III. METODE PENELITIAN 3.1. Tahapan Penelitian Ada empat tahap utama yang dilakukan dalam penelitian ini. Tahap-tahap tersebut antara lain analisa masalah, persiapan data, pengumpulan data, pengembangan model dan pembuatan prototipe sistem. Mulai Analisis Masalah Persiapan Data Desain Model Implementasi Pengembangan Model Prototipe Sistem Tidak Prototipe Sesuai Ya Selesai Gambar 7. Tahapan Penelitian Diagram alir di atas mengambarkan tahap-tahap penelitian yang akan dilaksanakan. Selain itu, diagram alir di atas juga mengambarkan keterkaitan antara tahap yang satu dengan tahap lainnya. 3.1.1. Analisis Masalah Identifikasi terhadap karakter pelanggan merupakan salah satu langkah penting dalam manajemen hubungan pelanggan. Dengan melakukan identifikasi terhadap karakter pelanggan maka pemetaan terhadap pelanggan bisa dilakukan. Adanya pemetaan terhadap pelanggan mempermudah pihak manajemen PLN melakukan perencanaan pelayanan prima terhadap pelanggan. Langkah yang dilakukan untuk melakukan identifikasi pelanggan salah satunya adalah melakukan segmentasi terhadap pelanggan. Yakni mengelompokkan pelanggan berdasarkan kemiripan ciri yang dimiliki pelanggan. Metode algoritma fuzzy c-
23 mean merupakan salah satu cara yang bisa dilakukan untuk melakukan pengelompokkan. 3.1.2. Persiapan Data Data yang digunakan dalam penelitian ini adalah data transaksi pelanggan PT PLN distribusi Jakarta Raya dan Tangerang area pelayanan Cengkareng satu periode pemakaian listrik yaitu mulai November 2006 hingga Oktober 2007. Pada tahap persiapan, data-data pelanggan yang tidak lengkap akan dihilangkan agar tidak menimbulkan error pada sistem yang akan dibangun. Berdasarkan data yang dimiliki ada empat variabel yang digunakan sebagai variabel masukan sistem. Empat variabel masukan tersebut antara lain (1) variabel lama berlangganan, (2) variabel jumlah pembayaran listrik per bulan, (3) jumlah kesetiaan membayar tepat waktu dan (4) jumlah pemakaian listrik per bulan. Untuk lebih jelasnya bisa dilihat pada Tabel 1 berikut ini. Tabel 1. Tabel masukan sistem penggelompokkan pelanggan No Jenis Input Satuan 1. Lama berlangganan (A) Bulan 2. Nilai pembayaran listrik (C) Rupiah 3. Kedisiplinan membayar listrik (D) Jumlah pembayaran tepat waktu 4 Jumlah pemakaian listrik (D) Watt Variabel-variabel masukan di atas diharapkan mampu menggambarkan karakter pelanggan PLN. Dalam tahap lanjutan data-data masukan di atas akan dijadikan matriks agar mudah diproses dalam model pengelompokkan sistem. 3.1.3. Desain Model Sistem Ada tiga hal yang dilakukan dalam desain model sistem yakni melakukan desain terhadap masukan, melakukan desain prosedur dan terakhir melakukan desain terhadap antarmuka. 1. Desain Masukan Berdasarkan jumlah daya yang terpasang, pelanggan PLN dibedakan menjadi lima golongan yakni golongan pelanggan rumahtangga (1), pelanggan bisnis (2), pelanggan industri (3), pelanggan pemerintah (4) dan pelanggan sosial
24 (5). Dalam penelitian ini digunakan tiga golongan pelanggan saja yakni golongan pelanggan rumahtangga (1), pelanggan bisnis (2) dan pelanggan industri (3) sebagai data masukan bagi sistem. Variabel yang digunakan sebagai masukan sistem ini adalah variabel-variabel seperti yang telah disebutkan pada tabel 1. Sebelum dilakukan analisis pengelompokkan menggunakan algoritma fuzzy c- mean, data-data masukan diubah dalam bentuk matriks. Untuk mempermudah pengolahan data masukan, data disimpan dalam perangkat lunak microsoft office excel 20003. Selain melihat karakter pelanggan pada semua variabel, dalam penelitian ini juga akan dilihat karakter pelanggan dari berbagai variasi variabel. Variasivariabel yang dimaksud antara lain variasi A, B, C, D, AB, AC, AD, BC, BD, CD, ABC, ABD, ACD, BCD dan ABCD. Selain mendesain masukan, hal yang sangat penting dilakukan sebelum melakukan analisis pengelompokkan menggunakan algoritma FCM adalah menetapkan parameter masukan. Parameter yang dimaksud adalah jumlah klaster, nilai error terkecil yang diinginkan (eps), iterasi maksimal dan parameter fuzzifikasi (m>1). Dalam penelitian ini ditetapkan parameter sebagai berikut : Tabel 2. Tabel parameter dan nilainya Parameter Nilai Jumlah klaster 3; 4; 5 Nilai error terkecil 0,00001 Iterasi maksimal 100 Parameter fuzzifikasi 1,5-10 Jumlah klaster 3, 4 dan 5 yang digunakan dalam penelitian ini dimaksudkan untuk menyesuaikan pengaplikasian hasil penelitian dalam manajemen bisnis manajemen PLN terhadap pelanggannya. Untuk melakukan validasi terhadap hasil klasterisasi dalam penggunaan parameter masukan digunakan indeks Xie dan Beni. Metode ini membandingkan rasio kepadatan data dalam klaster dengan keterpisahan data antarklaster. Semakin kecil nilai rasio yang dihasilkan artinya hasil pengelompokkan semakin baik.
25 2. Desain Proses Ada 5 modul yang akan dikembangkan pada tahap desain proses yakni modul masukan, modul analisa pengelompokkan algoritma fuzzy c-mean, modul validasi hasil pengelompokkan, modul pengkategorian dan modul representasi hasil. 3. Desain antarmuka Untuk memudahkan penggunaan prototipe oleh pemakai maka dibuat antarmuka (user interface). Antarmuka dibuat sesederhana mungkin dengan tujuan agar mudah digunakan. 3.1.4. Pengembangan Model Prototipe Sistem Pengembangan sistem perangkat lunak karakterisasi pelanggan PLN ini dilakukan dengan cara melakukan analisa kebutuhan sistem hingga mengecek prototipe sistem apakah telah sesuai dengan keperluan atau tidak. Untuk melihat lebih jelas tatalaksana pengembangan sistem bisa dilihat pada Gambar 8 yakni tatalaksana pengembangan prototipe sistem. Mulai Analisa Kebutuhan Perancangan dan Implementasi Pengembangan Modul Input Pengembangan Modul Pengelompokkan, Validasi dan Pengkategorian Pengembangan Modul Representasi Hasil Prototipe Sistem tidak Sesuai Selesai Gambar 8. Tatalaksana pengembangan prototipe karakterisasi pelanggan PLN ya
26 3.2. Alat Bantu Penelitian Sistem akan dirancang dengan menggunakan alat bantu perangkat lunak sebagai berikut : 1. Matlab versi 7.0.1. Perangkat lunak Matlab versi 7.0.1 akan digunakan untuk melakukan pengembangan prototipe perangkat lunak pengelompokkan pelanggan PLN menggunakan algoritma fuzzy c-mean.. 2. Microsoft Office Excel Perangkat lunak Microsoft Office Excell digunakan sebagai alat bantu dalam melakukan pra-proses data. 3.3. Waktu dan Tempat Penelitian Penelitian dilakukan di dua tempat yakni di PT PLN Area Pelayanan Cengkareng dan Laboratorium Pascasarjana Departemen Ilmu Komputer FMIPA- IPB. Mulai Mei hingga Juli 2007 dilakukan pengumpulan data penelitian dan konsultasi dengan manajemen PLN penelitian di PT PLN Area Pelayanan Cengkareng. Sementara mulai Juni 2007 hingga Januari 2008 dilakukan pengembangan prototipe sistem dan penulisan dokumentasinya di Laboratorium Pascasarjana Departemen Ilmu Komputer FMIPA-IPB.