SEGMENTASI PELANGGAN MENGGUNAKAN

METODE PARTICLE SWARM OPTIMIZATION

DAN K-MEANS

TUGAS AKHIR

Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan

Pendidikan Sarjana Strata Satu (S1) Program Studi Teknologi Informasi

I DEWA AYU AGUNG YUNITA PRIMANDARI

NIM: 1204505063

JURUSAN TEKNOLOGI INFORMASI

FAKULTAS TEKNIK

UNIVERSITAS UDAYANA

2016

ii

PERNYATAAN

Dengan ini saya menyatakan bahwa dalam Tugas Akhir ini tidak terdapat

karya yang pernah diajukan untuk memperoleh gelar kesarjanaan di perguruan

tinggi lain, dan sepanjang pengetahuan saya tidak terdapat karya atau pendapat

yang pernah ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis

diacu dalam naskah ini dan disebutkan pada daftar pustaka.

Denpasar, Juni 2016

I Dewa Ayu Agung Yunita Primandari

iii

LEMBAR PENGESAHAN TUGAS AKHIR

iv

BERITA ACARA TUGAS AKHIR

v

KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadapan Ida Sang Hyang Widhi

Wasa/Tuhan Yang Maha Esa, karena atas Asung Kerta Wara Nugraha-Nya,

akhirnya penulis dapat menyelesaikan tugas akhir dengan judul “Segmentasi

Pelanggan Menggunakan Metode Particle Swarm Optimization dan K-Means”.

Penulis mendapat banyak bimbingan dari berbagai pihak. Ucapan terima kasih

penulis sampaikan kepada:

1. Bapak Prof. Ir. Ngakan Putu Gede Suardana, M.T., Ph.D. selaku Dekan

Fakultas Teknik Universitas Udayana.

2. Bapak Dr. Eng. I Putu Agung Bayupati, ST., MT, selaku Ketua Jurusan

Teknologi Informasi Universitas Udayana.

3. Bapak Prof. Dr. I Ketut Gede Darma Putra, S.Kom., M.T., selaku

dosen pembimbing I yang telah banyak memberikan bimbingan dan masukan

dalam penyusunan tugas akhir ini.

4. Bapak I Made Sukarsa, S.T., M.T., selaku dosen pembimbing II yang telah

banyak memberikan petunjuk dan bimbingan selama penyusunan tugas akhir.

5. Bapak Putu Wira Buana, S.Kom., M.T. selaku dosen pembimbing akademik,

yang telah memberikan bimbingan selama menempuh pendidikan di Jurusan

Teknologi Informasi Fakultas Teknik Universitas Udayana.

6. Ibu Ayu Supartini, yang telah membantu dalam proses penelitian. Kedua

orang tua dan keluarga yang telah memberikan dukungan. Teman-teman

yang selalu mau sharing ilmu dan solusi Tio, Maha dan Cinho, Teman-teman

seperjuangan selama masa kuliah Utami, Moren, Indah, Tiwi, Teman-teman

seperjuangan di HMTI, Resa, Abi, Try serta angkatan 2012 TI telah

memberikan dukungan dalam penyusunan tugas akhir ini.

Denpasar, Juni 2016

Penulis

vi

ABSTRAK

Segmentasi pelanggan merupakan salah satu implementasi data mining.

Segmentasi pelanggan membagi pelanggan ke dalam beberapa kelas untuk

membantu perusahaan memahami karakteristik setiap pelanggannya. Tugas akhir

ini menganalisa 33.441 baris data transaksi perusahaan yang ditransformasi ke

dalam bentuk Recency, Frequency, dan Monetary (RFM). Metode clustering yang

digunakan untuk melakukan segmentasi pelanggan adalah kombinasi dari Metode

Particle Swarm Optimization (PSO) dan K-Means. Kombinasi kedua metode

tersebut mengambil keunggulan dari masing-masing metode dan menghilangkan

kelemahan yang dimiliki. Metode K-Means sangat sensitif dalam menentukan titik

pusat karena dilakukan secara acak. Kelemahan pada titik pusat Metode K-Means

tersebut dioptimasi dengan Metode PSO sehingga Metode K-Means dapat

melakuan clustering secara lebih baik. Penelitian ini menggunakan beberapa

jumlah cluster. Berdasarkan metode validasi cluster yang digunakan yaitu Metode

Davies-bouldin Index (DBI) dan Silhouette Index cluster terbaik adalah cluster

terbaik yang memiliki nilai Indeks DBI sebesar 0.5 dan nilai Indeks Silhouette

sebesar 0.83.

Kata kunci: Segmentasi Pelanggan, Data Mining, Clustering, Particle Swarm

Optimization, K-Means, RFM, Davies-bouldin Index, Silhouette Index.

vii

ABSTRACT

Customer segmentation is an implementation of clustering in the data

mining process. Customer segmentation divides customers into certain classes to

help a company to understand each customer. This paper analyzed 33,441 rows of

a transaction data and transformed it into Recency, Frequency, and Monetary form

(RFM) to identify potential customer. Clustering method used was the combination

of Particle Swarm Optimization (PSO) and K-Means algorithm. The combination

of these algorithms aimed to take advantages of both algorithms and remove their

weakness. K-Means is very sensitive to initialize the cluster center because it was

done randomly. PSO was used to optimize the cluster center and help K-Means to

cluster better. The clustering experiment used several number of cluster. The best

number of the cluster for this experiments are two clusters according to Davies-

bouldin Index (DBI) method. The second cluster has 0.5 value of DBI’s index and

0.83 value of Silhouette’s index.

Keywords: Customer Segmentation, Data Mining, Clustering, Particle Swarm

Optimization, K-Means, RFM, Davies-bouldin Index, Silhouette Index.

viii

DAFTAR ISI

HALAMAN DEPAN ............................................................................................. i

PERNYATAAN ..................................................................................................... ii

LEMBAR PENGESAHAN TUGAS AKHIR .................................................... iii BERITA ACARA TUGAS AKHIR ................................................................... iv KATA PENGANTAR ........................................................................................... v ABSTRAK .......................................................................................................... vi

ABSTRACT ......................................................................................................... vii DAFTAR ISI ....................................................................................................... viii DAFTAR GAMBAR ............................................................................................. x DAFTAR TABEL ............................................................................................... xii

DAFTAR KODE PROGRAM .......................................................................... xiv BAB I PENDAHULUAN ..................................................................................... 1 1.1 Latar Belakang ............................................................................................... 1 1.2 Rumusan Masalah .......................................................................................... 3

1.3 Tujuan Penelitian ........................................................................................... 3 1.4 Manfaat Penelitian ......................................................................................... 3 1.5 Batasan Masalah ............................................................................................ 4

1.6 Sistematika Penulisan .................................................................................... 4

BAB II KAJIAN PUSTAKA ............................................................................... 6 2.1 State of the Art ............................................................................................... 6 2.2 Data Mining ................................................................................................. 10

2.3 Hubungan Data Mining dalam Kerangka Kerja CRM ................................ 11 2.4 Model RFM ................................................................................................. 13

2.5 Normalisasi Data ......................................................................................... 15 2.6 Metode Clustering ....................................................................................... 16 2.7 Metode K-Means ......................................................................................... 16 2.8 Metode Particle Swarm Optimization ......................................................... 19

2.8.1 Personal Best dan Global Best Particle Swarm Optimization ......... 20 2.8.3 Contoh Perhitungan Particle Swarm Optimization .......................... 21

2.9 Validasi Cluster ........................................................................................... 23 2.9.1 Validasi Cluster dengan Davies-bouldin Index ............................... 23

2.9.2 Validasi Cluster dengan Silhouette Index ........................................ 24 2.10 Profil Perusahaan PT. X .............................................................................. 25

BAB III METODOLOGI PENELITIAN ........................................................ 26 3.1 Tempat dan Waktu Penelitian ...................................................................... 26 3.2 Alur Penelitian ............................................................................................. 26 3.3 Sumber Data ................................................................................................ 27 3.4 Kebutuhan Hardware dan Software ............................................................ 27 3.5 Perancangan Sistem ..................................................................................... 28

3.5.1 Gambaran Umum Sistem ................................................................. 28 3.5.2 Pemilihan Data ................................................................................. 30

3.5.4 Transformasi Data ............................................................................ 35 3.5.5 Normalisasi Data .............................................................................. 39

ix

3.5.6 Optimasi Titik Pusat Cluster Menggunakan PSO ........................... 44 3.5.7 Clustering Menggunakan K-Means ................................................. 51

3.5.8 Pemodelan Data ............................................................................... 58 3.5.9 Cluster Validation dengan Davies-bouldin Index ........................... 61 3.5.10 Cluster Validation dengan Silhouette Index .................................... 66

3.6 Perancangan Basis Data ............................................................................... 69 3.7 Interface ....................................................................................................... 79

BAB IV PEMBAHASAN DAN ANALISA HASIL ........................................ 85 4.1 Piranti Implementasi Aplikasi ..................................................................... 85

4.1.1 Kebutuhan Perangkat Lunak Implementasi Aplikasi ...................... 85 4.1.2 Kebutuhan Perangkat Keras Implementasi Aplikasi ....................... 85

4.2 Hasil Perancangan Aplikasi ......................................................................... 86 4.2.1 Tampilan Menu ................................................................................ 86 4.2.2 Proses Pemilihan Data ..................................................................... 87

4.2.3 Proses Transformasi Data ................................................................ 88 4.2.4 Proses Normalisasi Data .................................................................. 90

4.2.5 Proses Optimasi Titik Pusat Cluster dengan Metode Particle Swarm

Optimization .................................................................................... 91

4.2.6 Proses Clustering Menggunakan Metode K-Means ........................ 92 4.2.7 Proses Validasi Cluster .................................................................... 93

4.3 Uji Coba Aplikasi ........................................................................................ 94

4.3.1 Hasil Uji Coba Clustering dengan 2 Cluster ................................... 95

4.3.2 Hasil Uji Coba Clustering dengan 3 Cluster ................................... 98 4.3.3 Hasil Uji Coba Clustering dengan 4 Cluster ................................. 102 4.3.4 Hasil Uji Coba Clustering dengan 5 Cluster ................................. 106

4.3.5 Hasil Uji Coba Clustering dengan 6 Cluster ................................. 110 4.4 Analisis Cluster ......................................................................................... 114

4.5 Perbandingan Hasil Clustering Metode K-Means dan Metode PSO+K-

Means ......................................................................................................... 115 4.6 Perbandingan Kelas Konsumen per Bulan ................................................ 119

BAB V PENUTUP ............................................................................................ 123

5.1 Simpulan ................................................................................................. 123

5.2 Saran ........................................................................................................ 124

DAFTAR PUSTAKA ........................................................................................ 125

x

DAFTAR GAMBAR

Gambar 2.1 Diagram Fishbone............................................................................... 9 Gambar 2.2 Proses KDD ....................................................................................... 10 Gambar 2.3 Skema CRIPS-DM ............................................................................ 12

Gambar 2.4 Topologi Bintang............................................................................... 20 Gambar 3.1 Gambaran Umum Sistem .................................................................. 28 Gambar 3.2 Relasi Tabel Data Transaksi PT. X ................................................... 31

Gambar 3.3 Skema Pembentukan Nilai RFM ....................................................... 35

Gambar 3.4 Skema Penentuan Nilai tb_standar ............................................ 37

Gambar 3.5 Skema Penentuan Nilai tb_rfm ...................................................... 38

Gambar 3.6 Screenshoot Data tb_rfm ............................................................... 40

Gambar 3.7 Screenshoot Hasil Normalisasi Data tb_rfm .................................. 44

Gambar 3.8 Flowchart Algoritma PSO ................................................................ 46

Gambar 3.9 Hasil Iterasi Pertama Metode PSO .................................................... 49

Gambar 3.10 Hasil Iterasi Kedua Metode PSO .................................................... 51 Gambar 3.11 Flowchart Algoritma K-Means ....................................................... 52 Gambar 3.12 Hasil Iterasi Pertama Metode K-Means .......................................... 55

Gambar 3.13 Hasil Iterasi Kedua Metode K-Means ............................................. 57

Gambar 3.14 Flowchart Algoritma Davies-bouldin Index ................................... 62 Gambar 3.15 Flowchart Algoritma Silhouette ...................................................... 67 Gambar 3.16 Rancangan Basis Data Bantu .......................................................... 70

Gambar 3.17 Form Home ..................................................................................... 79 Gambar 3.18 Form Transfomasi Monthly Segmentation ...................................... 80

Gambar 3.19 Form Transformasi Data ................................................................. 80 Gambar 3.20 Form Pemilihan Titik Pusat ............................................................ 81 Gambar 3.21 Form Clustering .............................................................................. 81

Gambar 3.22 Form Cluster Validation ................................................................. 82 Gambar 3.23 Form Hasil Segmentasi ................................................................... 83 Gambar 3.24 Form Hasil Segmentasi Per Pelanggan ........................................... 83

Gambar 3.25 Form About ..................................................................................... 84

Gambar 4.1 Tampilan Menu ................................................................................. 86

Gambar 4.2 Proses Pemilihan Data ....................................................................... 87

Gambar 4.3 Skema Pembentukan tb_standar ................................................ 88

Gambar 4.4 Skema Transformasi Data ................................................................. 88

Gambar 4.5 Proses Normalisasi Data ................................................................... 90 Gambar 4.6 Proses Optimasi Titik Pusat Cluster ................................................. 92 Gambar 4.7 Proses Clustering dengan Metode K-Means ..................................... 93 Gambar 4.8 Proses Validasi Cluster ..................................................................... 94 Gambar 4.9 Proses Pemilihan Titik Pusat dengan 2 Cluster ................................ 95

Gambar 4.10 Titik Pusat Optimal dengan 2 Cluster ............................................. 96 Gambar 4.11 Hasil Clustering K-Means dengan 2 Cluster ................................... 96

Gambar 4.12 Hasil Segmentasi Pembentukan 2 Cluster ...................................... 97 Gambar 4.13 Proses Pemilihan Titik Pusat dengan 3 Cluster .............................. 98 Gambar 4.14 Titik Pusat Optimal dengan 3 Cluster ............................................. 99

xi

Gambar 4.15 Hasil Clustering K-Means dengan 3 Cluster ................................. 100 Gambar 4.16 Hasil Segmentasi Pembentukan 3 Cluster .................................... 101

Gambar 4.17 Proses Pemilihan Titik Pusat dengan 4 Cluster ............................ 102 Gambar 4.18 Titik Pusat Optimal dengan 4 Cluster ........................................... 103 Gambar 4.19 Hasil Clustering K-Means dengan 4 Cluster ................................. 104 Gambar 4.20 Hasil Segmentasi Pembentukan 4 Cluster .................................... 105 Gambar 4.21 Proses Pemilihan Titik Pusat dengan 5 Cluster ............................ 106

Gambar 4.22 Titik Pusat Optimal dengan 5 Cluster ........................................... 107 Gambar 4.23 Hasil Clustering K-Means dengan 5 Cluster ................................. 108

Gambar 4.24 Grafik Clustering K-Means dengan 5 Cluster .............................. 109 Gambar 4.25 Proses Pemilihan Titik Pusat dengan 6 Cluster ............................ 110 Gambar 4.26 Titik Pusat Optimal dengan 6 Cluster ........................................... 111 Gambar 4.29 Hasil Clustering K-Means dengan 6 Cluster ................................. 112 Gambar 4.28 Grafik Clustering K-Means dengan 6 Cluster .............................. 113

Gambar 4.29 Hasil Validasi Cluster ................................................................... 115 Gambar 4.30 Perbandingan Hasil Cluster Metode K-Means dan Metode

PSO+K-Means ............................................................................... 116 Gambar 4.30 Grafik Segementasi Pelanggan (Kode Pelanggan = 12100) ......... 120

Gambar 4.31 Grafik Segementasi Pelanggan (Kode Pelanggan = 11005) ......... 121 Gambar 4.32 Grafik Segementasi Pelanggan (Kode Pelanggan = 12493) ......... 121 Gambar 4.33 Grafik Segementasi Pelanggan (Kode Pelanggan = 11794) ......... 122

xii

DAFTAR TABEL

Tabel 2.1 Daftar State of the Art ............................................................................. 8 Tabel 2.2 Klasifikasi Customer ............................................................................ 14

Tabel 2.3 Data Sumber .......................................................................................... 17 Tabel 2.4 Titik Pusat Iterasi ke-1 .......................................................................... 18 Tabel 2.5 Hasil Perhitungan Jarak ........................................................................ 19

Tabel 3.1 Tabel Pelanggan .................................................................................... 31

Tabel 3.2 Contoh Tabel tb_pelanggan ........................................................... 32

Tabel 3.3 Tabel Produk ......................................................................................... 32

Tabel 3.4 Contoh Tabel tb_produk .................................................................. 32

Tabel 3.5 Tabel Sales ............................................................................................ 33 Tabel 3.6 Contoh Tabel Sales ............................................................................... 33 Tabel 3.7 Tabel Transaksi ..................................................................................... 33

Tabel 3.8 Contoh Tabel Transaksi ........................................................................ 34 Tabel 3.9 Tabel Detail Transaksi .......................................................................... 34

Tabel 3.10 Contoh Tabel Detail Transaksi ........................................................... 35 Tabel 3.11 Data Pemilihan Atribut Sesuai Model RFM ....................................... 35 Tabel 3.12 Contoh Data pada Tabel Transaksi ..................................................... 36

Tabel 3.13 Contoh Data pada tb_standar ....................................................... 37

Tabel 3.14 Contoh Data pada tb_rfm ................................................................ 39

Tabel 3.15 Contoh Data pada tb_rfm ................................................................ 39

Tabel 3.16 Contoh Data Atribut Recency ............................................................. 40

Tabel 3.17 Contoh Data Atribut Frequency .......................................................... 42 Tabel 3.18 Contoh Data Atribut Monetary ........................................................... 43

Tabel 3.19 Hasil Normalisasi Data tb_rfm ........................................................ 44

Tabel 3.21 Normalisasi Data tb_rfm ................................................................. 47

Tabel 3.21 Contoh Data pada tb_rfm yang Ternormalisasi ............................. 52

Tabel 3.22 Perhitungan Jarak Iterasi Pertama ....................................................... 54 Tabel 3.23 Perhitungan Jarak Iterasi Pertama ....................................................... 57

Tabel 3.24 Domain Nilai RFM ............................................................................. 58 Tabel 3.25 Deskripsi Variabel Linguistik dan Label Konsumen .......................... 59

Tabel 3.26 Data tb_rfm ...................................................................................... 60

Tabel 3.27 Domain Nilai RFM ............................................................................. 61 Tabel 3.28 Kelas Cluster ....................................................................................... 61

Tabel 3.29 Normalisasi Data tb_rfm ................................................................. 63

Tabel 3.30 Contoh Data Atribut Cluster 1 ............................................................ 63 Tabel 3.31 Contoh Data Atribut Cluster 2 ............................................................ 64

Tabel 3.32 Normalisasi Data tb_rfm ................................................................. 68

Tabel 3.33 Hasil Perhitungan Indeks Silhouette ................................................... 69

Tabel 3.34 Struktur tb_standar ...................................................................... 70

Tabel 3.35 Contoh Data tb_standar ............................................................... 71

Tabel 3.36 Struktur tb_rfm ................................................................................ 71

xiii

Tabel 3.37 Struktur Data tb_rfm ........................................................................ 72

Tabel 3.38 Struktur tb_hasil ........................................................................... 72

Tabel 3.39 Struktur Data tb_hasil ................................................................... 72

Tabel 3.40 Struktur tb_range_r ...................................................................... 73

Tabel 3.41 Struktur Data tb_hasil_r .............................................................. 73

Tabel 3.42 Struktur tb_range_f ...................................................................... 74

Tabel 3.43 Struktur Data tb_hasil_f .............................................................. 74

Tabel 3.44 Struktur tb_range_m ...................................................................... 74

Tabel 3.45 Struktur Data tb_hasil_monetary ............................................. 75

Tabel 3.46 Struktur tb_kelas ........................................................................... 75

Tabel 3.47 Struktur Data tb_kelas ................................................................... 76

Tabel 3.48 Struktur tb_avg ................................................................................ 76

Tabel 3.49 Struktur Data tb_avg ........................................................................ 77

Tabel 3.50 Struktur tb_cluster ...................................................................... 77

Tabel 3.51 Struktur Data tb_cluster .............................................................. 77

Tabel 3.52 Struktur tb_hasil_normal .......................................................... 78

Tabel 3.53 Struktur Data tb_normal ................................................................ 78

Tabel 3.54 Struktur tb_optimasi .................................................................... 78

Tabel 3.57 Struktur Data tb_optimasi ............................................................ 79

Tabel 4.1 Hasil Optimasi dengan Parameter Cluster =2 dan Iterasi = 20 ............. 95 Tabel 4.2 Hasil Segmentasi Pembentukan 2 Cluster ............................................ 97

Tabel 4.3 Hasil Segmentasi Pembentukan 2 Cluster ............................................ 97 Tabel 4.4 Hasil Optimasi dengan Parameter Cluster =3 dan Iterasi = 20 ............. 99 Tabel 4.5 Hasil Segmentasi Pembentukan 3 Cluster .......................................... 100

Tabel 4.6 Hasil Segmentasi Pembentukan 3 Cluster .......................................... 100 Tabel 4.7 Hasil Optimasi dengan Parameter Cluster =4 dan Iterasi = 20 ........... 103

Tabel 4.8 Hasil Segmentasi Pembentukan 4 Cluster .......................................... 104 Tabel 4.9 Hasil Segmentasi Pembentukan 4 Cluster .......................................... 104

Tabel 4.10 Hasil Optimasi dengan Parameter Cluster = 5 dan Iterasi = 20 ........ 107 Tabel 4.11 Hasil Segmentasi Pembentukan 5 Cluster ........................................ 108 Tabel 4.12 Hasil Segmentasi Pembentukan 5 Cluster ........................................ 108

Tabel 4.13 Hasil Optimasi dengan Parameter Cluster = 6 dan Iterasi = 20 ........ 111 Tabel 4.14 Hasil Segmentasi Pembentukan 6 Cluster ........................................ 112 Tabel 4.15 Hasil Segmentasi Pembentukan 6 Cluster ........................................ 113 Tabel 4.16 Hasil Segmentasi Pembentukan 6 Cluster ........................................ 117

Tabel 4.17 Waktu Eksekusi Metode ................................................................... 118 Tabel 4.16 Perbandingan Kelas Pelanggan per Bulan ........................................ 119

xiv

DAFTAR KODE PROGRAM

Kode Program 4.1 Stored Procedure Input Nilai RFM ........................................ 89

Kode Program 4.2 Fungsi Normalisasi Data dengan Metode Min and Max ........ 90 Kode Program 4.3 Fungsi Metode Particle Swarm Optimization ........................ 91 Kode Program 4.4 Fungsi Metode K-Means ........................................................ 93 Kode Program 4.5 Fungsi Metode DBI ................................................................ 93

Kode Program 4.6 Fungsi Metode Silhouette Index ............................................. 94