the Art

6

BAB II KAJIAN PUSTAKA

Sumber-sumber yang digunakan dalam pembuatan tugas akhir, baik yang diambil dari buku, internet, maupun jurnal diuraikan secara terperinci pada Bab Tinjuan Pustaka. Konsep dan definisi dari data mining serta hubungannya dengan customer relationship management melalui atribut recency, frequency dan monetary, penjelasan Metode K-Means dan Particle Swarm Optimization dijelaskan pula pada Bab ini.

2.1 State of the Art

Penelitian mengenai data mining yang berhubungan dengan proses segmentasi pelanggan telah beberepa kali dilakukan. Penelitian segmentasi pelanggan menggunakan Metode Fuzzy C-Means dan Fuzzy Subtractive serta Model Fuzzy Recency Frequency Monetary RFM pada perusahaan retail diteliti oleh Yohana Nugraheni. Pada penelitian tersebut diungkapkan bahwa kekurangan dari Algoritma Fuzzy Subratctive, yaitu tidak dapat membentuk cluster yang tergolong dalam label superstar dan golden customer, sehingga dapat dikatakan Algoritma Fuzzy Subtractive Clustering kurang mendukung proses data mining pada perusahaan retail untuk mendapatkan konsumen potensial Yohana Nugrahaeni 2011, h. 123. Penelitian sejenis juga dilakukan oleh Ni Putu Putri Yuliari dengan Metode Fuzzy C-Means dan Fuzzy RFM untuk segmentasi pelanggan pada perusahaan furniture. Pada penelitian tersebut diungkapkan bahwa Metode Fuzzy C-Means dapat menghasilkan cluster yang tergolong superstar dengan kombinasi Fuzzy RFM. Putri Yuliari 2015, h. 107. Metode lain yang dapat digunakan untuk melakukan segmentasi pelanggan adalah Metode Density Based Spatial Clustering of Application with Noise DBSCAN. Penelitian segmentasi pelanggan menggunakan Metode DBSCAN pada perusahaan perhotelan dilakukan oleh Ni Made Anindya Santika Devi. Pada penelitian tersebut diungkapkan bahwa Metode DBSCAN yang digabungkan dengan Model RFM telah dapat menghasilkan proses segmentasi dengan cukup baik, dapat dilihat dari beragam kelas pelanggan yang dihasilkan Anindya Santika Devi 2015, h. 114. Hasil serupa juga diperoleh melalui penelitian yang dilakukan oleh Luh Putu Dian Shavitri Handayani mengenai segmentasi pelanggan pada perusahaan retail dengan Metode ART 2 dan Model RFM. Algoritma ART 2 yang digabungkan dengan model RFM telah dapat melakukan proses segmentasi dengan cukup baik dapat dilihat dari beragam kelas pelanggan yang dihasilkan Dian Shavitri Handayani 2012, h. 107. Segmentasi pelanggan pada pelanggan industri telekomunikasi dengan memanfaatkan Metode K-Means dan RFM diteliti oleh Arumawadu, Rathanyaka dan Illangarathne. Pada penelitian tersebut didapat kekurangan dari Metode K- Means dalam menentukan titik pusat cluster sehingga proses clustering menjadi lebih lambat Arumawadu, Rathnayaka Illangarathne, 2015, Vol. 3, hh. 63-71. Penelitian mengenai metode kombinasi yang sesuai untuk mengoptimasi Metode K-Means dilakukan oleh Chiu dan kawan-kawan. Metode Particle Swarm Optimization PSO diuji coba untuk mengoptimasi Metode K-Means. Pada hasil dari penelitian tersebut dinyatakan bahwa gabungan Metode K-Means dan PSO dapat menghasilkan cluster yang lebih akurat dan efisien Chiu et al. 2011, vol. 36, hh. 4558-4565. Kinerja PSO dalam mengoptimalkan Metode K-Means juga diteliti oleh G. Komarasamy dan Amitabh Wahi. Dibuktikan pada penelitian tesebut bahwa kelemahan PSO yang cenderung bekerja secara lambat dalam proses menentukan nilai global optimum dapat diimbangi oleh Metode K-Means yang bekerja secara cepat dalam menentukan nilai optimum. Kombinasi kedua algoritma tersebut dapat melengkapi kekurangan satu sama lain terbukti dengan hasil clustering yang lebih baik telah dihasilkan dibandingkan dengan hasil clustering Metode K-Means standar. Nilai titik cluster dapat ditemukan secara otomatis dengan menggunakan nilai optimal number dari setiap cluster Komarasamy Wahi 2011, vol 1, hh. 206- 208. Penelitian mengenai Konsep CRM Customer Relationship Management dilakukan oleh Injazz J. Chen dan Karen Popovich. Pada penelitian tersebut diuraikan konsep CRM yang merupakan kombinasi antar manusia, proses dan teknologi. Konsep CRM dapat digunakan untuk memahami karakteristik pelanggan suatu perusahaan melalui pendekatan yang terintegrasi untuk memanajemen hubungan dengan pelanggan Chen Popovich 2003, vol. 9, hh. 672-688. Berikut ini adalah daftar penelitian mengenai data mining yang berkaitan dengan segmentasi pelanggan disajikan dalam Tabel 2.1 Tabel 2.1 Daftar State of the Art No. Penelitian Metode Deskripsi 1. Yohana Nugrahaeni 2011 Fuzzy C-Means dan Fuzzy Subtractive Metode Fuzzy C-Means dan Fuzzy Subtractive digunakan untuk segmentasi pelanggan pada perusahaan retail 2. Ni Putu Yuliari 2015 Fuzzy C-Means dan Fuzzy RFM Segmentasi pelanggan pada perusahaan furniture dilakukan dengan Metode Fuzzy C-Means dan Fuzzy Recency Frequency Monetary Fuzzy RFM 3. Ni Made Anindya Santika Devi 2015 DBSCAN dan Model RFM Penelitian segmentasi pelanggan dilakukan dengan Metode DBSCAN pada perusahaan perhotelan 4. Luh Putu Dian Shavitri Handayani 2012 ART 2 dan Model RFM Segmentasi pelanggan pada perusahaan retail dengan Metode ART 2 dan Model RFM 5. Arumawadu, Rathanyaka Illangarathne 2015 K-Means Proses segmentasi pelanggan pada industry telekomunikasi dengan Metode K-Means dan RFM. 6. Chiu et all 2009 K-Means dan PSO Menguji metode PSO untuk dikombinasikan dengan K-Means. No. Penelitian Metode Deskripsi 6. G. Komarasamy dan Amitabh Wahi 2011 K-Means dan PSO Menguji kinerja PSO dalam mengoptimalkan Metode K- Means 7. Injazz J. Chen dan Karen Popovich 2003 Customer Relationship Management Menguraikan konsep CRM untuk data mining State of the art diatas menguraikan bahwa belum ada penelitian mengenai segmentasi pelanggan dengan Metode K-Means dan PSO serta Model RFM yang digunakan untuk melakukan segmentasi pelanggan pada perusahaan distributor produk farmasi yang mengambil studi kasus di PT. X. State of the art dari judul tugas akhir ini dapat divisualisasikan pada diagram fishbone yang ditunjukkan Gambar 2.1 Gambar 2.1 Diagram Fishbone Pada Gambar 2.1, dapat dijelaskan bahwa judul tugas akhir ini mengambil konsep data mining terutama pada metode clustering data mining, sedangkan platform yang digunakan berbasis desktop. Tools yang digunakan adalah MATLAB dengan DBMS yang dipilih adalah SQL Server. Jenis metode clustering yang dipilih adalah Metode K-Means, dikombinasikan dengan salah satu jenis swarm intelligence yaitu Particle Swarm Optimization. Segmentasi pelanggan yang pernah dilakukan antara lain di bidang penjualan pakaian, pulsa, retail dan hotel, sedangkan segmentasi yang akan dilakukan adalah pada perusahaan distributor di bidang 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