BAB 1. PENDAHULUAN 1.1. Latar Belakang Pelanggan merupakan salah satu posisi penting dalam pengembangan strategi bisnis, pelanggan juga merupakan salah satu sumber keuntungan dalam perusahaan. Untuk itu diperlukan suatu pemahamaan yang baik tentang pelanggan. Pemahaman yang baik terhadap pelanggan dapat digunakan perusahaan untuk mempertahankan pelanggan yang memang harus dipertahankan. Masalah yang sering dihadapi adalah kesulitan dalam menentukan pelanggan yang tepat secara cepat, hal tersebut dapat mengakibatkan perusahan kehilangan nasabah yang seharusnya dipertahankan. Segmentasi pelanggan adalah metode yang populer yang digunakan untuk memilih pelanggan atau nasabah yang tepat untuk memulai promosi. Dengan segmentasi nasabah berdasarkan prilakunya, kita dapat menargetkan tindakan mereka dengan lebih baik. Seperti memberi loyalitas yang bisa memenuhi harapan pelanggan sehingga pelanggan akan tetap bertahan karna puas terhadap layanan yang diberikan. Proses penentuan pelanggan secara manual dengan menginputkan satu persatu data pelanggan kemudian melakukan sorting data pelanggan seringkali menimbulkan beberapa permasalahan, antara lain membutuhkan waktu yang lama dan ketelitian yang tinggi. Selain itu proses komputasi penentuan pelanggan juga menjadi salah satu permasalahan. Sehingga dibutuhkan suatu sistem yang dapat membantu dalam proses pengambilan keputusan siapa saja pelanggan yang direkomendasikan menerima penghargaan berdasarkan kriteria-kriteria yang telah ditentukan. Solusinya adalah pembuatan sistem aplikasi dengan lebih memanfaatkan teknologi komputer sebagai alat bantu dalam mendukung kegiatan operasional tersebut bidang usaha yang memudahkan pengguna dalam mengolah data atau informasi secara cepat, tepat dan akurat sehingga efektivitas dan efisiensi kerja tercapai. Namun untuk menganalisa data pelanggan dalam jumlah besar tersebut memerlukan tenaga dan waktu yang banyak. Maka perlu diterapkan sebuah algoritma, penerapan algoritma clustering untuk penentuan pelanggan potensial berdasarkan data - data yang telah ada. Ada dua jenis data clustering yang sering 1

digunakan dalam proses pengelompokan data yaitu hierarchical (hirarki) dan nonhierarchical (non hirarki) data clustering. Dalam penelitian sistem pendukung keputusan penentuan pelanggan potensial ini penulis lebih fokus pada pengelompokan data non hirarki clusetring Algoritma Clustering pada non hirarki dengan pendekatan partisi tersebut ada beberapa macam, diantaranya Fuzzy C-Means,K-Means dan lain sebagainya. Penulis menggunakan algoritma clustering yaitu algoritma K-Means Clustering. Algoritma K-Means adalah salah satu metode data clustering non hirarki yang mempartisi data ke dalam bentuk satu atau lebih cluster/kelompok, sehingga data yang memiliki karakteristik yang sama dikelompokkan dalam satu cluster yang sama dan data yang memiliki karakteristik berbeda dikelompokkan ke dalam kelompok lain (Agusta, 2007). Algoritma ini akan membantu pengguna dalam penentuan pelanggan potensial menjadi lebih cepat. Algoritma K-Means Clusetring ini selain dapat memangkas waktu penentuan pelanggan poensial juga dapat pula melakukan penentuan secara tepat dan akurat. 1.2. Rumusan Permasalahan Adapun rumusan masalah pada penelitian ini adalah: 1. Bagaimana membuat aplikasi yang dapat melakukan pencarian data pelanggan potensial menggunakan algoritma K-Means Clustering pada aplikasi berbasis web? 2. Bagaimana membuat pernacangan aplikasi yang dapat melakukan pengelompokan pelanggan potensial berdasarkan metode K-Means Clustering 1.3. Batasan Masalah Dari rumusan masalah yang diuraikan, untuk mendapatkan hasil yang lebih baik dan untuk mengurangi ruang lingkuh terjemahan yang terlalu besar, maka batasan masalah dalam penelitian ini, yaitu: 1. Fokus terhadap data pelanggan untuk penentuan pelanggan potensial 2

2. Penelitian menggunakan algoritma K-Means Clustering pada aplikasi berbasis web 3. Menentukan pelanggan potensial berdasarkan seringnya pelanggan melakukan pembelian atau bertransaksi 4. Data yang diambil sebagai sampel adalah data dari bulan januari 2016 sampai juni 2016. 1.4. Tujuan dan Manfaat Adapun tujuan yang dapat diperoleh dari penelitian ini adalah membuat aplikasi untuk mensimulasikan algoritma K-Means Clustering dalam pencarian pelanggan potensial agar dapat membantu dan mempermudah pengguna dalam menentukan pelanggan yang tepat. Penelitian ini diharapkan dapat memberikan manfaat bagi pengguna untuk mendapatkan informasi data secara tepat, akurat, dan lebih efisiensi waktu. 1.5. Metodologi Penelitian Metode penelitian yang dilakukan dalam pembuatan tugas akhir ini meliputi lima bagian pokok, yaitu Kepustakaan, Analisis dan Perancangan Sistem, Implementasi Sistem, Pengujian Sistem dan Dokumentasi. 1. Kepustakaan - Library Research, yaitu membaca dan mempelajari buku-buku, jurnal dan lain sebagainya yang merupakan sumber literatur berhubungan dengan Algoritma K-Means Clustering. - Internet Browsing, yaitu melakukan pencarian sumber referensi pada situssitus dan dokumen-dokumen elektronik (e-book or journal) yang berkaitan dengan pembahasan Algoritma K-Means Clustering. 2. Analisis dan Perancangan Sistem Pada tahap ini hasil analisis akan menjadi dasar perancangan aplikasi sistem operasi pada komputer. Rancangan sistem dibuat menggunakan use case, activity diagram, disertai pembuatan flowchart dan design interface 3

3. Mengimplementasikan sistem sesuai hasil analisis dan perancangan ke dalam program komputer menggunakan bahasa pemrograman Php, Mysql sebagai Database Management System (DBMS). 4. Pengujian Sistem Pada tahap ini dilakukan pengujian sistem, apakah implementasi telah sesuai dengan tujuan penelitian. 5. Dokumentasi Metode ini dilaksanakan dengan membuat dokumentasi dalam bentuk laporan tugas akhir. 1.6. Sistematika Penulisan Sistematika penulisan laporan tugas akhir ini adalah sebagai berikut: 1.6.1. BAB 1 PENDAHULUAN Bab ini berisi pembahasan masalah yang terdiri dari latar belakang, rumusan masalah, batasan masalah, tujuan dan manfaat, metode penelitian, dan sistematika penulisan laporan. 1.6.2. BAB 2 LANDASAN TEORI Bab Landasan Teori memuat penjelasan tentang teori yang digunakan untuk dasar pembahasan dari penelitian. 1.6.3. BAB 3 ANALISA SISTEM Bab ini berisi tentang uraian analisis mengenai proses kerja dari K- Means Clustering dalam pencarian pelanggan potensial 1.6.4. BAB 4 PERANCANGAN SISTEM Berisi tentang Perancangan sistem aplikasi K-Means Clustering yang diterapkan sesuai dengan kebutuhan. 4

1.6.5. BAB 5 IMPLEMENTASI DAN PENGUJIAN SISTEM Bab ini akan menjelaskan tentang implementasi sistem dan coding berdasarkan analisis dan perancangan sistem.pengujian dilakukan untuk membuktikan perangkat lunak berjalan sesuai dengan spesifikasi yang telah ditentukan pada tahap analisis. 1.6.6. BAB 6 KESIMPULAN DAN SARAN Bab ini akan menjelaskan kesimpulan atas program aplikasi yang telah dibuat serta saran untuk memgembangkan aplikasi ini lebih luas dan lebih baik lagi. 5