ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN STRATEGI PEMASARAN DI PT. LESTARI CAHAYA ANUGERAH SKRIPSI Program Strata Satu (S1) Program Studi Teknik Informatika Disusun oleh : HUDAN ABDULLAH AL KATIRI NRP:14518397 SEKOLAH TINGGI ILMU KOMPUTER (STIKOM) POLTEK CIREBON 2023
i LEMBAR PENGESAHAN PENGAJUAN SIDANG ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN STRATEGI PEMASARAN DI PT. LESTARI CAHAYA ANUGERAH Disusun Guna Memenuhi Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Program Studi Teknik Informatika di STIKOM Poltek Cirebon Oleh : HUDAN ABDULLAH AL KATIRI NRP:14518397 Disetujui Oleh : Pembimbing I Virgiyanti, S.T.,M.M.,M.Ti Pembimbing II Fahmi, M.Kom
ii LEMBAR PENGESAHAN ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN STRATEGI PEMASARAN DI PT. LESTARI CAHAYA ANUGERAH Disusun Oleh : HUDAN ABDULLAH AL KATIRI NRP:14518397 Disetujui Oleh : Pembimbing I Virgiyanti, S.T.,M.M.,M.Ti Pembimbing II Fahmi M. Kom Pembantu Ketua I Faisal Akbar, M.T Ketua Program Studi Susi Widyastuti, S.Kom, M.M Mengetahui, Ketua STIKOM Poltek Cirebon Dr. Yuhano, M.Kom
iii PERNYATAAN KEASLIAN TUGAS AKHIR Sebagai Mahasiswa/i STIKOM Poltek Cirebon yang bertanggung jawab, di bawah ini saya : Nama : HUDAN ABDULLAH AL KATIRI NRP : 14518397 Menyatakan bahwa tugas akhir (skripsi) saya yang berjudul : “ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN STRATEGI PEMASARAN DI PT. LESTARI CAHAYA ANUGERAH” merupakan tugas akhir saya (kecuali cuplikan dan ringkasan yang masing-masing telah saya jelaskan sumbernya dan perangkat pendukung). Apabila di kemudian hari, tugas akhir saya disinyalir bukan merupakan karya asli saya, yang disertai dengan bukti-bukti yang cukup, maka saya bersedia untuk membatalkan gelar saya beserta hak dan kewajiban yang melekat pada gelar tersebut. Demikian surat pernyataan ini saya buat dengan sebenarnya. Dibuat di : Cirebon Pada tanggal : Yang menyatakan, HUDAN ABDULLAH AL KATIRI 14518397
iv PERNYATAAN PERSETUJUAN PUBLIKASI ILMIAH UNTUK KEPENTINGAN AKADEMIK Sebagai Mahasiswa/i STIKOM Poltek Cirebon yang bertanggung jawab, di bawah ini saya : Nama : HUDAN ABDULLAH AL KATIRI NRP : 14518397 Demi mengembangkan ilmu pengetahuan, menyetujui untuk memberikan kepada STIKOM Poltek Cirebon Hak Bebas Royalti Non-Ekslusif (Non Exclusive Royalty-Free Right) atas tugas akhir (skripsi) saya yang berjudul : “ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN STRATEGI PEMASARAN DI PT. LESTARI CAHAYA ANUGERAH”. Dengan Hak Bebas Royalti Non-Ekslusif ini STIKOM Poltek Cirebon berhak untuk menyimpan, meng-copy ulang (memperbanyak), menggunakan, mengelolanya dalam bentuk pangkalan data (database), mendistribusikan dan mempublikasinya di internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya selama tetap mencantumkan nama saya sebagai penulis/pencipta. Demikian surat pernyataan ini saya buat dengan sebenarnya. Dibuat di : Cirebon Pada tanggal : Yang menyatakan, HUDAN ABDULLAH AL KATIRI 14518397
v MOTTO "Aku sudah pernah merasakan semua kepahitan dalam hidup. Dan yang paling pahit ialah berharap pada manusia." - Ali Bin Abi Thalib
vi DAFTAR RIWAYAT HIDUP NAMA : HUDAN ABDULLAH AL KATIRI NRP : 14518397 PROGRAM STUDI : TEKNIK INFORMATIKA TEMPAT LAHIR : MADIUN TANGGAL LAHIR : 03-DESEMBER-1999 JENIS KELAMIN : LAKI-LAKI AGAMA : ISLAM ALAMAT : JL. SIDAJAYA NO. 5 DESA LEMAHABANG KULON, KEC. LEMAHABANG, SINDANG LAUT NO TELP/HP : 082126471347 EMAIL : [email protected] NAMA ORANG TUA AYAH : ABDULLAH IBU : FATIN HAMAMAH RIWAYAT PENDIDIKAN 1. SD : SDIT AL IRSYAD AL ISLAMIYAH (2006-2012) 2. SMP : SMPN 1 LEMAHABANG (2012-2015) 3. SMA : SMAN 1 LEMAHABANG (2015-2018) JUDUL SKRIPSI : ALGORITMA K-MENAS CLUSTERING UNTUK MENENTUKAN PRODUK YANG DIMINATI DI PT. LESTARI CAHAYA ANUGERAH CIREBON, HUDAN ABDULLAH AL KATIRI 14518397 4 x 6
vii ABSTRAK Semakin ketatnya persaingan bisnis, menuntut setiap perusahan untuk bekerja semaksimal mungkin agar dapat tetap unggul dalam persaingan. Salah satu yang mampu dilakukan oleh manajemen perusahaan adalah dengan menentukan strategi pemasaran yang paling tepat guna menarik konsumen yang lebih banyak. PT. Lestari Cahaya Anugerah adalah perusahaan yang bergerak dalam bidang industri makanan ringan yang berkembang pesat di Cirebon. Untuk sebuah perusahaan industri makanan ringan yang cukup besar, PT. Lestari Cahaya Anugerah masih sering kesulitan dalam menentukan strategi pemasaran yang paling tepat agar dapat menarik konsumen yang lebih banyak. Selama ini, strategi pemasaran yang dilakukan oleh PT. Lestari Cahaya Anugerah hanya mengandalkan riset pasar, yaitu mencari tahu mengenai penjualan produk kompetitor, sehingga kurang efektif untuk sebagai bahan acuan untuk mengetahui strategi penjualan, karena itu juga terjadi ketidakseimbangan antara stok produk dengan pemesanan konsumen. Metode yang digunakan pada penelitian ini adalah Algoritma K-Means Clustering. Tujuan dari penelitian ini adalah merancang serta membangun sistem agar mempermudah pengambilan keputusan dalam merancang strategi pemasaran agar perusahaan memberikan inovasi baru kepada produknya agar produk laris. Penelitian ini menggunakan data penjualan 2022. Sebagai contoh perhitungan, pada Iterasi ke-1 Ciki Gopek pada bulan Januari mendapatkan hasil : C1 (69,086), C2 (81,024), C3 (131,015), Sedangkan pada Iterasi ke-2 Ciki Gopek pada bulan Januari mendapatkan hasil : C1 (2,165), C2 (29,157), C3 (219,027) yang dapat disimpulkan bahwa adalah hasil yang mendapatkan nilai terkecil adalah nilai yang terdekat dari pusat centeroid, yaitu Cluster 1 (Produk Jarang Diminati). Kata Kunci : K-Means, Clustering, Strategi, Iterasi
viii ABSTRACT Increasingly intense business competition requires every company to work as optimally as possible in order to remain ahead of the competition. One thing that can be done by company management is to determine the most appropriate marketing strategy to attract more consumers. PT. Lestari Cahaya Anugerah is a company engaged in the fast growing snack food industry in Cirebon. For a fairly large snack food industry company, PT. Lestari Cahaya Anugerah still often has difficulties in determining the most appropriate marketing strategy in order to attract more consumers. So far, the marketing strategy carried out by PT. Lestari Cahaya Anugerah only relies on market research, namely finding out about competitors' product sales, so it is less effective as a reference material for knowing sales strategies, because of that there is also an imbalance between product stock and consumer orders. The method used in this study is the K-Means Clustering Algorithm. The purpose of this research is to design and build a system to facilitate decision making in designing marketing strategies so that companies provide new innovations to their products so that the products are in demand. This study uses 2022 sales data. As an example of calculation, in the 1st iteration of Ciki Gopek in January the results were: C1 (69,086), C2 (81,024), C3 (131,015), while in the 2nd iteration Ciki Gopek in January obtained the results: C1 (2,165), C2 (29,157), C3 (219,027) which can be concluded that the result that gets the smallest value is the highest value. closest to the center of the centeroid, namely Cluster 1 (Rarely Demanded Products). Keywords : K-Means, Clustering, Strategy, Iteration
ix KATA PENGANTAR Segala puji dan syukur kehadirat Allah Subhannahu Wa Ta’ala yang dengan segala limpahan rahmat dan karunia-Nya penulis dapat menyelesaikan penulisan tugas akhir ini dengan judul “ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN STRATEGI PEMASARAN DI PT. LESTARI CAHAYA ANUGERAH” yang diajukan sebagai syarat khusus untuk menempuh Srata Satu (S1) Program Studi Teknik Informatika STIKOM Poltek Cirebon. Tugas akhir ini dapat terselesaikan berkat bimbingan serta dorongan dari berbagai pihak berupa nasihat, motivasi baik dalam bentuk moril maupun materil. Maka pada kesempatan kali ini perkenankanlah penulis menyampaikan rasa terima kasih yang sebesar-besarnya kepada : 1. Bapak Dr. Yuhano, M.Kom., selaku Ketua STIKOM Poltek Cirebon. 2. Bapak Faisal Akbar, M.T., selaku Pembantu Ketua I STIKOM Poltek Cirebon. 3. Ibu Susi Widyastuti, S.Kom, M.M., selaku Ketua Program Studi Teknik Informatika STIKOM Poltek Cirebon. 4. Ibu Virgiyanti, S.T.,M.M.,M.Ti., selaku Pembimbing I yang selalu memberikan arahan serta bimbingan dalam menganalisa penulisan dan penyusunan tugas akhir ini. 5. Bapak Fahmi, M.Kom., selaku Pembimbing II yang selalu memberikan arahan serta bimbingan dalam menganalisa penulisan dan penyusunan tugas akhir ini.
x 6. Seluruh dosen dan civitas akademika STIKOM Poltek Cirebon yang telah memberikan ilmu yang bermanfaat serta membimbing selama berkuliah di STIKOM Poltek Cirebon. 7. Bapak Nazmi Achmad, S.Sos., selaku HRD PT. Lestari Cahaya Anugerah. 8. Kedua orang tua tercinta yang senantiasa melimpahkan kasih sayang serta memberikan moril maupun materil dan juga doa. 9. Teman seperjuangan STIKOM Poltek Cirebon angkatan 2018-2022, terimakasih bantuan dan dukungannya. 10. Alvin Adam Ardiansyah, S.Kom, teman terbaik sepanjang masa. 11. Serta semua pihak yang telah membantu dalam mengerjakan tugas akhir ini. Penulis menyadari bahwa penulisan karya ilmiah ini masih jauh dari kata sempurna. Beribu terimakasih dan maaf tidak akan terasa cukup saya sampaikan. Semoga skripsi ini dapat bermanfaat bagi semua pihak dan semoga Allah Subhannahu Wa Ta’ala memberikan hikmah yang berlimpah kepada kita semua. Cirebon, Penulis, HUDAN ABDULLAH AL KATIRI NRP : 14518397
xi DAFTAR ISI LEMBAR PENGESAHAN PENGAJUAN SIDANG............................................. i LEMBAR PENGESAHAN .................................................................................... ii PERNYATAAN KEASLIAN TUGAS AKHIR.................................................... iii PERNYATAAN PERSETUJUAN PUBLIKASI ILMIAH UNTUK KEPENTINGAN AKADEMIK............................................................................. iv MOTTO .................................................................................................................. v DAFTAR RIWAYAT HIDUP............................................................................... vi ABSTRAK............................................................................................................ vii ABSTRACT........................................................................................................... viii KATA PENGANTAR ........................................................................................... ix DAFTAR ISI.......................................................................................................... xi DAFTAR TABEL................................................................................................. xv DAFTAR GAMBAR ........................................................................................... xvi DAFTAR LAMPIRAN...................................................................................... xviii BAB I PENDAHULUAN....................................................................................... 1 1.1 Latar Belakang .............................................................................................. 1 1.2 Identifikasi Masalah...................................................................................... 5 1.3 Batasan Masalah............................................................................................ 6 1.4 Tujuan dan Manfaat ...................................................................................... 6 1.4.1 Tujuan Penelitian ................................................................................... 6 1.4.2 Manfaat Penelitian ................................................................................. 7 1.5 Metode dan Teknik Penelitian ...................................................................... 7 1.5.1 Metode Penelitian................................................................................... 7 1.5.2 Teknik Penelitian ................................................................................... 8 1.6 Anggapan Dasar.......................................................................................... 10 1.7 Kerangka Pemikiran.................................................................................... 11 1.8 Sistematika Penulisan ................................................................................. 12 1.9 Lokasi Penelitian dan Jadwal Penelitian..................................................... 14 1.9.1 Lokasi Penelitian.................................................................................. 14
xii 1.9.2 Waktu Penelitian .................................................................................. 14 BAB II LANDASAN TEORI............................................................................... 15 2.1 Tinjauan Pustaka ......................................................................................... 15 2.1.1 Algoritma K-Means Clustering Untuk Menentukan Strategi Pemasaran Di CV. Integreet Konstruksi[1]..................................................................... 15 2.1.2 Penentuan Strategi Promosi Usaha Mikro Kecil dan Menengah (UMKM) Menggunakan Metode CRISP-DM dengan Algoritma K-Means Clustering[2] ....................................................................................................................... 16 2.1.3 Penerapan Teknik Clustering Sebagai Strategi Pemasaran Pada Penjualan Buku Di Tokopedia dan Shopee[3].............................................. 17 2.1.4 Application Model Of K-Means Clustering : Insights Into Promotion Strategy Of Vocational High School[4]........................................................ 17 2.1.5 Maximizing Strategy Improvement In Mall Customer Segmentation Using K-Means Clustering[5]....................................................................... 18 2.2 Teori Utama Penelitian ............................................................................... 19 2.2.1 Data Mining ......................................................................................... 19 2.2.2 Clustering............................................................................................. 19 2.2.3 K-Means............................................................................................... 20 2.3 Metode Pengembangan Perangkat Lunak................................................... 22 2.3.1 Metode Waterfall ................................................................................. 22 2.4 Tools Perancangan ...................................................................................... 25 2.4.1 Flowmap............................................................................................... 25 2.4.2 Flowchart ............................................................................................. 26 2.4.3 Data Flow Diagram (DFD) .................................................................. 27 2.4.4 Entity Relationship Diagram (ERD).................................................... 27 2.4.5 Normalisasi .......................................................................................... 28 2.5 Tools Perangkat Lunak ............................................................................... 29 2.5.1 Astah Professional................................................................................ 29 2.5.2 XAMPP................................................................................................ 29 2.5.3 PHP ...................................................................................................... 29 2.5.4 Visual Studio Code .............................................................................. 29 2.5.5 MySQL ( MyStructured Query Language).......................................... 30 2.5.6 Balsamiq Wireframes........................................................................... 30 2.5.7 Website................................................................................................. 30
xiii 2.5.8 Web Browser........................................................................................ 31 2.5.9 Web Server........................................................................................... 31 BAB III ANALISIS SISTEM............................................................................... 32 3.1 Gambaran Singkat Organisasi..................................................................... 32 3.1.1 Profil Singkat ....................................................................................... 32 3.1.2 Struktur Organisasi dan Uraian Tugas................................................. 33 3.2 Analisis Sistem Berjalan ............................................................................. 36 3.3 Analisis Dokumen dan Informasi ............................................................... 39 3.3.1 Analisis Dokumen................................................................................ 39 3.3.2 Analisis Informasi ................................................................................ 39 BAB IV PERANCANGAN SISTEM................................................................... 40 4.1 Desain Prosedur .......................................................................................... 40 4.1.1 Prosedur Pengolah Data User .............................................................. 40 4.1.2 Proses Pengolah Data Kriteria ............................................................. 41 4.1.3 Proses Pengolah Data Produk .............................................................. 41 4.1.4 Proses Pengolah Data Hasil ................................................................. 42 4.2 Desain Dokumen dan Informasi ................................................................. 42 4.2.1 Desain Dokumen.................................................................................. 42 4.2.2 Desain Informasi .................................................................................. 43 4.3 Desain Aliran Data...................................................................................... 43 4.3.1 Flowchart............................................................................................. 43 4.3.2 Data Flow Diagram............................................................................. 48 4.3.3 Entity Relationship Diagram................................................................ 60 4.3.4 Database dan Tabel ............................................................................. 61 4.3.5 Uji Normalisasi .................................................................................... 64 4.3.6 Kamus Data.......................................................................................... 67 4.4 Struktur Menu dan Interface ....................................................................... 68 4.4.1 Struktur Menu ...................................................................................... 68 4.4.2 Desain Interface ................................................................................... 69 4.5 Implementasi Sistem................................................................................... 72 4.5.1 Konfigurasi Perangkat Lunak .............................................................. 72 4.5.2 Konfigurasi Perangkat Keras ............................................................... 73
xiv 4.5.3 Pedoman Pengoprasian Perangkat Lunak ............................................ 73 4.6 Pengujian..................................................................................................... 79 4.6.1 Pengujian Algoritma K-Means Clustering........................................... 80 4.6.2 Rencana Pengujian Program ................................................................ 90 4.6.3 Pengujian Program............................................................................... 91 4.6.4 Analisis Hasil Pengujian ...................................................................... 94 BAB V KESIMPULAN DAN SARAN................................................................ 95 5.1 Kesimpulan ................................................................................................. 95 5.2 Saran............................................................................................................ 96 DAFTAR PUSTAKA ........................................................................................... 97 LAMPIRAN KUMPULAN SURAT.................................................................... 99
xv DAFTAR TABEL Tabel 1.1 Data Penjualan Ciki Gopek pada 2022 ................................................... 2 Tabel 1.2 Kerangka Pemikiran.............................................................................. 11 Tabel 1.3 Waktu Penelitian................................................................................... 14 Tabel 2.1 Simbol Flowchart.................................................................................. 26 Tabel 2.2 Simbol Data Flow Diagram (DFD)....................................................... 27 Tabel 2.3 Simbol Entity Relationship Diagram (ERD) ........................................ 28 Tabel 4. 1 Keterangan Database Level 0 .............................................................. 51 Tabel 4.2 Deskripsi Proses DFD Level 0.............................................................. 51 Tabel 4.3 Tabel User............................................................................................. 61 Tabel 4. 4 Tabel Kriteria ....................................................................................... 61 Tabel 4.5 Tabel Produk......................................................................................... 62 Tabel 4.6 Tabel Cluster......................................................................................... 63 Tabel 4.7 Tabel Hasil ............................................................................................ 63 Tabel 4. 8 Kamus Data Produk ............................................................................. 67 Tabel 4. 9 Kamus Data Cluster ............................................................................. 67 Tabel 4.10 Kamus Data Cluster (Lanjutan) .......................................................... 68 Tabel 4.11 Kamus Data Hasil ............................................................................... 68 Tabel 4.12 Centeroid Awal ................................................................................... 80 Tabel 4.13 Data Penjualan Ciki Gopek 2022........................................................ 81 Tabel 4.14 Hasil Perhitungan Jarak Data Dengan Centroid Awal Iterasi 1......... 85 Tabel 4. 15 Hasil Perhitungan Centeroid Baru Iterasi 2 ....................................... 86 Tabel 4.16 Centeroid Baru Iterasi 2 ...................................................................... 86 Tabel 4.17 Hasil Perhitungan Jarak Data Dengan Centroid Awal Iterasi 2.......... 90 Tabel 4.18 Renacana Pengujian ............................................................................ 90 Tabel 4.19 Pengujian Login .................................................................................. 91 Tabel 4.20 Pengujian Data User............................................................................ 91 Tabel 4.21 Pengujian Data Kriteria....................................................................... 92 Tabel 4.22 Pengolahan Data Produk..................................................................... 92 Tabel 4.23 Pengolahan Data Hasil........................................................................ 93 Tabel 4.24 Pengolahan Cetak Produk ................................................................... 93 Tabel 4.25 Pengolahan Cetak Hasil Clustering..................................................... 94
xvi DAFTAR GAMBAR Gambar 2.1 Flowchart Tahapan Algoritma K-Means Clustering......................... 22 Gambar 2.2 Alur Metode Waterfall ...................................................................... 23 Gambar 3.1 Struktur Organisasi PT. Lestari Cahaya Anugerah ........................... 33 Gambar 3.2 Flowmap Sistem Berjalan PT. Lestari Cahaya Anugerah................. 38 Gambar 4.1 Flowchart Login ................................................................................ 43 Gambar 4.2 Flowchart Pengolah Data User.......................................................... 44 Gambar 4.3 Flowchart Pengolah Data Kriteria..................................................... 45 Gambar 4.4 Flowchart Pengolahan Data Produk.................................................. 46 Gambar 4.5 Flowchart Pengolah Perhitungan Algoritma K-Means..................... 47 Gambar 4.6 Diagram Konteks Sistem Pemasaran K-Means PT. LCA................. 48 Gambar 4.7 DFD Level 0 Sistem Pemasaran K-Means PT. LCA........................ 50 Gambar 4.8 DFD Level 1 Proses 1 (Login).......................................................... 52 Gambar 4.9 DFD Level 1 Proses 2 (Pengolahan Data) ........................................ 53 Gambar 4.10 DFD Level 1 Proses 3 (Proses Perhitungan)................................... 54 Gambar 4.11 DFD Level 1 Proses 4 (Proses Cetak Produk) ................................ 55 Gambar 4.12 DFD .Level 1 Proses 5 (Cetak Laporan Hasil K-Means)................ 56 Gambar 4.13 DFD Level 2 Proses 2.1 (Olah Data User)...................................... 57 Gambar 4.14 DFD Level 2 Proses 2.2 (Olah Data Kriteria)................................. 58 Gambar 4.15 DFD Level 2 Proses 2.3 (Olah Data Produk).................................. 59 Gambar 4.16 ERD Sistem K-Means Clustering PT. LCA.................................... 60 Gambar 4.17 Tabel Bentuk Unormal Form .......................................................... 64 Gambar 4. 18 Tabel Bentuk First Normal Form................................................... 64 Gambar 4.19 Bentuk 2NF Tabel Data Produk ...................................................... 65 Gambar 4.20 Bentuk 2NF Tabel Data Cluster...................................................... 65 Gambar 4.21 Bentuk 2NF Tabel Data Hasil ......................................................... 65 Gambar 4. 22 Bentuk Third Normal Form (3NF)................................................. 66 Gambar 4.23 Struktur Menu ................................................................................. 69 Gambar 4. 24 Desain Halaman Login................................................................... 69 Gambar 4.25 Desain Halaman Dashboard............................................................ 70 Gambar 4.26 Desain Data User............................................................................. 70 Gambar 4.27 Desain Data Kriteria........................................................................ 71 Gambar 4.28 Desain Data Produk......................................................................... 71 Gambar 4.29 Desain Halaman Data Hasil ............................................................ 72 Gambar 4.30 Halaman Login................................................................................ 73 Gambar 4.31Halaman Dashboard ......................................................................... 74 Gambar 4.32 Halaman Pengolahan Data User...................................................... 75 Gambar 4. 33 Halaman Pengolahan Data Kriteria................................................ 75 Gambar 4.34 Halaman Pengolahan Data Produk.................................................. 76 Gambar 4.35 Halaman Cetak Produk ................................................................... 77 Gambar 4.36 Halaman Pengolahan Data Hasil..................................................... 77 Gambar 4.37 Halaman Lanjutan Pengolahan Data Hasil...................................... 78
xvii Gambar 4. 38 Halaman Tampil Proses Perhitungan ............................................. 78 Gambar 4.39 Halaman Cetak Data Clustering...................................................... 79
xviii DAFTAR LAMPIRAN Gambar A- 1 Surat Pengajuan Observasi STIKOM ............................................. 99 Gambar A- 2 Surat Balasan Observasi PT. LCA................................................ 100 Gambar A- 3 Surat Penilaian Observasi PT. LCA.............................................. 101
1 BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi saat ini memiliki peran yang sangat penting yang dapat dimanfaatkan dalam terciptanya sebuah kemudahan seperti dalam pengolahan data dan informasi[1]. Persaingan bisnis yang kian meningkat saat ini menuntut setiap perusahaan atau organisasi untuk memanfaatkan kemampuannya semaksimal mungkin, agar dapat unggul dalam persaingan. Strategi pemasaran merupakan salah satu bagian yang sangat penting bagi setiap perusahaan dibutuhkan serangkaian analisis yang mendalam untuk mengurangi ketidakpastian atau resiko yang mungkin dihadapi dari masingmasing strategi yang akan diterapkan. Oleh sebab itu diperlukan suatu teknik atau perangkat untuk membantu mentransformasikan data dengan jumlah yang besar tersebut menjadi informasi berguna yaitu dengan penerapan data mining[2]. PT. Lestari Cahaya Anugerah adalah perusahaan yang bergerak dalam bidang industri makanan ringan yang berkembang pesat di Cirebon. Untuk sebuah perusahaan industri makanan ringan yang cukup besar, PT. Lestari Cahaya Anugerah masih sering kesulitan dalam menentukan strategi
2 pemasaran yang paling tepat agar dapat menarik konsumen yang lebih banyak. Selama ini, strategi pemasaran yang dilakukan oleh PT. Lestari Cahaya Anugerah hanya mengandalkan riset pasar, yaitu mencari tahu mengenai penjualan produk kompetitor, sehingga kurang efektif untuk sebagai bahan acuan untuk mengetahui strategi penjualan, karena itu juga terjadi ketidakseimbangan antara stok produk dengan pemesanan konsumen. Sebagai contoh penulis memberikan contoh data penjualan produk Snack Gopek. Untuk data realisasi lengkap setiap produk penulis cantumkan dilampiran. Tabel 1. 1 Data Penjualan Ciki Gopek pada 2022 BULAN PENJUALAN Januari 219 Februari 276 Maret 245 April 211 Mei 235 Juni 239 Juli 222 Agustus 219 September 242 Oktober 251 November 239 Desember 261 Sumber : PT. Lestari Cahaya Anugerah Dari Tabel 1.1 dapat dilihat bahwa penjualan PT. Lestari Cahaya Anugerah disetiap bulannya kadang mengalami kenaikan maupun penurunan. Pada PT. Lestari Cahaya Anugerah sendiri HRD telah memperhitungkan penjualan hanya dengan strategi penjualan semata. Hasil yang didapatkan pun
3 tidak pernah sesuai dan mengakibatkan banyak produk yang menumpuk maupun kekurangan produk, hal tersebut sangat merugikan pihak perusahaan. Oleh karena itu PT. Lestari Cahaya Anugerah dirasa perlu untuk membuat strategi pemasaran yang lebih efektif dan perlu adanya identifikasi untuk mengetahui faktor-faktor apa saja yang menyebabkan fenomena pada penjualan yang tidak stabil. Oleh sebab itu maka dibutuhkannya strategi pemasaran menggunakan metode K-Means Clustering untuk menerapkan strategi yang akan digunakan melalui data mining. Data mining dapat meramalkan tren atau hal yang lagi berkembang saat ini serta dapat menjelaskan sifat-sifat perilaku bisnis yang sangat berguna untuk mendukung pengambilan keputusan penting. Data mining juga dapat di jadikan sebagai alternatif pendukung untuk pengambilan keputusan dalam membuat bussines solution serta dengan dukungan infrastruktur dibidang teknologi informasi hal ini dapat mendorong lahirnya suatu teknologi data mining[3]. Teknik klasifikasi merupakan pendekatan untuk menjalankan fungsi klasifikasi dalam data mining yaitu untuk menggolongkan data. Teknik klasifikasi ini dapat pula digunakan untuk melakukan prediksi atas informasi yang belum diketahui sebelumnya. Beberapa algoritma yang dapat digunakan antara lain adalah algoritma K-Means Clustering. Salah satu metode dari data mining yang dapat digunakan adalah metode pengelompokan (Clustering), di mana metode ini akan mengidentifikasi objek yang memiliki kesamaan
4 karakteristik tertentu, kemudian menggunakan karakteristik tersebut sebagai pembanding atau acuan untuk menentukan strategi pemasarannya[4]. K-means clustering merupakan salah satu metode data clustering yang akan mempartisi data yang ada ke dalam bentuk cluster atau kelompok, sehingga data yang memiliki karakteristik yang sama akan dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok yang lain. Data yang diproses dengan algoritma K-Means Clustering akan menciptakan suatu ilmu baru yang bersumber dari data lama, hasil yang diperoleh dari pemprosesan data tersebut bisa digunakan untuk menentukan keputusan di masa[5]. Dengan mengetahui strategi penjualan dengan metode K-Means Clustering, juga dapat membantu HRD dalam memutuskan, menentukan, suatu dasar penyusunan anggaran penjualan serta jumlah produksi barang yang nantinya akan disediakan oleh perusahaan. Data-data yang digunakan dalam penelitian ini adalah data historis penjualan pada tahun dan bulan sebelumnya, yang nanti akan dijadikan acuan dalam penelitian. Penerapan metode K-Means Clustering dapat dilakukan dengan menggunakan data historis pada tahun maupun bulan sebelumnya. Penelitian sebelumnya yaitu pada karya ilmiah yang dibuat oleh Heriyanto, Nur Syamsiyah dan Sapitri Anggraini tahun 2021 yang berjudul Analisa Tingkat Penjualan Produk Menggunakan K-Nearest Neighbour (KNN) dan K-Means pada Perusahaan Kayu Elang Perkasa yang terbit pada Journal Informatika dan Komputer (JIKO), vol.6 no.1 pada Maret 2021. Pada
5 penelirian ini membahas tentang perbandingan antara metode KNN dengan K-Means pada Analisa Tingkat Penjualan Produk Kayu Perusahaan Elang Perkasa yang didapatkan hasil bahwa tingkat akurasi metode K-Means lebih baik sebesar 78,37% sedangkan metode KNN memiliki tingkat akurasi 76,06%. Berdasarkan permasalahan tersebut, maka dibutuhkannya sebuah sistem strategi penjualan untuk menanggulangi masalah-masalah yang ada pada PT. Lestari Cahaya Anugerah. Sistem ini nantinya akan menggunakan metode K-Means Clustering untuk membantu membuat strategi pemasaran penjualan produk pada bulan berikutnya dengan menggunakan data historis penjualan pada bulan sebelumnya. Maka judul yang diambil pada penelitian ini adalah “ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN STRATEGI PEMASARAN DI PT. LESTARI CAHAYA ANUGERAH”. 1.2 Identifikasi Masalah Berdasarkan latar belakang diatas, maka penulis mengidentifikasikan masalah penelitian sebagai berikut: 1. Dalam strategi pemasaran, PT. Lestari Cahaya Anugerah hanya mengandalkan sesuai jumlah pemesanan konsumen. 2. Tidak adanya pengelompokkan produk yang harus mempunyai stok banyak yang paling diminati, stok sedikit karena produk kurang diminati.
6 1.3 Batasan Masalah Agar kegiatan penelitian lebih terarah dan memakan waktu yang lebih efisien, maka penulis membuat batasan masalah sebagai berikut : 1. Penggunaan metode K-Means Clustering untuk menentukan produk mana yang sedang diminati oleh konsumen pada PT. Lestari Cahaya Anugerah. 2. Hanya membuat pengelompokkan atau clustering penjualan produk dengan mengacu kepada data historis penjualan produk yang diambil dari riwayat data penjualan yaitu penjualan di tahun 2022, yang meliputi nama produk, bulan penjualan, dan jumlah produk yang terjual. 1.4 Tujuan dan Manfaat 1.4.1 Tujuan Penelitian Adapun tujuan dari penelitian ini adalah sebagai berikut : 1. Mengimplementasikan metode K-Means Clustering untuk strategi pemasaran penjualan produk snack pada PT. Lestari Cahaya Anugerah. 2. Memberi solusi kepada PT. Lestari Cahaya Anugerah untuk mempermudah strategi pemasaran penjualan produk setiap bulannya.
7 1.4.2 Manfaat Penelitian Adapun manfaat dari penelitian ini adalah sebagai berikut : 1. Manfaat bagi Perusahaan : Memudahkan PT. Lestari Cahaya Anugerah dalam stategi pemasaran penjualan produk setiap bulannya, karena adanya sistem yang dibuat oleh peneliti. Sistem yang dibuat dapat membantu dalam pencatatan stok barang, barang yang terjual, serta membantu HRD untuk mengetahui produk mana yang sedang diminati oleh konsumen. 2. Manfaat bagi Ilmu Pengetahuan : Sebagai bahan referensi untuk ilmu pengetahuan maupun bagi peneliti selanjutnya, agar peneliti selanjutnya bisa mengembangkan sistem yang telah ada maupun membuat sistem baru dengan metode yang lainnya. 3. Manfaat Bagi Penulis : Bagi penulis, yaitu dapat menambah pemahaman cara penggunaan mengenai metode K-Means Clustering. 1.5 Metode dan Teknik Penelitian 1.5.1 Metode Penelitian Metode yang digunakan oleh penulis pada penelitian ini adalah metode kuantitatif. Penelitian kuantitatif ialah suatu proses penelitian untuk menemukan pengetahuan menggunakan data berupa angka untuk menganalisis keterangan mengenai apa yang ingin diketahui.
8 Langkah-langkah metode kuantitatif secara umum terdiri dari mengidentifikasi adanya permasalahan yang signifikan untuk dipecahkan, membatasi dan merumuskan permasalahan secara jelas, menentukan tujuan dan manfaat penelitian, melakukan studi literature yang relevan sesuai dengan permasalahan dalam penelitian, menganalisa data dengan menggunakan teknik yang relevan dalam penelitian, dan membuat laporan penelitian yang telah dilakukan[6]. Tujuan dari digunakannya metode kuantitatif dalam penelitian ini adalah untuk menggambarkan, mendeskripsikan, secara akurat tentang data penjualan pada PT. Lestari Cahaya Anugerah. 1.5.2 Teknik Penelitian Teknik penelitian yang digunakan oleh penulis pada penelitian untuk membangun sistem strategi pemasaran pada PT. Cahaya Lestari Anugerah ini diantaranya adalah : 1. Observasi Merupakan teknik pengumpulan data yang dilakukan dengan melakukan tinjauan langsung ke tempat studi kasus dimana akan dilakukannya penelitian[6]. Observasi dilakukan dengan turun langsung ke seluruh area PT. Lestari Cahaya Anugerah untuk mendapatkan data-data yang diperlukan dalam penelitian ini. Observasi dimulai pada 22 Februari – 28 Februari 2022.
9 2. Wawancara Wawancara adalah pertemuan yang dilakukan oleh dua orang untuk bertukar informasi maupun suatu ide dengan cara tanya jawab, sehingga dapat dikerucutkan menjadi sebuah kesimpulan atau makna dalam topik tertentu[6]. Wawancara dilakukan secara langsung oleh peneliti dengan Bapak Nazmi Achmad, S.Sos. selaku HRD PT. Lestari Cahaya Anugerah untuk mendapatkan penjelasan tentang perusahaan dan juga tentang pemasaran barang. Adapun poin penting saat dilakukannya wawancara, antara lain : a. Bagaimana cara yang digunakan untuk memasarkan produk? b. Apakah ada metode yang digunakan untuk membantu perusahaan agar mengetahui produk apa yang sedang diminati oleh konsumen? c. Meminta pihak HRD dalam menjelaskan profil perusahaan serta struktur organisasi perusahaan beserta jobdesknya. 3. Studi Literature Studi pustaka yaitu teknik pengumpulan data dari berbagai bahan pustaka yang relevan dan mempelajari yang berkaitan dengan masalah yang akan dibahas[6]. Penulis melakukan studi pustaka dengan mengumpulkan berbagai referensi yang berasal dari observasi, wawancara, perpustakaan, buku, jurnal, karya ilmiah serta informasi dari internet yang relevan dengan masalah yang penulis bahas.
10 1.6 Anggapan Dasar Untuk lebih menjelaskan infromasi dan penelitian yang dilakukan oleh penulis, maka penulis menyertakan anggapan dasar dan beberapa teori yang mendukung penelitian ini yang didapatkan dari peneliti sebelumnya. Data Mining adalah rangkaian kegiatan untuk menemukan pola yang menarik dari data dalam jumlah besar, kemudian data-data tersebut dapat disimpan dalam database, data warehouse atau penyimpanan informasi. Data mining adalah proses pencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. Teknik atau metode atau algoritma dalam data mining sangat bervariasi, pemilihan metode atau algoritma yang tepat sangat bergantung pada proses secara keseluruhan[7]. Clustering merupakan salah satu bagian dari teknik data mining yaitu sekumpulan objek yang mempunyai “kesamaan” diantara anggotanya dan memiliki “ketidaksamaan” dengan objek lain pada cluster lainnya, dengan kata lain cluster adalah sekumpulan objek yang digabung bersama karena persamaan atau kedekatannya[7]. Algoritma K-Means merupakan algoritma pengelompokan iterative yang melakukan partisi set data kedalam sejumlah cluster yang sudah ditetapkan di awal. Secara historis K-Means menjadi salah satu algoritma yang paling penting dalam bidang data mining[7].
11 1.7 Kerangka Pemikiran Penulis menciptakan kerangka pemikiran untuk membantu dalam pemahaman logika penelitian dan pemacahan masalah yang dikaji berdasarkan permasalahan yang dibahas pada penelitian yang dapat dilihat pada Tabel 1.2 Kerangka Pemikiran. Tabel 1.2 Kerangka Pemikiran Problems (Masalah) Opportunity (Kesempatan) - PT. Lestari Cahaya Anugerah hanya mengandalkan sesuai dengan permintaan konsumen. - Tidak adanya pengelompokkan produk yang diminati dan tidak diminati - Untuk mengatasi hal tersebut, maka diperlukan sebuah sistem strategi penjualan. Approach (Solusi) Sistem strategi pemasaran penjualan pada website Menggunakan metode K-Means Clustering Data Mining Software development Software construction : Visual Studio Code Program language : PHP Database : MySQL Software implementation Algoritma K-Means Clustering pada Strategi Pemasaran Penjualan Result Sistem Berbasis Website Untuk Strategi Pemasaran Penjualan Menggunakan Metode K-Means Clustering
12 Penjelasan terhadap kerangka pemikiran pada Tabel 1.3 bahwa terdapat masalah yang terjadi pada PT. Lestari Cahaya Anugerah adalah terjadinya ketidakseimbangan antara stok barang dengan jumlah permintaan pembeli, karena perusahaan hanya mengandalkan dari invoice permintaan konsumen untuk dijadikan acuan stok barang, dengan permasalahan yang terjadi, perusahaan menimbulkan stok barang yang kurang maupun berlebih, hal ini dapat mengakibatkan kerugian pada perusahaan bila terjadi secara terus menerus. Pada permasalahan yang terjadi pada PT. Cahaya Lestari Anugerah, maka dapat dipecahkan dengan menggunakan metode K-Means Clustering sebagai pembuatan strategi pemasaran penjualan pada PT. Lestari Cahaya Anugerah sehingga persediaan barang yang akan dijual dapat terkendali. Kemudian penulis melakukan solusi terhadap kesempatan yang ada, yaitu dengan merancang web untuk membuat pengelompokkan atau clustering produk yang sangat diminati, sedang, maupun kurang diminati, yang nantinya akan dioleh menjadi perankingan produk mana yang sangat diminati, kemudian hasil yang diharapkan penulis adalah dapat menghasilkan suatu sistem yang bermanfaat bagi perusahaan. 1.8 Sistematika Penulisan Untuk memberikan gambaran menyeluruh tentang Algoritma KMeans Clustering Untuk Menentukan Strategi Pemasaran di PT. Lestari Cahaya Anugerah pada penulisan skripsi ini terdiri dari :
13 BAB I PENDAHULUAN Pada BAB I menjelaskan tentang Latar Belakang, Identifikasi Masalah, Batasan Masalah, Tujuan dan Manfaat Penelitian, Metode dan Teknik Penelitian, Anggapan Dasar, Sistematika Penulisan, serta Lokasi Penelitian dan Jadwal Penelitian. BAB II TINJAUAN PUSTAKA Pada BAB II menjelaskan tentang Kajian Pustaka, Teori Utama Penelitian, Metode Pengembangan Perangkat Lunak, Tools Perancangan, serta Tools Perangkat Lunak. BAB III METODE PENELITIAN Pada BAB III menjelaskan tentang Gambaran Organisasi serta Analisis Sistem Berjalan. BAB IV HASIL DAN PEMBAHASAN Pada BAB IV menjelaskan tentang Desain Prosedur, Desain Dokumen dan Informasi, Desain Aliran Data, Desain Interface dan Struktur Menu, Implementasi Sistem, serta Pedoman Pengoprasian Perangkat Lunak. BAB V KESIMPULAN DAN SARAN Pada BAB V menjelaskan tentang Kesimpulan dan Saran dari penulis tentang penulisan skripsi ini.
14 DAFTAR PUSTAKA Berisi tentang daftar buku, jurnal literature yang berkaitan dengan penelitian sebagai referensi untuk menunjang penelitian. LAMPIRAN 1.9 Lokasi Penelitian dan Jadwal Penelitian 1.9.1 Lokasi Penelitian Penulis melakukan penelitian di PT. Lestari Cahaya Anugerah yang berlokasi di Jl. Kalijaga Blok Randa Kuning, Mundu Pesisir, Desa No.95, RT.02/RW.08, Kota Cirebon. 1.9.2 Waktu Penelitian Penulis melakukan penelitian yang dimulai dari bulan Februari 2022 sampai dengan Agustus 2022, yang dapat dilihat dari Tabel 1.3 Waktu Penelitian. Tabel 1.3 Waktu Penelitian No. Prosedur Penelitian Bulan Feb-22 Mar-22 Apr-22 Mei-22 Jun-22 Jul-22 Agu-22 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 Persiapan 2 Penelitian dan Analisa Sistem 3 Analisa dan Desain Aplikasi 4 Implementasi Koding 5 Uji Coba dan Evaluasi
15 BAB II LANDASAN TEORI 2.1 Tinjauan Pustaka Sebagai bahan referensi dan pertimbangan, penulis melakukan tinjauan pustaka terhadap beberapa jurnal-jurnal yang memuat penelitian yang bekaitan dengan teori serta objek yang akan dilakukan. Berikut ini referensi sebagai tinjauan pustaka : 2.1.1 Algoritma K-Means Clustering Untuk Menentukan Strategi Pemasaran Di CV. Integreet Konstruksi[1] Ali Akbar Rismayadi, Novia Nur Fatonah, Erfian Junianto, JURNAL RESPONSIF, Vol.3, No.1, Februari 2021, pp 30-36, EISSN: 2685-6964. Dalam penelitian ini membahas mengenai tentang sistem perancangan clustering menggunakan metode KMeans untuk strategi pemasaran di CV. Integreet Konstruksi. Penulis menggunakan informasi dari data penjualan untuk dijadikan dasar dalam penentuan strategi pemasaran yang tepat. Penerapannya dengan data mining menggunakan metode clustering. Algoritma yang digunakan untuk pembentukan cluster adalah algoritma KMeans. Dalam penelitian ini, menggunakan data penjualan dari bulan Agustus-November yang terdiri dari 212 data. Cluster yang terbentuk berjumlah tiga cluster, dengan cluster pertama (banyak diminati) berjumlah 103 data, cluster dua (sedang diminati) berjumlah 58 data, cluster tiga (kurang diminati) berjumlah 51 data.
16 Cluster ini dijadikan acuan sebagai dasar penentuan strategi penjualan. 2.1.2 Penentuan Strategi Promosi Usaha Mikro Kecil dan Menengah (UMKM) Menggunakan Metode CRISP-DM dengan Algoritma K-Means Clustering[2] Dwi Astuti, Ade Rahmat Iskandar, dan Atik Febrianti, Journal of Informatics, Information System, Software Engineering dan Aplications, Vol.1, No.2, PP 060-072, May 2019, ISSN: 2622- 8106, DOI: 10.20895/INISTA v112. Dalam penelitian ini membahas tentang penerapan metode Algoritma K-Means untuk penentuan strategi promosi UMKM. Penulis mengumpulkan informasi tentang pertumbuhan ekonomi Kuartal II di Indonesia, dan didapatkan hasil penurunan jumlah UMKM sebesar 0,003%. Penulis memanfaatkan data mining dengan menggunakan teknik clustering dari data UMKM yang bersumber dari BPS. Dalam pembentukkan cluster algoritmayang digunakan adalah K-Means. Dalam prosesnya penulis menguji berupa data jenis usaha, aset dan omset. Data UMKM diolah menggunakan python guna menghasilkan cluster yang akurat. Cluster yang terbentuk ini ada tiga, cluster satu 182 UMKM, cluster dua 47 UMKM, cluster tiga 55 UMKM. Setelah diolah dan didapatkan hasil, clusteri satu menggunakan strategi penjualan personal, sedangkan cluster dua dan tiga menggunakan strategi mix (personal dan kegiatan besar).
17 2.1.3 Penerapan Teknik Clustering Sebagai Strategi Pemasaran Pada Penjualan Buku Di Tokopedia dan Shopee[3] Wiga Maulana Baihaqi, Kuat Indartono, dan Syifaul Banat, Journal Komputer dan Informatika Universitas Bina Sarana Informatika PARADIGMA, Vol. XXI, No.2, September 2019, PISSN: 1410-5063, E-ISSN: 2579-3500, No. 21/E/KPT/2018, DOI: 10.31294/p.v20i2. Penulis melakukan penelitian pada Toko Buku Pustaka Aysha. Dalam penelitiannya penulis menggunakan teknik clustering dalam membuat strategi pemasaran pada data mining. Proses clustering dilakukan dengan menggunakan metode K-Means dan K-Medoids pada data transaksi penjualan di Shopee dan Tokopedia pada bulan Maret 2019 terdiri dari 488 data. Data tersebut dibagi menjadi tiga cluster. Cluster pertama untuk produk yang paling banyak diminati, untuk cluster kedua untuk produk yang cukup populer, dan cluster ketiga untuk produk yang kurang diminati. Data cluster tersebut lalu diolah menggunakan dua algoritma, dengan hasil algoritma K-Means lebih baik daripada K-Medoids. 2.1.4 Application Model Of K-Means Clustering : Insights Into Promotion Strategy Of Vocational High School[4] Satria Abadi, dkk, International Journal of Engineering & Technology, Vol. 7 (2.27), 2018, pp 182-187. Pada penelitian ini, penulis meneliti tentang strategi pemasaran calon siswa didik baru pada SMK Muhammadiyah 1 Pringsewu. Strategi pemasaran menggunakan teknik data mining untuk mencapai dalam menentukan
18 strategi promosi, dan menggunakan algoritma K-Means. Algoritma KMeans merupakan salah satu metode clustering dalam mengklasifikasikan data siswa menjadi beberapa cluster. Penerapan ini juga menggunakan software Weka guna membantu menemukan nilai akurat dimana atributnya meliputa alamat rumah, sekolah asal, transportasi, dan alasan memilih sekolah. Cluster siswa dijadikan lima cluster. Hasil penelitian ini ditemukan bahwa ada dua promosi strategi yang dapat diterapkan,yaitu: melakukan strategi promosi untuk ajak teman-teman dari sekolah untuk memberikan insentif kepada orang yang mampu mengundang calon siswa untuk bersekolah di SMK 1 Muhammadiyah Pringsewu dan melakukan promosi strategi dengan sosialisasi langsung ke sekolah. 2.1.5 Maximizing Strategy Improvement In Mall Customer Segmentation Using K-Means Clustering[5] Mustofa Galih Pradana, dan Hoang Thi Ha, Journal of Applied Data Sciences (JADS), Vol. 2, No.1, Januari 2021, pp 19-25, ISSN: 2723-6471. Pada penelitian ini, penulis melakukan penelitian tentang bagaimana mendapatkan strategi yang tepat dalam segmentasi pelanggan mall untuk membantu seorang manajer mengambil keputusan. Segmentasi pelanggan bertujuan untuk menciptakan hubungan dengan pelanggan dengan merancang strategi yang paling tepat. Dalam penelitian ini, penulis menggunakan algoritma K-Means Clustering sebagai basis segmentasi yang akan dilakukan. Penulis membagi lima cluster berdasarkan hubungan antara pendapatan
19 tahunan, dan skor pengeluaran. Hasil dari penelitian ini dapat disimpulkan bahwa pelanggan yang memiliki tingkat pendapatan tinggi & memiliki skor pengeluaran yang tinggi juga merupakan target yang sangat tepat untuk menerapkan strategi pemasaran. 2.2 Teori Utama Penelitian 2.2.1 Data Mining Data mining adalah suatu proses analisis dari sekumpulan data untuk menemukan informasi, pola, atau hubungan antar data yang sebelumnya tidak diketahui dan meringkas data dengan cara yang berbeda, serta dapat mudah dipahami bagi pemilik data[7]. 2.2.2 Clustering Clustering merupakan sebuah proses yang digunakan untuk membagi data kedalam beberapa kelas atau cluster berdasarkan tingkat kemiripan atau karakteristik data tersebut. Data-data yang memiliki kemiripan akan berkumpul atau dikelompokan di satu cluster yang sama. Sedangkan data-data yang memeiliki karakteristik yang berbeda akan berkumpul atau dikelompokan pada cluster yang berbeda. Tujuan dari Klasterisasi ini adalah pengelompokan data atau objek kedalam sebuah kelompok sehingga setiap kelompok akan berisi data-data yang memiliki karakteristik yang sangat mirip[7].
20 2.2.3 K-Means K-Means adalah salah satu algoritma pengelompokan yang bekerja berdasarkan prinsip partitioned clustering. Prinsip kerja dari partitioned clustering yaitu mengelompokkan item secara acak karena dipengaruhi centroid. Dan disetiap iterasi dari pengelompokkan partitioned clustering dapat memungkinkan untuk terjadinya lebih dari satu pemilihan item yang akan digabungkan. Sedangkan Prinsip kerja dari pengelompokan hierarchical clustering dilakukan secara bertahap. Metode ini mempartisi data ke dalam kelompok sehingga data berkarakteristik sama dimasukkan ke dalam kelompok yang lain. Adapun tujuan pengelompokkan data ini adalah untuk meminimalkan fungsi objektif yang diset dalam proses pengelompokkan, yang pada umumnya berusaha meminimalkan variasi di dalam suatu kelompok dan memaksimalkan variasi antarkelompok [7]. Karakter K-Means dapat diringkas menjadi seperti berikut: 1. K-Means merupakan metode pengelompokkan yang sederhana dan dapat digunakan dengan mudah. 2. Pada jenis set data tertentu, K-Means tidak dapat melakukan segmentasi data dengan baik dimana hasil segmentasinya tidak dapat memberikan pola kelompok yang mewakili karakteritistik bentuk alami data.
21 Secara umum cara kerja dari K-Means Clustering adalah sebagai berikut[8] 1. Menentukan nilai random untuk pusat centroid (cluster awal) sebanyak k. 2. Menentukan nilai random untuk pusat centroid (cluster awal) sebanyak k. 3. Menghitung jarak setiap data input terhadap masingmasing centroid menggunakan rumus jarak Euclidean (Euclidean Distance) sampai menemukan jarak terdekat dari setiap data dengan centroid. Berikut adalah persamaan pada rumus : d(ai,bj)= √(i, bj) 2........................................(1) ai = data kriteria bj = centeroid pada cluster ke-j 4. Mengklasifikasikan data berdasarkan kedekatannya dengan centroid (jarak terkecil). 5. Memperbaharui nilai centroid. Nilai centroid baru diperoleh dari rata-rata cluster yang bersangkutan dengan menggunakan rumus: bj(t + 1) = 1 ∑ ∈ .....................................(2)
22 Dimana : bj(t + 1) : centroid baru pada iterasi ke (t+1) : banyak data pada cluster Sj. Berikut adalah gambaran Algoritma K-Means Clustering menggunakan flowchart dapat dilihat pada Gambar 2.1[8]: 2.3 Metode Pengembangan Perangkat Lunak 2.3.1 Metode Waterfall Metode waterfall yaitu metode yang membutuhkan pendekatan sistematis dan sekuensial dalam pembangunan dimulai dari analisis, desain, coding, testing dan pemeliharaan. Model ini melakukan pendekatan secara sistematis dan berurutan[9]. Gambar 2.1 Flowchart Tahapan Algoritma K-Means Clustering Sumber : Nur Wakhidah, 2020 Sumber : [8]
23 Adapun penjelasan tahapan Metode Waterfall dapat dilihat pada Gambar 2.2 Alur Metode Waterfall[9] : Berikut adalah penjelasan dari tahapan-tahapan pengembangan perangkat lunak menggunakan Metode Waterfall : 1. Analisa Kebutuhan Merupakan tahapan awal untuk pembuatan aplikasi sistem strategi pemasaran menggunakan Algoritma K-Means Clustering. Gambar 2.2 Alur Metode Waterfall Sumber : Rosid Nofiansyah, 2022
24 2. Perancangan Sistem Pada tahapan ini berupa perancangan sistem yang digunakan untuk memberikan gambaran umum mengenai kinerja sistem dari metode Algoritma KMeans Clustering. 3. Implementasi Sistem Pada tahap ini, dilakukannya implementasi sistem yang terdiri dari pembuatan Interface, Pembuatan Desain, dan Pembuatan Database. Memasukkan koding metode Algoritma K-Means Clustering. Database yang digunakan adalah MySQL dengan bahasa pemrograman PHP. 4. Pengujian Sistem Pada tahap ini dilakukannya proses pengujian terhadap sistem yang telah dibuat. Pengujian ini guna mengetahui apakah sistem yang telah dibuat telah sesuai dengan harapan atau tidak. 5. Maintenance Pada tahap ini, perangkat lunak yang sudah jadi dijalankan serta dilakukan pemeliharaan.
25 2.4 Tools Perancangan 2.4.1 Flowmap Flowmap adalah campuran peta dan flow chart,yang menunjukan pergerakan benda dari satu lokasi ke lokasi lain, seperti jumlah orang dalam migrasi, jumlah barang yang diperdagangkan, atau jumlah paket dalam jaringan[10]. Berikut adalah beberapa simbol yang digunakan dalam membuat suatu flowmap yang dapat dilihat pada Tabel 2.1[10] : Tabel 2.1 Simbol Flowmap No. Simbol Keterangan 1. Aliran data program. 2. Menunjukkan simbol dokumen. 3. Menunjukkan kegiatan atau pekerjaan manual. 4. Proses penghitung/proses pengolahan data. 5. Menunjukkan input yang menggunakan keyboard 6. Menunjukkan proses input atau output pada hardisk 7. Perbandingan pernyataan, penyeleksian data yang memberikan pilihan untuk langkah selanjutnya. 8. Permulaan / akhir program. 9. Permulaan sub program. Sumber : Ahmad Yuli, 2019
26 2.4.2 Flowchart Flowchart merupakan serangkaian bagian-bagian yang berfungsi untuk menerangkan alur dari jalannya program. Flowchart membantu mengkomunikasikan jalannya program ke orang lain (bukan pemrogram) akan lebih mudah Diagram ini bisa memberi solusi selangkah demi selangkah untuk penyelesaian masalah yang ada di dalam proses atau algoritma tersebut[10]. Berikut ini adalah beberapa simbol yang digunakan dalam membuat suatu flowchart yang dapat dilihat pada Tabel 2.2[10] : Tabel 2.2 Simbol Flowchart No. Simbol Keterangan 1. Aliran data program. 2. Permulaan/akhir program. 3. Penghubung bagian-bagian flowchart yang berada pada halaman berbeda. 4. Proses penghitung/proses pengolahan data. 5. Perbandingan pernyataan, penyeleksian data yang memberikan pilihan untuk langkah selanjutnya. 6. Proses output/input data. 7. Proses inisialisasi/pemberian harga awal. 8. Penghubung bagian-bagian flowchart yang berada pada halaman berbeda. 9. Menunjukkan pengarsipan file tanpa komputer Sumber : Ego Dwi, 2019
27 2.4.3 Data Flow Diagram (DFD) Data Flow Diagram (DFD) adalah suatu model logika data atau proses yang dibuat untuk menggambarkan dari mana asal data dan kemana tujuan data yang keluar dari sistem, dimana data disimpan, proses apa yang menghasilkan data tersebut dan interaksi antara data yang tesimpan dan proses yang dikenakan pada data tersebut. DFD menggambarkan penyimpanan data proses yang mentranformasi data[11]. Berikut ini adalah beberapa simbol yang digunakan dalam Data Flow Diagram (DFD)yang dapat dilihat pada Tabel 2.3[11]: Tabel 2.3 Simbol Data Flow Diagram (DFD) No. Simbol Keterangan 1. Data Flow Berfungsi untuk menggambarkan aliran data yang berjalan pada sistem. 2. Proses Berfungsi untuk memproses pengolahan data. 3. External Entity Berfungsi untuk menggambarkan asal atau tujuan data. 4. Data Store Berfungsi untuk menyimpan data pada sistem. 2.4.4 Entity Relationship Diagram (ERD) Entity Relationship Diagram (ERD) adalah alat bantu untuk mendiskripsikan hubungan antara entity beserta atributnya[11]. Sumber : Ego Dwi, 2019
28 Berikut ini adalah simbol yang digunakan dalam Entity Relationship Diagram (ERD) yang dapat dilihat pada Tabel 2.4[11]: Tabel 2.4 Simbol Entity Relationship Diagram (ERD) No. Simbol Keterangan 1. Entitas Entitas adalah suatu objek yang dapat diidentifikasi dalam lingkungan pemakai. 2. Relasi Relasi menunjukkan adanya hubungan diantara sejumlah entitas yang berbeda. 3. Atribut Atribut berfungsi mendeskripsikan karakter entitas. 4. Garis Garis berfungsi sebagai penghubung antara relasi dan entitas atau relasi dan entitas dengan atribut. 2.4.5 Normalisasi Normalisasi adalah proses pembentukan struktur basis data sehingga sebagian besar ambiguity bisa dihilangkan. Tahap Normalisasi dimulai dari tahap paling ringan (1NF) hingga paling ketat (5NF). Biasanya hanya sampai pada tingkat 3NF atau BCNF karena sudah cukup memadai untuk menghasilkan tabel-tabel yang berkualitas baik[11]. Sumber : Ego Dwi, 2019
29 2.5 Tools Perangkat Lunak 2.5.1 Astah Professional Astah professional adalah alat untuk membuat diagram UML, Diagram ER, Diagram Alir, dan DFD dan banyak lagi untuk menciptakan pemahaman yang jelas tentang desain perangkat lunak[12]. Penulis menggunakan astah professional versi 7.0.0. 2.5.2 XAMPP XAMPP adalah perangkat lunak bebas, yang mendukung banyak sistem operasi. Fungsinya adalah sebagai server yang berdiri sendiri (localhost), yang terdiri atas program Apache HTTP Server, MySQL database, dan penerjemah bahasa yang ditulis dengan bahasa pemograman PHP dan Perl[13]. Penulis menggunakan xampp versi 3.2.4. 2.5.3 PHP PHP (PHP Hypertext Preprocessor) adalah suatu bahasa pemrograman yang digunakan untuk menerjemahkan baris kode program menjadi kode mesin yang dapat dimengerti oleh komputer yang berbasis server-side yang dapat ditambahkan ke dalam HTML[14]. Penulis menggunakan php versi 7.4.7. 2.5.4 Visual Studio Code Visual Studio Code adalah sebuah teks editor ringan dan handal yang dibuat oleh Microsoft untuk sistem operasi
30 multiplatform, artinya tersedia juga untuk versi Linux, Mac, dan Windows. Teks editor ini secara langsung mendukung banyak bahasa pemrograman seperti JavaScript, PHP, Node.Js dan lain sebagainya. Teks editor ini juga bersifat open source yang artinya kode sumbernya dapat dilihat dan pengguna dapat berkontribusi untuk pengembangannya (Visual Studio Code)[15]. Penulis menggunakan visual studio code versi 1.70.2. 2.5.5 MySQL ( MyStructured Query Language) MySQL adalah sebuah DBMS (Database Management System) menggunakan perintah SQL (Structured Query Language) yang banyak digunakan saat ini dalam pembuatan aplikasi berbasis website[16]. Penulis menggunakan versi 7.4.7. 2.5.6 Balsamiq Wireframes Balsamiq Wireframes adalah alat untuk wireframing UI dengan ketelitian rendah yang cepat yang memproduksi pengalaman membuat sketsa di notepad atau papan tulis, tetapi menggunakan komputer[17]. Penulis menggunakan balsamiq versi 4.5.5. 2.5.7 Website Website adalah kumpulan halaman web yang saling terhubung dan dapat diakses melalui internet. Website biasanya berisi informasi atau konten yang ditampilkan dalam berbagai format seperti teks, gambar, audio, dan video[12].
31 2.5.8 Web Browser Web browser adalah software untuk mengakses segala informasi yang tersedia di internet. Informasi tersebut bisa berupa teks, gambar, video, dan suara yang ada di website maupun mesin pencari[12]. 2.5.9 Web Server Web server adalah sebuah software (perangkat lunak) yang memberikan layanan berupa data. Berfungsi untuk menerima permintaan HTTP atau HTTPS dari klien atau kita kenal dengan web browser (Chrome, Firefox). Selanjutnya ia akan mengirimkan respon atas permintaan tersebut kepada client dalam bentuk halaman web[12].