SISTEM PENDUKUNG KEPUTUSAN CALON PENERIMA PROMO BELANJA PADA UD.MUSTAKIM MENGGUNAKAN FUZZY C-MEANS (FCM) DAN FUZZY RFM (RECENCY, FREQUENCY, MONETARY)

Ukuran: px

Mulai penontonan dengan halaman:

Download "SISTEM PENDUKUNG KEPUTUSAN CALON PENERIMA PROMO BELANJA PADA UD.MUSTAKIM MENGGUNAKAN FUZZY C-MEANS (FCM) DAN FUZZY RFM (RECENCY, FREQUENCY, MONETARY)"

Hendri Kusumo
6 tahun lalu
Tontonan:

1 SISTEM PENDUKUNG KEPUTUSAN CALON PENERIMA PROMO BELANJA PADA UD.MUSTAKIM MENGGUNAKAN FUZZY C-MEANS (FCM) DAN FUZZY RFM (RECENCY, FREQUENCY, MONETARY) TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Teknik Pada Jurusan Teknik Informatika Oleh: AMAR AKBAR FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU PEKANBARU 2014

4 SISTEM PENDUKUNG KEPUTUSAN CALON PENERIMA PROMO BELANJA PADA UD. MUSTAKIM MENGGUNAKAN FUZZY C-MEANS DAN FUZZY RFM (RECENCY, FREQUENCY, MONETARY) AMAR AKBAR Tanggal Sidang : April 2014 Periode Wisuda : Juni 2014 Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau Jl. Soebrantas KM 15 No. 155 Pekanbaru ABSTRAK Konsumen merupakan aset yang sangat penting bagi perusahaan. Dengan banyaknya jumlah konsumen yang dimiliki oleh suatu perusahaan, maka masalah yang harus dihadapi adalah bagaimana menentukan konsumen potensial. Penelitian ini membahas tentang bagaimana proses pengambilan keputusan dari data konsumen di UD. Mustakim, yaitu perusahaan retail yang khusus menjual bahan dan peralatan pertanian. Untuk mencari konsumen potensial, dimulai dengan melakukan proses clustering menggunakan algoritma Fuzzy C-Means (FCM). Pada FCM jumlah cluster ditentukan. Algoritma Fuzzy c-means clustering telah banyak digunakan di banyak segmentasi. Hasil clustering tersebut akan digunakan untuk melakukan segmentasi menggunakan model Fuzzy RFM untuk mendapatkan kelas konsumen. RFM adalah metode yang sederhana dan kuat untuk menyediakan kerangka kerja untuk memahami perilaku pelanggan. Penjumlahan berdasarkan pembelian dalam bidang pemasaran. Model Fuzzy RFM menggabungkan teori himpunan fuzzy dengan model RFM, yaitu model segmentasi berdasarkan atribut Recency, Frequency dan Monetary. Model RFM menyediakan ukuran yang efektif untuk analisis perilaku konsumsi pelanggan, di mana tiga variabel, yaitu, Recency (R), frekwency (F) dan monetary (M) yang digunakan untuk mengukur loyalitas dan kontribusi pelanggan. Berdasarkan nilai RFM, pelanggan dapat dikelompokkan ke dalam kelompok yang berbeda dan informasi grup ini sangat berguna dalam pengambilan keputusan pasar Model RFM dan merupakan model segmentasi yang umum digunakan pada perusahaan perdagangan. Kata kunci: FCM, Fuzzy RFM (Recency, Frekwency, Monetary), UD.Mustakim vii

5 DECISSION SUPPORT SYSTEM FOR UD. MUSTAKIM WITH FUZZY C-MEANS(FCM) AND FUZZY RFM (RECENCY, FREQUENCY, MONETARY) AMAR AKBAR State Islamic University of Sultan Syarif Kasim Riau Date of Final Exam : April 2014 Graduation Period : Juny 2014 Informatics Engineering Department Faculty of Science and Technology State Islamic University of Sultan Syarif Kasim Riau ABSTRACT Consumers are a very important asset for the company. With the large number of consumers who are owned by a company, then the problems that must be addressed is how to determine the potential consumers. This study discusses how the decision-making process of consumer data at UD. Mustakim, namely retail company that specialized in selling materials and agricultural equipment. to search for potential consumer, Started the clustering process using Fuzzy C - Means algorithm ( FCM ) and FCM On the number of clusters is determined. algorithm Fuzzy c - means clustering has been widely used in many segmentation. The clustering results will be used to perform RFM segmentation using Fuzzy models to get the consumer class. RFM is a simple and powerful method to provide a framework for understanding and sum based on the purchase behavior of customers in the field of marketing. Fuzzy RFM model combining fuzzy set theory with RFM models, namely the segmentation model based on the attributes of Recency, Frequency and Monetary. RFM model provides an effective measure for customer consumption behavior analysis, in which three variables, namely, R, F, M is used to measure customer loyalty and contribution. Based on the value of RFM, customers can be classified into different groups and group information is very useful in decision making RFM model is a model of market segmentation is commonly used in the trading company Keywords : FCM, Fuzzy RFM (Recency, Frekwency, Monetary), UD. Mustakim viii

6 KATA PENGANTAR Assalammu alaikum wa rohmatullahi wa barakatuh. Segala puji bagi Allah Subhanahu wa ta ala atas limpahan rahmat dan petunjuk-nya, sehingga Penulis dapat menyelesaikan tugas akhir ini dengan baik. Shalawat beriring salam terlimpah untuk Rasulullah, Muhammad Shallallahu alaihi wa sallam, keluarga dan sahabatnya. Tugas akhir dengan judul Sistem Pendukung Keputusan Calon Penerima Promo Belanja Pada UD.Mustakim Menggunakan Fuzzy Cluster Means ( FCM) dan Fuzzy RFM (Recency,Frequency,Monetary) ini disusun sebagai satu syarat untuk mendapatkan gelar kesarjanaan pada jurusan Teknik Informatika Universitas Islam Negeri Sultan Syarif Kasim Riau. Tugas akhir ini ditulis dengan bantuan Allah subhanahu wa ta ala, orang tua, dosen dan teman-teman. Oleh karena itu Penulis menyampaikan terima kasih kepada: 1. Ayah dan Ibu tercinta, Abu Bakar dan Tammah, yang telah mendo akan dan memberikan dukungan yang sangat besar kepada Penulis dalam menyelesaikan tugas akhir ini. Terima kasih telah melahirkan dan membesarkan ananda. 2. Bapak Prof. DR. H. M. Nazir, sebagai Rektor Universitas Islam Negeri Sultan Syarif Kasim Riau. 3. Ibu Dra. Hj. Yenita Morena, M.Si, sebagai Dekan Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau. 4. Ibu DR. Okfalisa, S.T, M.Sc, sebagai Ketua Jurusan Teknik Informatika. 5. Ibu Fitri Wulandari, S.Si, M.Kom dan Bapak M. Syafrizal, ST, Mcs sebagai Pembimbing I dan Pembimbing II Tugas Akhir yang telah membimbing Penulis dalam penyusunan tugas akhir ini. ix

7 6. Ibu Elin Haerani, S.T, M.Kom. dan ibu Lestari Handayani,ST, M.Kom, sebagai Penguji Tugas Akhir yang telah memberikan kritik serta masukanmasukan kepada Penulis. 7. Bapak Reski Mai Candra, ST. M.Cs, sebagai Koordinator Tugas Akhir Jurusan Teknik Informatika. 8. Seluruh Dosen dan Staf Fakultas Sains dan Teknologi khususnya Jurusan Teknik Informatika yang telah memberikan ilmu yang bermanfaat buat Penulis. 9. Bapak Mustakim sebagai pemilik UD.Mustakim yang telah memberikan masukan-masukan kepada Penulis dalam penyusunan tugas akhir ini. 10. Seluruh keluarga besar yang selalu memberikan do a dan motivasi yang kuat untuk Penulis. 11. Teman-teman seperjuangan di Teknik Informatika UIN SUSKA RIAU, khususnya angkatan Seluruh pihak terkait yang tidak dapat Penulis sebutkan satu-persatu. Penulis berharap laporan Tugas Akhir ini bermanfaat. Penulis berharap kritik dan saran yang sifatnya membangun untuk kesempurnaan laporan di masamasa mendatang. Wassalamu alaikum wa rohmatullahi wa barakatuh. Pekanbaru, April 2014 Penulis x

8 DAFTAR ISI Halaman LEMBAR PERSETUJUAN... ii LEMBAR PENGESAHAN... iii LEMBAR HAK ATAS KEKAYAAN INTELEKTUAL... iv LEMBAR PERNYATAAN... v LEMBAR PERSEMBAHAN... vi ABSTRAK... vii ABSTRACT... viii KATA PENGANTAR... ix DAFTAR ISI... xi DAFTAR GAMBAR... xv DAFTAR TABEL... xvii DAFTAR RUMUS... xxi DAFTAR LAMPIRAN... xxii DAFTAR ISTILAH... xxiii DAFTAR SIMBOL... xxvi BAB I PENDAHULUAN... I Latar Belakang... I Rumusan Masalah... I Batasan Masalah... I Tujuan... I Sistematika Penulisan... I-3 BAB II LANDASAN TEORI... II Sistem Pendukung Keputusan... II Komponen Sistem Pendukung Keputusan... II Subsistem Manajemen Data... II Subsistem Manajemen Basis Model... II Subsistem Dialog... II Langkah-langkah Pembangunan SPK... II-5 xi

9 BAB III BAB IV 2.4 Fuzzy Clustering... II Fuzzy C-Means (FCM)... II Algoritma Fuzzy C-Means... II Recency,Freqwency,Monetary (RFM)... II-9 METODOLOGI PENELITIAN... III Tahapan Penelitian... III Perumusan Masalah... III Pengumpulan Data... III Analisa Sistem... III Analisa Sistem Lama... III Analisa Sistem Baru... III Analisa Subsistem Data... III Membangun Prototyping... III Analisa Subsistem Dialog... III Perancangan Perangkat Lunak... III Implementasi... III Pengujian Sistem... III Kesimpulan dan Saran... III-7 ANALISA DAN PERANCANGAN... IV Analisa Sistem... IV Analisa Sistem Lama... IV Analisa Sistem Baru... IV Analisa Kebutuhan Data... IV Analisa Subsistem Model (FCM-RFM)... IV Fuzzy C-Means (FCM)... IV segmentasi dengan metode fuzzy RFM... IV analisa fungsional sistem... IV DFD level 1... IV Analisa dan Perancangan Subsistem Basis Data... IV Entity relationship diagram... IV Pseudocode... IV-67 xii

10 Algoritma Pengelompokan Metode FCM... IV Perancangan Subsistem Dialog (User Interface)... IV Struktur Menu... IV Tampilan Antar Muka... IV-68 BAB V IMPLEMENTASI DAN PENGUJIAN... V-1 BAB VI 5.1 Implementasi Sistem... V Batasan Implementasi... V Lingkungan Implementasi... V Analisis Hasil... V Implementasi Model Persoalan... V Pengujian Sistem... V Pengujian FCM... V Percobaan 1... V Deskripsi dan Hasil Pengujian... V Pengujian Sistem Menggunakan User Acceptence... Test... V Hasil Pengujian Sistem Menggunakan User Acceptence Test... V Kesimpulan Pengujian... V-28 PENUTUP... VI Kesimpulan... VI Saran... VI-1 DAFTAR PUSTAKA... xxviii LAMPIRAN DAFTAR RIWAYAT HIDUP xiii

dokumen-dokumen yang mirip

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MOBIL BARU MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) TUGAS AKHIR

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MOBIL BARU MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat Untuk memperoleh Gelar Sarjana Teknik Pada Jurusan Teknik