1.1. Latar Belakang
Perkembangan teknologi informasi terutama di Indonesia semakin berkembang.
Dengan adanya teknologi informasi dan komunikasi dapat memudahkan untuk
mendapatkan informasi yang dibutuhkan dari mana saja, kapan saja dan dari siapa
saja. Kemajuan teknologi digital dan jaringan internet telah memberikan
kemudahan dalam mendapatkan informasi, disisi lain data yang dihasilkan dari
berbagai informasi sangat besar dan terus berkembang (Witten et all. 2011).
Untuk itu dibutuhkan suatu metode yang dapat melakukan pengolahan data
dengan skala besar, salah satunya adalah dengan metode menambang data.
Penambangan data merupakan metode pemilihan data yang dianggap bermanfaat
untuk tujuan khusus, sehingga dari data yang ada dapat diperoleh informasi
penting yang dapat digunakan untuk kebutuhan tertentu. Kebutuhan untuk
memahami pada data yang besar, kompleks, kaya informasi adalah kebutuhan
yang umum bagi hampir semua bidang bisnis, sains dan teknik (Kantardzic M.
2011), termasuk pada bisnis telekomunikasi.
Data mining adalah salah satu solusi untuk permasalahan di atas. Data mining
merupakan serangkaian proses untuk menggali suatu informasi terpendam dari
suatu kumpuilan data berupa pengetahuan yang selama ini tidak diketahui secara
manual. Data mining akan membentuk klasifikasi dalam kelompok yang memiliki
karakteristiknya masing-masing. Proses klasifikasi kelompok ini biasa di sebut
teknik data mining atau algoritma data mining (Farisi A. 2007)
Data mining dapat digunakan sebagai metode untuk menggali data yang
tujuan tertentu, salah satunya adalah analisa performansi dengan memanfaatkan
data terkait yang memiliki keterhubungan baik secara langsung maupun tidak.
Salah satunya adalah data revenue perusahaan, kriteria Baldridge dan data CSI
yang ada untuk mengukur performansi dengan cepat dan tepat. Hal ini bukanlah
persoalan baru, ekonom, statistik, peramal, dan insinyur komunikasi telah lama
bekerja dengan gagasan bahwa pola dalam data dapat dicari secara otomatis,
diidentifikasi, divalidasi, dan digunakan untuk prediksi (Witten et all., 2011).
Sejak teknik data mining ditemukan penelitian seputar cara untuk menemukan
pola penambangan pada data besar menjadi sangat aktif dan sudah diaplikasikan
secara luas pada berbagai bidang pengetahuan industri dan pemerintahan (Pascal
P et all., 2008)
Penerapan data mining untuk analisa performansi termasuk hal yang
menarik, khususnya yang melakukan kolaborasi antara ilmu terapan lain semisal
ilmu ekonomi, statistik dan informatika. Ada banyak hal yang dapat diteliti pada
bidang ini, karena terdapat banyak data yang berpotensial untuk ditambang.
Penulis telah melakukan pembelajaran terhadap beberapa penelitian terkait yang
mengangkat topik teknik data maning untuk mengukur performansi. Data mining
dapat diterapkan dalam menganalisa performansi akademis mahasiswa dengan
menghubungkan beberapa faktor menggunakan metode Decission tree (Adeyemo
& Kuya, 2006). Bahkan ada penelitian yang membahas prediksi beberapa faktor
yang menyebabkan mahasiswa melakukan Drop Out dengan metode yang sama
(Quadri & Kalyankar, 2010). Selain di bidang pendidikan, analisa performansi
dengan teknik data mining juga pernah diterapkan pada suatu organisasi atau
perusahaan seperti analisa performansi pada perusahaan komputer terkemuka di
Jepang yakni Fujitsu (Yaginuma, 2000)
Penelitian yang dilakukan penulis adalah bagaimana menerapkan Data
mining dengan kombinasi ilmu ekonomi, manajemen dan statistika dalam satu
studi kasus. Tantangan dalam penelitian ini adalah mengeksplor beberapa ilmu
terapan, diantaranya ilmu ekonomi untuk menganalisa keterkaitan dengan revenue
kebijakan perusahaan yang dirangkum dalam kriteria Baldridge dan ilmu statistika
mengenai penelitian indeks kepuasan pelanggan (CSI) yang kemudian ketiga data
tersebut akan dihubungkan satu sama lain dalam menganalisa tingkat performansi
sebuah perusahaan untuk mencapai kinerja manajemen unggul (TQM) dengan
proses yang lebih cepat dan akurat dari sistem yang berlangsung.
Teknik data mining yang penulis gunakan adalah algoritma pohon
klasifikasi dan regresi (Classification and Regression Tree, CART) dengan
menghasilkan pohon keputusan (decission tree) yang memberikan petunjuk agar
Top Management/ stakeholder perusahaan dapat melakukan tindakan dalam
meningkatkan performansi perusahaan pada setiap sistem terkait demi tercapainya
visi dan misi perusahaan. Alasan penulis memilih teknik data mining CART ini
adalah karena karakteristik metode CART sesuai dengan data yang penulis
dapatkan, selain itu CART merupakan metode partisi rekursif yang digunakan
baik untuk dua teknik data mining yakni rekursif maupun klasifikasi. Penelitian
ini diharapkan dapat memberikan kontribusi yang bermanfaat bagi Perusahaan PT
Telekomunikasi Indonesia Unit Enterprise Regional 1 Sumatera (Telkom Uner 1
Sumatera).
1.2. Perumusan Masalah
Telkom Uner 1 Sumatera sebagai unit marketing yang menangani pelanggan
korporat, telah memiliki sistem yang menunjang performansi unitnya sendiri
disebut dengan Tracking and Complience Application (TANCAP). Namun ada
beberapa masalah yang membutuhkan alternatif solusi yang lebih baik:
1. Sistem yang berjalan saat ini masih bersifat manual, yakni unit terkait
mengambil data mentah dari basisdata internal yang kemudian dilakukan
analisa oleh tim manajemen.
2. Basisdata internal dari Telkom Uner 1 Sumatera cukup banyak, dan
membutuhkan waktu yang cukup lama dan rumit dalam menganalisa agar
3. Analisa yang diterapkan bersifat analisa manusia yang terbatas pada jumlah
data, objektifitas data serta tingkat akurasi yang lemah.
4. Data yang digunakan oleh TANCAP hanya data proses bisnis Telkom UNER
1 Sumatera yang sesuai dengan kebijakan perusahaan (belum memanfaatkan
data lain yang berhubungan baik secara langsung maupun tidak, semisal data
revenue dan data penelitian indeks kepuasan pelanggan (CSI).
1.3. Batasan Masalah
Rumusan masalah di atas, dibatasi dengan beberapa hal sebagai berikut :
1. Penelitian ini merupakan studi kasus pada Telkom Uner 1 Sumatera.
2. Data diperoleh dari basis data internal Telkom Uner 1 Sumatera dengan
beberapa syarat serta aturan perusahaan yang harus dipatuhi.
3. Sistem pendataan mengikuti standart yang digunakan pada perusahaan
Telkom Uner 1 Sumatera.
4. Algoritma teknik data mining yang digunakan adalah metode pohon
keputusan CART.
5. Dalam memperoleh data, penulis menggunakan aplikasi opensource
seperti MySql dan editor TOAD for MySql versi 6
6. Dalam membuat rule atau aturan, penulis menggunakan perangkat lunak
Rapidminer 5.0 untuk melakukan analisis data dan SPSS versi 18 untuk
validasi data yang ada.
1.4. Tujuan Penelitian
Tujuan yang ingin dicapai pada penelitian tesis ini yaitu :
1. Menganalisa performansi UNER I Sumatera dengan teknik data mining
sebagai metode untuk menggali data yang besar dan kompleks menjadi
informasi yang berguna untuk melakukan monitoring dan tracking dalam
mencapai kinerja manajemen unggul (TQM) melalui keterhubungan
antara internal basis data Telkom Uner 1 Sumatera yang lebih cepat dan
2. Untuk membantu Top Management/ stakeholder perusahaan dalam
mengambil tindakan preventif bagi customer yang memberikan index
ketidakpuasan agar tidak berdampak buruk terhadap revenue yang
diperoleh dengan tetap menerapkan proses bisnis yang sesuai dengan
kebijakan perusahaan.
1.5. Manfaat Penelitian
Manfaat dari penelitian tesis ini adalah:
1. Membantu Top Management/ stakeholder perusahaan dalam mengambil
keputusan untuk mencapai kinerja manajemen unggul.
2. Sebagai referensi bagi penulis selanjutnya yang berkaitan dengan
penggunaan teknik data mining pada perusahaan telekomunikasi dengan
mengkolaborasikan ilmu ekonomi, ilmu manajemen dan ilmu statistika
pada ilmu komputer.
3. Memberikan masukan pada manajemen perusahaan Telkom Uner 1
Sumatera sebagai dasar untuk meningkatkan kualitas layanan pada
customer yang berdampak positif terhadap revenue yang diperoleh
perusahaan dengan penerapan kebijakan perusahaan yang menguntungkan
bagi customer dan perusahaan sesuai dengan konsep kinerja manajemen
unggul (TQM).
1.6. Metodologi Penelitian
Dalam penelitian ini, penulis terlebih dahulu melakukan identifikasi masalah yang
ada dalam Telkom Uner 1 Sumatera, kemudian mengumpulan data yang
mendukung. Data inilah yang nantinya akan diolah agar dapat menjawab masalah
dalam peelitian. Secara keseluruhan desain penelitian dapat digambarkan pada
Gambar 1.1. Kerangka pemikiran penelitian
Untuk Instrumen yang digunakan penulis, diantaranya adalah:
1. Microsoft Office versi 2007, aplikasi pengolah data perkantoran
2. SPSS versi 18, aplikasi pengolah data statistika
3. Rapidminer versi 5, aplikasi data mining
1.7. Sistematika Penulisan
Bab I, Pendahuluan, berisi: latar belakang, perumusan masalah, batasan masalah,
tujuan penelitian, manfaat penelitian, metodologi penelitian dan sistematika
penulisan.
Bab II, Tinjauan Pustaka, berisi: bahasan umum mengenai data mining, kajian
jurnal-jurnal terkait pada bidang yang sama ataupun algoritma yang sama serta
perbandingannya satu sama lain.
Bab III, Metodologi, berisi: bahasan tentang urutan pelaksanaan yang dilakukan
dalam pengumpulan data, pengolahan data, dan hasil dari penerapan algoritma
CART dengan menggunakan sampel data yang dapat mewakili populasi dari data
secara keseluruhan.
Bab IV, Hasil dan Pembahasan, berisi: hasil penelitian dan analisa penelitian
yang disajikan dalam bentuk tabel dan grafik dengan menggunakan data secara
keseluruhan
Bab V, Kesimpulan dan Saran, berisi: Perumusan/ generalisasi dari pembahasan
hasil akhir dari penelitian serta implikasi terhadap pengembangan ilmu
