BAB IV ANALISA DAN PERANCANGAN

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 diinputkan 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 1 Recency rentang waktu (dalam satuan hari, bulan, tahun) dari transaksi terakhir yang dilakukan oleh konsumen sampai saat ini 2 Frequency jumlah total transaksi atau jumlah rata-rata transaksi dalam satu periode (dalam satuan tahun). 3 Monetary jumlah rata-rata nilai pembelian konsumen dalam 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. Kriteria 1 : Recency Kriteria 2 : Frequency Kriteria 3 : Monetary No. Nama 1 00001 190 21 $35,084,800.00 2 00002 249 16 $10,284,450.00 3 00003 182 18 $12,381,400.00 4 00004 195 11 $10,267,850.00 5 00005 190 23 $19,987,750.00 IV-4

Kriteria 1 : Recency Kriteria 2 : Frequency Kriteria 3 : Monetary No. Nama 6 00006 186 12 $11,199,350.00 7 00007 193 18 $9,328,550.00 8 00008 196 24 $16,617,450.00 Tabel 4.2 Data pelanggan (lanjutan). Kriteria 1 : Recency Kriteria 2 : Frequency Kriteria 3 : Monetary No. Nama 9 00009 195 20 $17,653,450.00 10 00010 181 21 $13,040,300.00 11 00011 192 15 $14,833,500.00 12 00012 184 19 $14,918,100.00 13 00013 202 16 $21,940,900.00 14 00014 191 21 $11,710,350.00 15 00015 8 21 $27,686,950.00 16 00016 184 12 $12,435,150.00 17 00017 4 27 $31,676,450.00 18 00018 13 25 $30,829,000.00 19 00019 4 31 $46,881,750.00 20 00020 9 22 $23,197,400.00 21 00021 7 25 $61,333,650.00 22 00022 2 28 $35,517,000.00 23 00023 1 26 $33,984,900.00 24 00024 14 14 $11,710,700.00 25 00025 198 25 $16,292,350.00 26 00026 5 20 $18,800,700.00 27 00027 3 23 $25,765,150.00 28 00028 8 28 $22,774,900.00 29 00029 2 20 $37,194,500.00 30 00030 0 28 $45,170,900.00 31 00031 1 33 $34,648,850.00 32 00032 9 37 $51,712,000.00 33 00033 12 33 $51,954,550.00 34 00034 3 26 $40,360,600.00 35 00035 21 28 $27,201,850.00 36 00036 2 25 $31,080,300.00 37 00037 0 33 $53,256,600.00 38 00038 10 24 $42,270,450.00 39 00039 16 31 $41,810,100.00 40 00040 64 40 $55,451,450.00 IV-5

Kriteria 1 : Recency Kriteria 2 : Frequency Kriteria 3 : Monetary No. Nama 41 00041 7 25 $26,821,950.00 42 00042 2 36 $40,906,000.00 43 00043 7 35 $53,313,750.00 Tabel 4.2 Data pelanggan (lanjutan). Kriteria 1 : Recency Kriteria 2 : Frequency Kriteria 3 : Monetary No. Nama 47 00047 6 34 $81,960,300.00 48 00048 4 36 $65,679,850.00 49 00049 2 38 $45,282,750.00 50 00050 8 41 $74,436,550.00 51 00051 4 35 $55,398,750.00 52 00052 2 38 $48,700,600.00 53 00053 0 34 $47,385,450.00 54 00054 1 28 $42,355,150.00 55 00055 2 46 $77,220,650.00 56 00056 6 35 $49,767,700.00 57 00057 15 31 $34,921,700.00 58 00058 0 29 $45,218,300.00 59 00059 7 36 $57,160,750.00 60 00060 1 30 $65,182,200.00 61 00061 2 41 $86,752,750.00 62 00062 4 36 $57,486,700.00 63 00063 9 33 $59,783,750.00 64 00064 5 38 $42,063,150.00 65 00065 12 33 $47,131,950.00 66 00066 2 38 $88,072,850.00 67 00067 2 35 $54,851,350.00 68 00068 7 31 $27,915,000.00 69 00069 0 42 $92,917,100.00 70 00070 0 47 $66,880,400.00 71 00071 0 34 $51,580,550.00 72 00072 10 40 $57,037,000.00 73 00073 6 42 $84,981,450.00 74 00074 1 46 $85,849,700.00 75 00075 33 35 $45,395,950.00 76 00076 5 52 $49,320,850.00 77 00077 1 34 $60,158,550.00 78 00078 20 32 $26,960,150.00 IV-6

Kriteria 1 : Recency Kriteria 2 : Frequency Kriteria 3 : Monetary No. Nama 79 00079 7 41 $71,397,250.00 80 00080 1 37 $50,824,600.00 81 00081 0 39 $74,241,100.00 82 00082 1 41 $68,014,100.00 83 00083 2 31 $64,682,100.00 84 00084 1 47 $71,428,750.00 Tabel 4.2 Data pelanggan (lanjutan). Kriteria 1 : Recency Kriteria 2 : Frequency Kriteria 3 : Monetary No. Nama 85 00085 34 39 $53,115,400.00 86 00086 0 40 $85,025,150.00 87 00087 0 47 $85,279,850.00 88 00088 1 56 $82,573,650.00 89 00089 2 51 $100,239,200.00 90 00090 16 39 $71,466,500.00 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. 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 15 00015 0.032128514 0.375 0.28 16 00016 0.738955823 0.214285714 0.12 17 00017 0.016064257 0.482142857 0.32 18 00018 0.052208835 0.446428571 0.31 19 00019 0.016064257 0.553571429 0.47 20 00020 0.036144578 0.392857143 0.23 21 00021 0.02811245 0.446428571 0.61 22 00022 0.008032129 0.5 0.35 23 00023 0.004016064 0.464285714 0.34 24 00024 0.0562249 0.25 0.12 25 00025 0.795180723 0.446428571 0.16 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 30 00030 0 0.5 0.45 31 00031 0.004016064 0.589285714 0.35 IV-8

No. Nama Kriteria 1 : Recency Kriteria 2 : Frequency Kriteria 3 : Monetary 32 00032 0.036144578 0.660714286 0.52 33 00033 0.048192771 0.589285714 0.52 34 00034 0.012048193 0.464285714 0.40 35 00035 0.084337349 0.5 0.27 36 00036 0.008032129 0.446428571 0.31 37 00037 0 0.589285714 0.53 38 00038 0.040160643 0.428571429 0.42 Tabel 4.3Hasil normalisasi data pelanggan (lanjutan). No. Nama Kriteria 1 : Recency Kriteria 2 : Frequency Kriteria 3 : Monetary 39 00039 0.064257028 0.553571429 0.42 40 00040 0.257028112 0.714285714 0.55 41 00041 0.02811245 0.446428571 0.27 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 47 00047 0.024096386 0.607142857 0.82 48 00048 0.016064257 0.642857143 0.66 49 00049 0.008032129 0.678571429 0.45 50 00050 0.032128514 0.732142857 0.74 51 00051 0.016064257 0.625 0.55 52 00052 0.008032129 0.678571429 0.49 53 00053 0 0.607142857 0.47 54 00054 0.004016064 0.5 0.42 55 00055 0.008032129 0.821428571 0.77 56 00056 0.024096386 0.625 0.50 57 00057 0.060240964 0.553571429 0.35 58 00058 0 0.517857143 0.45 59 00059 0.02811245 0.642857143 0.57 60 00060 0.004016064 0.535714286 0.65 61 00061 0.008032129 0.732142857 0.87 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 66 00066 0.008032129 0.678571429 0.88 IV-9

No. Nama Kriteria 1 : Recency Kriteria 2 : Frequency Kriteria 3 : Monetary 67 00067 0.008032129 0.625 0.55 68 00068 0.02811245 0.553571429 0.28 69 00069 0 0.75 0.93 70 00070 0 0.839285714 0.67 71 00071 0 0.607142857 0.51 72 00072 0.040160643 0.714285714 0.57 73 00073 0.024096386 0.75 0.85 74 00074 0.004016064 0.821428571 0.86 75 00075 0.13253012 0.625 0.45 76 00076 0.020080321 0.928571429 0.49 77 00077 0.004016064 0.607142857 0.60 78 00078 0.080321285 0.571428571 0.27 79 00079 0.02811245 0.732142857 0.71 80 00080 0.004016064 0.660714286 0.51 81 00081 0 0.696428571 0.74 82 00082 0.004016064 0.732142857 0.68 83 00083 0.008032129 0.553571429 0.65 84 00084 0.004016064 0.839285714 0.71 85 00085 0.136546185 0.696428571 0.53 86 00086 0 0.714285714 0.85 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 Cara menormalisasi data: = Perhitungan untuk data pertama: Data terbesar (Max t ) adalah : 249 terdapat pada Recency t 1 = 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 = Cluster 1 (C1) 1 0 0 = Cluster 2 (C2) 0 0 1 = Cluster 3 (C3) 1 0 0 = Cluster 4 (C4) 5. 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: (, )=,,, dimana: i = Id Pelanggan 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), = (1 ; 0 ; 0), = (0.763052209 1) + (0.375 0) + (0.35 0)² = 0.565045837 = (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 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 Cluster 4 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 1.22441937 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 1.179938486 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 0.815800791 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 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 Cluster 4 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 0.74283659 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 0.87389618 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 0.77674044 1.422760393 51 0.668074 1.290036328 0.768759516 1.290036328 IV-13

No Cluster 1 Cluster 2 Cluster 3 Cluster 4 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 0.893137364 1.26364125 65 0.626172 1.214198418 0.793897822 1.214198418 66 0.935610 1.48877283 0.689387515 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 0.83388734 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 0.85127217 1.229367708 86 0.895050 1.493213173 0.730233165 1.493213173 87 0.865810 1.558267948 0.852450615 1.558267948 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 Cluster 4 Cluster 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 1.22441937 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 1.179938486 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 0.815800791 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 IV-15

No Cluster 1 Cluster 2 Cluster 3 Cluster 4 Cluster 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 0.74283659 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 0.87389618 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 0.77674044 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 IV-16

No Cluster 1 Cluster 2 Cluster 3 Cluster 4 Cluster 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 0.893137364 1.26364125 C1 65 0.626172 1.214198418 0.793897822 1.214198418 C1 66 0.935610 1.48877283 0.689387515 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 0.83388734 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 0.85127217 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 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 0.375 0.28 0.016064 0.482143 0.32 0.052209 0.446429 0.31 0.016064 0.553571 0.47 0.036145 0.392857 0.23 0.008032 0.5 0.35 0.004016 0.464286 0.34 0.056225 0.25 0.12 0.02008 0.357143 0.19 0.012048 0.410714 0.26 0.032129 0.5 0.23 0 0.5 0.45 0.004016 0.589286 0.35 0.036145 0.660714 0.52 0.048193 0.589286 0.52 0.012048 0.464286 0.40 0.084337 0.5 0.27 0.008032 0.446429 0.31 0 0.589286 0.53 0.040161 0.428571 0.42 0.064257 0.553571 0.42 0.257028 0.714286 0.55 0.028112 0.446429 0.27 0.008032 0.642857 0.41 IV-18

C1 0.028112 0.625 0.53 0.072289 0.607143 0.55 0.048193 0.589286 0.50 0.008032 0.678571 0.45 0.016064 0.625 0.55 0.008032 0.678571 0.49 0 0.607143 0.47 0.004016 0.5 0.42 0.008032 0.821429 0.77 0.024096 0.625 0.50 0.060241 0.553571 0.35 0 0.517857 0.45 0.028112 0.642857 0.57 0.016064 0.642857 0.57 0.02008 0.678571 0.42 0.048193 0.589286 0.47 0.008032 0.625 0.55 0.028112 0.553571 0.28 0 0.839286 0.67 0 0.607143 0.51 0.040161 0.714286 0.57 0.13253 0.625 0.45 0.02008 0.928571 0.49 0.004016 0.607143 0.60 0.080321 0.571429 0.27 0.028112 0.732143 0.71 0.004016 0.660714 0.51 0.004016 0.732143 0.68 0.004016 0.839286 0.71 0.136546 0.696429 0.53 0 0.714286 0.85 0.004016 1 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 RECENCY AGAK LAMA 20< r <60 Hari LAMA 70 Hari < r JARANG 0 t < 20 Transaksi FREQUENCY AGAK SERING 10 < t < 40 Transaksi SERING 30 Transaksi < r RENDAH 0 m < 15 Juta Rupiah MONETARY SEDANG 5 Juta < m < 35 Juta Rupiah TINGGI 25 Juta Rupiah < m 1.2 Recency 1 0.8 0.6 0.4 0.2 0 0 21 49 63 91 105 BARU SAJA AGAK LAMA LAMA Gambar 4.2Himpunan Fuzzy pada variable Recency IV-24

1.2 Frequency 1 0.8 0.6 0.4 0.2 0 0 15 35 45 65 85 JARANG AGAK SERING SERING Gambar 4.3Himpunan Fuzzy pada variable Frequency Monetary 1 0.5 0 0.00 5,000,000.00 10,000,000.00 15,000,000.00 20,000,000.00 25,000,000.00 30,000,000.00 35,000,000.00 40,000,000.00 45,000,000.00 SANGAT RENDAH RENDAH SEDANG TINGGI 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) : μ (x) = μ (x) ( ) 1 1 μ (x) ( ) dengan : 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 Kelas Deskripsi Variabel Linguistik Recency Frequency Monetary Label Pelanggan 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 Kelas Deskripsi Variabel Linguistik 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 Kelas Deskripsi Variabel Linguistik 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 Kelas Deskripsi Variabel Linguistik 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 Sangat Tinggi Active GoldenC 2. Passive Golden Tabel 4.18 Pembagian Passive Golden Kelas Deskripsi Variabel Linguistik Recency Frequency Monetary Label Pelanggan K13 Agak Lama Sering Sedang Passive Golden A K14 Agak Lama Agak Sering Tinggi Passive GoldenB K15 Agak Lama Jarang Sangat Tinggi Passive GoldenC 3. Inactive Golden Tabel 4.19 Pembagian Inactive Golden Kelas Deskripsi Variabel Linguistik Recency Frequency Monetary Label Pelanggan 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 Kelas Deskripsi Variabel Linguistik Recency Frequency Monetary Label Pelanggan K05 Baru Saja Sering Rendah Active Everyday A K06 Baru Saja Agak Sering Sedang Active Everyday B K07 Baru Saja Jarang Tinggi Active Everyday C 2. PassiveEveryday Tabel 4.21 Pembagian PassiveEveryday Kelas Deskripsi Variabel Linguistik Recency Frequency Monetary Label Pelanggan K16 Agak Lama Sering Rendah Passive EverydayA K17 Agak Lama Agak Sering Sedang Passive EverydayB K18 Agak Lama Jarang Tinggi Passive EverydayC 3. Inactive Everyday Tabel 4.22 Pembagian Inactive Everyday Kelas Deskripsi Variabel Linguistik Recency Frequency Monetary Label Pelanggan K24 Lama Sering Rendah Inactive Everyday A K25 Lama Agak Sering Sedang Inactive Everyday B K26 Lama Jarang Tinggi Inactive Everyday C 4.5.4 Active Occational 1. Active Occational Tabel 4.23 Pembagian Active Occational Kelas Deskripsi Variabel Linguistik Recency Frequency Monetary Label Pelanggan K05 Baru Saja Sering Sangat Rendah Active Occational A K06 Baru Saja Agak Sering Rendah Active Occational B IV-33

2. Pasive Occational Tabel 4.24 Pembagian Pasive Occational Kelas Deskripsi Variabel Linguistik Label Pelanggan Recency Frequency 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 Kelas Deskripsi Variabel Linguistik Recency Frequency Monetary Label Pelanggan K24 Lama Sering Sangat Rendah Inactive Occational A K25 Lama Agak Sering Rendah Inactive OccationalB K26 Lama Jarang Sedang Inactive OccationalC 4.5.5 Active Dormant 1. Active Dormant Tabel 4.26 Pembagian Active Dormant Kelas Deskripsi Variabel Linguistik 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 Kelas Deskripsi Variabel Linguistik Recency Frequency Monetary Label Pelanggan 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 Frequency Monetary Kelas Fungsi Fungsi Nilai PC B. Ling Kgt Nilai PC B. Ling Fungsi Kgt Nilai PC B. Ling Kgt Part I Part II F A 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). Kelas Recency Frequency Monetary Nilai PC B. Ling Fungsi Kgt Nilai PC B. Ling Fungsi Kgt Nilai PC B. Ling Part I Part II F A Nama Kelas K-22 141,153,846 AGAK LAMA 0 335,192 AGAK SERING 0,9259615 11356160 TINGGI 0 0,0000 0,9623 0,0000 PASSIVE GOLDEN B K-23 141,153,846 AGAK LAMA 0 335,192 AGAK SERING 0,9259615 11356160 SEDANG 0 0,0000 0,9623 0,0000 PASSIVE EVERYDAY B K-24 141,153,846 AGAK LAMA 0 335,192 AGAK SERING 0,9259615 11356160 RENDAH 1 0,0000 10,000 0,0000 PASSIVE OCCATIONAL B K-25 141,153,846 AGAK LAMA 0 335,192 AGAK SERING 0,9259615 11356160 SANGAT RENDAH 0 0,0000 0,9623 0,0000 PASSIVE DORMANT A K-26 141,153,846 AGAK LAMA 0 335,192 JARANG 0,0740385 11356160 SANGAT TINGGI 0 0,0000 0,2721 0,0000 PASSIVE GOLDEN C K-27 141,153,846 AGAK LAMA 0 335,192 JARANG 0,0740385 11356160 TINGGI 0 0,0000 0,2721 0,0000 PASSIVE EVERYDAY C K-28 141,153,846 AGAK LAMA 0 335,192 JARANG 0,0740385 11356160 SEDANG 0 0,0000 0,2721 0,0000 PASSIVE OCCATIONAL C K-29 141,153,846 AGAK LAMA 0 335,192 JARANG 0,0740385 11356160 RENDAH 1 0,0000 10,000 0,0000 PASSIVE DORMANT B K-30 141,153,846 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 10,000 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 10,000 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 IV-37

Tabel 4.29 Perhitungan Fuzzy RFM untuk pusat kluster 1 (lanjutan). Kelas Recency Frequency Monetary Nilai PC B. Ling Fungsi Kgt Nilai PC B. Ling Fungsi Kgt Nilai PC B. Ling Fungsi Kgt Part I Part II F A Nama Kelas K-42 141,153,846 LAMA 0 335,192 JARANG 0,0740385 11356160 TINGGI 0 0,0000 0,2721 0,0000 INACTIVE EVERYDAY C K-43 141,153,846 LAMA 0 335,192 JARANG 0,0740385 11356160 SEDANG 0 0,0000 0,2721 0,0000 INACTIVE OCCATIONAL C K-44 141,153,846 LAMA 0 335,192 JARANG 0,0740385 11356160 RENDAH 1 0,0000 10,000 0,0000 INACTIVE DORMANT B K-45 141,153,846 LAMA 0 335,192 JARANG 0,0740385 11356160 SANGAT RENDAH 0 0,0000 0,2721 0,0000 INACTIVE DORMANT C Tabel 4.30 Perhitungan Fuzzy RFM untuk pusat kluster 3 Recency Frequency Monetary Kelas Fungsi Nilai Fungsi Fungsi Part I Part II F A Nama Kelas Nilai PC B. Ling B. Ling Nilai PC B. Ling Kgt PC Kgt 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 Frequency Monetary Kelas Fungsi Nilai Fungsi Fungsi Part I Part II F A Nama Kelas Nilai PC B. Ling B. Ling Nilai PC B. Ling Kgt PC Kgt Kgt K-12 202,25 BARU SAJA 0 14,125 JARANG 1 4967168 TINGGI 0 0,0000 1,0000 0,0000 ACTIVE EVERYDAY C K-13 202,25 BARU SAJA 0 14,125 JARANG 1 4967168 SEDANG 0 0,0000 1,0000 0,0000 ACTIVE OCCATIONAL C K-14 202,25 BARU SAJA 0 14,125 JARANG 1 4967168 RENDAH 0 0,0000 1,0000 0,0000 ACTIVE DORMANT B K-15 202,25 BARU SAJA 0 14,125 JARANG 1 4967168 SANGAT RENDAH 1 0,0000 1,0000 0,0000 ACTIVE DORMANT C K-16 202,25 AGAK LAMA 0 14,125 SERING 0 4967168 SANGAT TINGGI 0 0,0000 0,0000 0,0000 PASSIVE SUPER STAR A K-17 202,25 AGAK LAMA 0 14,125 SERING 0 4967168 TINGGI 0 0,0000 0,0000 0,0000 PASSIVE SUPER STAR B K-18 202,25 AGAK LAMA 0 14,125 SERING 0 4967168 SEDANG 0 0,0000 0,0000 0,0000 PASSIVE GOLDEN A K-19 202,25 AGAK LAMA 0 14,125 SERING 0 4967168 RENDAH 0 0,0000 0,0000 0,0000 PASSIVE EVERYDAY A K-20 202,25 AGAK LAMA 0 14,125 SERING 0 4967168 SANGAT RENDAH 1 0,0000 1,0000 0,0000 PASSIVE OCCATIONAL A K-21 202,25 AGAK LAMA 0 14,125 AGAK SERING 0 4967168 SANGAT TINGGI 0 0,0000 0,0000 0,0000 PASSIVE SUPER STAR C K-22 202,25 AGAK LAMA 0 14,125 AGAK SERING 0 4967168 TINGGI 0 0,0000 0,0000 0,0000 PASSIVE GOLDEN B K-23 202,25 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 IV-39

Recency Frequency Monetary Kelas Fungsi Nilai Fungsi Fungsi Part I Part II F A Nama Kelas Nilai PC B. Ling B. Ling Nilai PC B. Ling Kgt PC Kgt 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 Frequency Monetary Kelas Fungsi Fungsi Part I Part II F A Nama Kelas Nilai PC B. Ling Nilai PC B. Ling Nilai PC B. Ling Fungsi Kgt Kgt Kgt 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 Frequency Monetary Kelas Fungsi Fungsi Part I Part II F A Nama Kelas Nilai PC B. Ling Nilai PC B. Ling Nilai PC B. Ling Fungsi Kgt Kgt Kgt 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 Frequency Monetary Kelas Fungsi Fungsi Part I Part II F A Nama Kelas Nilai PC B. Ling Nilai PC B. Ling Nilai PC B. Ling Fungsi Kgt Kgt Kgt 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 Deskripsi Segmentasi Pelanggan Berisi proses untuk melakukan segmentasi pelanggan menggunakan metode K-Means dan Fuzzy RFM Laporan Proses pembuatan laporan hasil segmentasi pelanggan Tabel 4.33Aliran data DFD level 1 Nama Deskripsi Dt_Dataset Datayang digunakan untuk perhitungan. Dt_DatasetSampel Datayang digunakan untuk perhitungan data sampel Dt_Cluster Data cluster hasil perhitungan yang akan disimpan ke sistem. Info_Dataset Informasi dari Dataset Info_DatasetSampel 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 member yang melakukan transaksi pada sistem KodeMember Nama JenisKelamin KodeMem ber informasi penjualan. Alamat NoHP 2 Product Menyimpan data master KodeProduct KodeProdu product atau barang yang dijual. Nama Harga ct 3 Transaksi Menyimpan data transaksi member/pelanggan KodeTransaksi Tanggal Waktu KodeTrans aksi 4 DetailTransaksi Menyimpan data detail transaksi member yaitu detail barang yang dibeli beserta harga dan jumlahnya 5 Dataset Menyimpan data hasil transformasi data yang digunakan untuk proses mining 6 DatasetSampel Menyimpan data hasil transformasi data yang digunakan untuk proses mining, dimana data pada tabel ini digunakan untuk sampling atau perhitungan pada data sampel 7 Cluster Menyimpan data hasil perhitungan metode K-means yaitu data pusat cluster Quantity TotalHarga KodeMember Recency Frequency Monetary KodeMember Recency Frequency Monetary ID Recency Frequency Monetary - KodeMem ber KodeMem ber 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 ID Kelas pelanggan, data ini bersifat statis karena tidak ada Frequency Monetary Label 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 Keterangan KodeMember Text(5) Kode Member / Pelanggan (Primary Key) Nama Text(30) Nama Member / Pelanggan JenisKelamin Text(9) Jenis Kelamin Member Alamat Text(128) Alamat Member NoHp Text(30) Nomor Telp. / Hp. Member 2. Tabel Product Tabel 4.37 Struktur tabel product Field Tipe Data Keterangan KodeProduct Text(8) Kode Product (Primary Key) Nama Text(30) Nama Product Harga Currency Harga Product 3. Tabel Transaksi Tabel 4.38 Struktur table transaksi Field Tipe Data Keterangan KodeTransaksi Number(Long Integer) Kode Transaksi (Primary Key) Tanggal Date/Time Tanggal Transaksi Waktu Date/Time(Long Time) Waktu / Jam Transaksi KodeKasir Number(Integer) Kode Kasir KodeMember Text(5) Kode Member / Pelanggan IV-48

4. Tabel DetailTransaksi Tabel 4.39 Struktur table detail trasaksi Field Tipe Data Keterangan KodeTransaksi Number(Long Integer) Kode Transaksi (Foreign Key) KodeProduct Text(8) Kode Product (Foreign Key) Quantity Number(Integer) Jumlah product yang dibeli TotalHarga Currency Total Harga Product 5. Tabel Dataset Tabel 4.40Struktur table detail trasaksi Field Tipe Data Keterangan KodeMember Text(5) Kode Member / Pelanggan (Primary Key) Recency Number(Integer) Variabel recency untuk perhitungan Frequency Number(Integer) Variabel frequency untuk perhitungan Monetary Currency Variabel monetary untuk perhitungan IDCluster Number(Integer) ID Cluster atau kelompok dari hasil perhitungan (Foreign Key) 6. Tabel DatasetSampel Tabel 4.41 Struktur table detail trasaksi Field Tipe Data Keterangan KodeMember Text(5) Kode Member / Pelanggan (Primary Key) Recency Number(Integer) Variabel recency untuk perhitungan Frequency Number(Integer) Variabel frequency untuk perhitungan Monetary Currency Variabel monetary untuk perhitungan IDCluster Number(Integer) ID Cluster atau kelompok dari hasil perhitungan (Foreign Key) 7. Tabel Cluster Tabel 4.42 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 IDLabel Number(Integer) 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