BAB IV IMPLEMENTASI DAN EVALUASI
4.2 Evaluasi Sistem
4.2.2 Uji Coba Perhitungan Sistem
Uji coba sistem ini dilakukan pada proses promosi paket wisata pada menu utama Proses. Uji coba ini dilakukan dengan mengambil contoh promosi paket wisata Ahimsa Badung 2D dengan hanya menggunakan 2 kelompok atau cluster. Hal itu dilakukan agar mempermudah melihat urutan proses yang terjadi dalam sistem pengelompokan pelanggan potensial menggunakan metode k-means ini. Untuk urutan proses perhitungan yang terjadi di dalam sistem dapat dilihat pada gambar 4.69. Data Masukan 1. Paket Wisata 2. Jumlah Cluster Proses seleksi pelanggan pada data transaksi berdasarkan hotel
dan paket wisata
Proses pengelompokan pelanggan terseleksi sesuai dengan jumlah cluster Pengiriman email kepada pelanggan potensial yang ada
pada cluster dengan nilai
terbesar
Gambar 4.69 Proses Perhitungan Sistem A. Data Masukan
Pada sistem ini telah terdapat 41 paket wisata yang dapat digunakan untuk promosi, sesuai diagram proses perhitungan sistem, hal pertama yang dibutuhkan pengguna dalam hal ini manajer operasional adalah data masukan untuk uji coba sistem ini. Data tersebut dapat dilihat pada tabel 4.37.
Tabel 4.37. Data Uji Coba Perhitungan Sistem
Nama Field Data 1
ID Paket Wisata PW120514019 Nama Paket Wisata Ahimsa Badung 2D
Jumlah Cluster 2
Selain data masukan, terdapat juga data pelanggan dan data transaksi yang nantinya digunakan untuk proses seleksi pelanggan, data pelanggan dan transaksi disini sudah dimasukkan sebelumnya. Data pelanggan berjumlah 199 pelanggan dan data transaksi yang telah dilakukan berjumlah 555 transaksi.
B. Seleksi Pelanggan
Dari data masukkan tersebut, maka proses seleksi pelanggan dapat dilakukan. Proses ini dimulai dari pengguna mengakses menu utama di form Utama, pengguna untuk hak akses admin atau manajer operasional dapat memilih menu Promosi Paket Wisata pada kelompok menu Proses. Setelah itu, akan muncul tampilan form Pilih Paket Wisata Promosi, ini adalah form untuk tahap pertama, bisa dilihat pada gambar 4.70.
Gambar 4.70 form Pilih Paket Wisata Promosi Kosong
Setelah form Pilih Paket Wisata Promosi muncul, pengguna dapat menekan textbox Pilih Paket Wisata, setelah itu, akan muncul form List Paket Wisata, cari paket wisata lalu double click pada paket wisata Ahimsa Badung 2D sesuai dengan data uji coba pada tabel 4.37. Untuk gambar dapat dilihat pada gambar 4.71.
Gambar 4.71 form Cari Paket Wisata
Setelah paket wisata dipilih, pada textbox Pilih Paket Wisata akan terisi ID Paket Wisata. Nama Paket Wisata dan Nama Hotel juga tersisi. Dan tabel akan otomatis menyeleksi pelanggan. Selanjutnya masukkan jumlah cluster sebanyak 2 sesuai dengan data uji coba pada tabel 4.37. Paket wisata yang terpilih yaitu Ahimsa Badung 2D, maka form ini juga akan menampilkan hotel yang dipakai pada paket wisata tersebut, yaitu hotel The Ahimsa. Untuk gambar dapat dilihat pada gambar 4.72.
Pada form ini terjadi proses penyeleksian pelanggan pada data transaksi yang ada. Tahap pertama data transaksi diseleksi per-pelanggan berdasarkan hotel The Ahimsa yang di pakai pada paket wisata Ahimsa Badung 2D yang akan di promosikan, hal ini dilakukan melalui query dengan melakukan join tabel transaksi, paket wisata, hotel dan pelanggan lalu menyeleksi ID Pelanggan dan Nama Pelanggan dimana penyeleksian berdasarkan Nama Hotel = ‘The Ahimsa’. Hasil seleksi tahap pertama dapat dilihat pada tabel 4.38.
Tabel 4.38. Hasil Seleksi Pelanggan Berdasarkan Hotel The Ahimsa ID Pelanggan Nama Pelanggan
PE120501016 Akihiro Mihoshi
PE120502023 David Johnson
... ...
PE120517048 William G Brohier
Tahap kedua data transaksi juga di seleksi per-pelanggan berdasarkan paket wisata Ahimsa Badung 2D yang akan di promosikan. Caranya adalah melalui query dengan melakukan join tabel transaksi, paket wisata, hotel dan pelanggan lalu menyeleksi ID Pelanggan dan Nama Pelanggan dimana penyeleksian berdasarkan Nama Paket Wisata = ‘Ahimsa Badung 2D’. Hasil seleksi tahap kedua dapat dilihat pada tabel 4.39.
Tabel 4.39. Hasil Seleksi Pelanggan Berdasarkan Paket Wisata Ahimsa Badung 2D
ID Pelanggan Nama Pelanggan PE120501016 Akihiro Mihoshi
PE120502023 David Johnson
PE120503023 Wendell Carlisle
… …
Terdapat dua tahap penyeleksian dikarenakan sistem ini menggunakan 2 parameter penyeleksian yaitu berdasarkan “Hotel” dan “Paket Wisata”. Pada tabel 4.38. Hasil Seleksi Pelanggan Berdasarkan Hotel The Ahimsa terseleksi 39 transaksi yang sesuai yang pernah melakukan transaksi paket wisata yang menggunakan hotel The Ahimsa (data lengkapnya dapat dilihat pada lampiran). Untuk seleksi tahap dua didapatkan 21 pelanggan yang pernah melakukan transaksi terhadap paket wisata Ahimsa Badung 2D (data lengkapnya dapat dilihat pada lampiran). Dari 2 tabel tersebut dijumlah total transaksi per-pelanggan sesuai jumlah transaksi terhadap hotel dan terhadap paket wisata. Hasil tersebut dapat dilihat pada tabel 4.40.
Tabel 4.40. Hasil Seleksi Total Transaksi Pelanggan Berdasarkan Hotel dan Paket Wisata
ID Pelanggan Nama Pelanggan
Jumlah Transaksi Hotel Jumlah Transaksi Paket Wisata
PE120401005 Akachai Leelitthum 1 1
PE120501003 Betsy Buxer 4 2
… … … …
PE120517048 William G Brohier 5 4
Sesuai hasil dari penjumlahan transaksi berdasarkan hotel dan paket wisata maka di dapat 13 pelanggan yang dengan masing-masing jumlah parameter hotel dan paket wisata dapat dilihat pada tabel 4.40 (data selengkapnya dapat dilihat pada lampiran). Hasil dari tabel inilah nantinya yang akan digunakan untuk proses selanjutnya yaitu pengelempokan pelanggan dengan metode k-means.
C. Pengelompokan Pelanggan
Proses ini dilakukan dengan menekan tombol LANJUT pada form Pilih Paket Wisata Promosi, lalu sistem akan mulai melakukan perhitungan pengelompokan pelanggan dengan metode k-means, jika sudah selesai, maka form Pengelompokan Pelanggan Potensial akan muncul. Di dalam form ini terdapat diagram pembagian cluster, hasil seleksi pelanggan dengan cluster-nya, nilai masing-masing centroid atau pusat cluster terakhir serta daftar pelanggan potensial yang sudah terpilih. Pada diagram tersebut, pengguna juga dapat menekan titik-titik koordinat untuk melihat pelanggan siapa saja pada titik tersebut. Untuk gambar dapat dilihat pada gambar 4.73.
Gambar 4.73 form Pengelompokan Pelanggan Potensial
Sebelum ke tahap selanjutnya, akan dijelaskan terlebih dahulu proses- proses yang terjadi pada form ini. Dari data pada tabel 4.40 dan masukan jumlah cluster, sistem akan memulai pengelompokan pelanggan dengan metode k-means. Hal pertama yang dilakukan pada iterasi 0 atau awal adalah mencari nilai centroid atau pusat cluster awal. Sistem disini mengambil nilai Centroid 1 dari pelanggan
1 dengan nilai (1,1) dan Centroid 2 dari pelanggan 2 dengan nilai (4,2). Proses selanjutnya adalah menghitung jarak masing-masing pelanggan terhadap centroid (untuk perhitungan lebih detail dapat dilihat pada bagian analisa uji coba perhitungan sistem). Lalu setelah didapatkan jarak, maka pelanggan-pelanggan tersebut dikelompokkan berdasarkan jarak terdekat terhadap masing-masing centroid. Didapatkan data sebagai berikut sesuai tabel 4.41.
Tabel 4.41 Anggota Masing-masing Cluster Anggota Cluster C1 Anggota Cluster C2
PE120401005 PE120501003 PE120501016 PE120501026 PE120502027 PE120502023 PE120502028 PE120502046 PE120503024 PE120503023 PE120516011 PE120517020 PE120517048
Sesuai tabel 4.41 maka akan pada iterasi 1 akan dilakukan penghitungan centroid ulang (untuk perhitungan lebih detail dapat dilihat pada bagian analisa uji coba perhitungan sistem) dan dihasilkan nilai Centroid 1 (1.6 , 0.8) dan Centroid 2 (3.875 , 2.125). Proses selanjutnya adalah menghitung jarak masing-masing pelanggan terhadap centroid (untuk perhitungan lebih detail dapat dilihat pada bagian analisa uji coba perhitungan sistem). Lalu setelah didapatkan jarak, maka pelanggan-pelanggan tersebut dikelompokkan berdasarkan jarak terdekat terhadap masing-masing centroid. Didapatkan data sebagai berikut sesuai tabel 4.42.
Tabel 4.42 Anggota Masing-masing Cluster Baru Iterasi 1 Anggota Cluster C1 Anggota Cluster C2
PE120401005 PE120501003 PE120501016 PE120501026 PE120502027 PE120502023 PE120502028 PE120503023
Anggota Cluster C1 Anggota Cluster C2 PE120502046 PE120516011 PE120503024 PE120517020 PE120517048
Sesuai tabel 4.42, data anggota atau pelanggan pada masing-masing cluster mengalami perubahan dari cluster pada iterasi sebelumnya, maka iterasi di lanjutkan dengan menghitung centroid ulang dan di dapatkan nilai centroid C1 (1.834 , 0.834) dan centroid C2 (4 , 2.286). Proses selanjutnya adalah menghitung jarak masing-masing pelanggan terhadap centroid (untuk perhitungan lebih detail dapat dilihat pada bagian analisa uji coba perhitungan sistem). Lalu setelah didapatkan jarak, maka pelanggan-pelanggan tersebut dikelompokkan berdasarkan jarak terdekat terhadap masing-masing centroid. Didapatkan data sebagai berikut sesuai tabel 4.43.
Tabel 4.43 Anggota Masing-masing Cluster Baru Iterasi 2 Anggota Cluster C1 Anggota Cluster C2
PE120401005 PE120501003 PE120501016 PE120501026 PE120502027 PE120502023 PE120502028 PE120503023 PE120502046 PE120516011 PE120503024 PE120517020 PE120517048
Karena anggota cluster pada iterasi 1 dan iterasi 2 tidak berubah atau anggotanya tidak ada berpindah cluster, maka perhitungan diberhentikan. Setelah itu dilakukan perhitungan nilai centroid terbesar pada masing-masing cluster dan cluster C2 dengan nilai terbesar, maka pelanggan-pelanggan pada cluster C2 lah yang masuk sebagai kategori pelanggan potensial. Untuk mengetahui apakah
benar pelanggan-pelanggan yang ada pada cluster C2 adalah pelanggan yang potensial yaitu yang banyak melakukan transaksi terhadap hotel The Ahimsa dan paket wisata Ahimsa Badung 2D, dapat dilihat pada tabel 4.44.
Tabel 4.44 Perbandingan data anggota antar cluster Anggota Cluster C1 Anggota Cluster C2
ID Pelanggan X Y ID Pelanggan X Y PE120401005 1 1 PE120501003 4 2 PE120501016 2 2 PE120501026 4 3 PE120502027 2 1 PE120502023 3 2 PE120502028 2 0 PE120503023 5 1 PE120502046 3 1 PE120516011 4 1 PE120503024 1 0 PE120517020 3 3 PE120517048 5 4
Dari hasil perbandingan pada tabel 4.44 cluster yang dianggap potensial berdasarkan metode k-means adalah cluster C2, jika dibandingkan antar anggota pada cluster tersebut, terlihat nilai seleksi dari anggota C2 rata-rata lebih besar dari anggota C1. Dari hal ini dapat disimpulkan bahwa sistem dengan metode k- means dapat melakukan pengelompokan pelanggan dan mengetahui mana saja pelanggan yang termasuk di dalam kelompok pelanggan potensial.
D. Pengiriman Email
Proses selanjutnya adalah menekan tombol LANJUT pada form Pengelompokan Pelanggan Potensial, lalu form Pengiriman Email akan muncul, didalam form tersebut terdapat daftar pelanggan potensial, textbox isi email yang sudah terisi secara default. Oleh karena itu, pengguna hanya tinggal menekan tombol KIRIM untuk melakukan promosi melalui email ke setiap pelanggan
potensial yang terpilih. Untuk gambar dapat dilihat pada gambar 4.74 dan gambar 4.75.
Gambar 4.74 form Pengiriman Email
Gambar 4.75 Pesan Email Sudah Terkirim
Untuk melihat laporan promosi paket wisata yang bersangkutan, pengguna dapat menekan tombol LAPORAN pada form Pengiriman Email. Lalu Laporan Promosi sesuai paket wisata yang dipilih akan muncul.
4.2.3 Analisa Hasil Uji Coba