PENERAPAN METODE DATA MINING UNTUK

MEMPERKIRAKAN PERFORMA STARTUP

LAPORAN TUGAS AKHIR

Diajukan sebagai salah satu syarat untuk memperoleh gelar

Sarjana Terapan

OLEH
LINGGA IKHTIAR LIESTIADI
NIM: 1320039

PROGRAM STUDI SISTEM INFORMAI INDUSTRI

OTOMOTIF
POLITEKNIK STMI JAKARTA
KEMENTERIAN PERINDUSTRIAN RI
2022
 KATA PENGANTAR

Puji syukur diucapkan kehadirat Allah SWT atas segala rahmat-Nya sehingga
laporan tugas akhir ini dapat terselesaikan. Tidak lupa penulis mengucapkan
terimakasih, terhadap bantuan dari pihak yang telah berkontribusi dengan
memberikan sumbangan baik pikiran maupun materinya selama proses pengerjaan
laporan tugas akhir ini.

Penulisan laporan tugas akhir ini sebagai salah satu syarat akademik program
studi Sistem Informaasi Industri Otomotif di Politeknik STMI Jakarta. Penulis
menyadari perlunya sebuah karya tulis itu harus bermanfaat bagi masyrakat umum,
oleh karena itu besar harapan penulis jika laporan tugas akhir ini dapat berguna
sebagaimana mestinya.

Jakarta, 8 Oktober 2022

Penulis

II
 DAFTAR ISI

KATA PENGANTAR .................................................................................................. 2

DAFTAR ISI ................................................................................................................. 3
BAB I ............................................................................................................................ 4
PENDAHULUAN......................................................................................................... 4
1.1 Latar Belakang ......................................................................................... 4
1.2 Rumusan Masalah .................................................................................... 5
1.3 Batasan Masalah ....................................................................................... 5
I.4 Tujuan Penelitian...................................................................................... 5
1.5 Manfaat Penelitian.................................................................................... 5
1.6 Sistematika Penelitian .............................................................................. 6
BAB II ........................................................................................................................... 8
LANDASAN TEORI .................................................................................................... 8
2.1 Definisi Startup .............................................................................................. 8
2.2 Definisi Performa ........................................................................................... 8
2.2.1 Tingkat Pefroma ...................................................................................... 8
2.3 Machine Learning .......................................................................................... 9
2.4 Data Mining ................................................................................................... 9
2.4.1 Metode Decision Tree ............................................................................. 9
2.4.2 Metode K-Nearest Neighbor ................................................................... 9
2.4.3 Metode Naive Bayes ............................................................................. 10
BAB III ....................................................................................................................... 11
METODOLOGI PENELITIAN .................................................................................. 11
3.1 Metode Penelitian ........................................................................................ 11
3.2 Jenis dan Sumber Data ................................................................................. 11
3.3 Metode Pengumpulan Data .......................................................................... 11
3.4 Metode Pengembangan Sistem .................................................................... 11
BAB IV ....................................................................................................................... 13
PENGUMPULAN DAN PENGOLAHAN DATA .................................................... 13

III
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Berkembang pesatnya teknologi dan informasi di masa ini, membuat

penyebaran data semakin mudah diperoleh. Salah satu bentuk dari kemajuan zaman
ini adalah banyaknya perusahaan atau startup yang hadir membawa angin segar bagi
Indonesia atau bahkan dunia. Startup hadir dengan berbagai kemampuannya seperti
proses bisnis yang unik, teknologi yang digunakan modern, visi dan misi yang jelas,
serta beragam hal lainnya. Startup sendiri biasanya memiliki produk dengan orientasi
layanan, seperti Gojek, Tokopedia dan Bukalapak, startup bahkan biasanya memiliki
berbagai macam investor sehingga mereka berusaha untuk menaikan value atau nilai
untuk startup tersebut. Sebagai contoh kecil, startup dapat menjadi kategori unicorn
apabila nilai korporasinya sudah melebihi 1 miliar dollar AS atau setara dengan Rp
14 triliun (kurs Rp 14.000), tentunya tingkatan value ini masih banyak yang lainnya.

Lantas, bagaimana kondisi startup-startup di Indonesia? Startup di Indonesia

seperti Tokopedia, Gojek dan OVO sudah mencapai bahkan melampaui kategori
unicorn. Sektor industri yang diambil ketiganya sangat berbeda, ada di industri
perdagangan, akomodasi dan layanan keuangan. Hal ini tentunya menarik, karena
Indonesia memiliki beragam jenis startup yang hadir, hingga saat ini dilansir dari
laman website www.startupranking.com ada lebih dari 400 starup yang hadir di
Indonesia di tahun 2022.

Namun dari berbagai macam startup yang hadir, tentu ada yang tumbang
dengan beragam faktor. Apabila startup didirikan hanya sekedar ambisi dan tidak
mementingkan proses bisnis yang utama akan berdampak pada nilai perusahaan dan
kondisi startup itu sendiri. Tentunya kita apabila sebagai pemilik bisnis sangat tidak
ingin mendirikan sesuatu hanya sebagai ambisi atau kepuasan batin pribadi. Untuk itu

IV
perlu adanya penjagaan performa bagi sebuah startup untuk bisa terus bersaing
dengan kompetitor lainnya.

1.2 Rumusan Masalah

Berdasarkan konteks di atas, tantangan berikut diidentifikasi dan akan dibahas
dalam tugas akhir ini:
1.Bagaimana mengetahui performa dari sebuah startup?
2.Dengan mempertimbangkan faktor-faktor yang ada, bagaimana startup dapat
menjaga performanya aga terus bisa bersaing dengan komptitor lainnya?

1.3 Batasan Masalah

Berikut batasan masalah untuk menyelesaikan tugas akhir ini:
1. Area perhitungan metode terbatas pada data yang dimiliki oleh penulis.
2. Wawancara dilakukan kepada beberapa startup Indonesia guna mengetahui kondisi
dan target nilai startup.

I.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk :
1. Menghasilkan laporan performa dari sebuah startup.
2. Menghasilkan beragam cara untuk dapat menjaga performa dari startup.

1.5 Manfaat Penelitian

Berdasarkan penelitian yang telah dilakukan, maka dapat diperoleh keuntungan
sebagai berikut:

1. Untuk Penulis
Pendekatan Metode Regresi merupakan salah satu ilmu yang dipelajari saat
mengambil Mata Kuliah Data Mining di Politeknik STMI Jakarta, tentunya ini
menjadi sebuah manfaat bagi penulis karena dapat mempraktikkan di dunia nyata dan
menjadi langkah ke tahap menguasai metode-metode dari Mata Kuliah Data Mining

V
tersebut.
2. Untuk Bisnis
Sesuai dengan judul Tugas Akhir, hasil dari metode ini sangatlah baik untuk para
owner startup mengetahui performa perusahaannya sendiri sehingga dapat
memberikan gambaran nyata tentang bisnis yang dijalankan.
3. Untuk Lingkungan
Banyaknya startup Indonesia yang hadir, tentunya perlu menjaga performa dari
startup. Ketika startup-startup saling bersaing untuk meningkatkan performa maka
hasilnya adalah pelayanan dan produk yang berkualitas bagi user nya

1.6 Sistematika Penelitian

Struktur dari tugas akhir ini terdiri dari 6 (enam) bab yang masing-masing mencakup
informasi sebagai berikut:

1. BAB I: GAMBARAN UMUM

Latar belakang, rumusan masalah, batasan masalah, tujuan masalah, manfaat penelitian, dan
sistematika penulisan semuanya tercakup dalam bab ini.

2. BAB 2 : LANDASAN TEORI

Definisi startup, machine learning, performa, metode-metode dari data mining yang dipakai
semuanya dijelaskan dalam bab ini.
3. BAB 3 : METODOLOGI PENELITIAN
Bab ini menguraikan tanggal mulai dan berakhirnya penelitian, sumber dan alat,
teknik pengumpulan data, dan teknik penelitian.
4. BAB 4 : PENGUMPULAN DAN PEMROSESAN DATA
Dengan menggunakan teknik-teknik yang diuraikan dalam bab sebelumnya, bab ini
menjelaskan prosedur untuk mengumpulkan dan menganalisis data yang diperlukan
untuk penelitian.
5. BAB 5 : ANALISIS DAN PEMBAHASAN
Bab ini menjelaskan bagaimana algoritma data mining dapat menghasilkan performa
startup dan cara menjaganya.

VI
6. BAB 6 : PENUTUP
Kesimpulan yang ditarik dari temuan studi berdasarkan pengolahan dan analisis
masalah disajikan dalam bab ini.

VII
 BAB II
LANDASAN TEORI

2.1 Definisi Startup

Startup adalah sebuah perusahaan yang berorientasi digital atau berbasis teknologi
berguna untuk menyelesaikan permasalahan secara cepat dan tepat. Dalam
perkembangannya sendiri, startup sendiri memiliki sebuah ciri khas dimana mereka
membuat sebuah landing page yang berisi tentang informasi perusahaan mereka.
Berikut beberapa kutipan dari para ahli tentang apa itu startup.

1. Blank dan Dorf (2012) menjelaskan bahwa startup adalah organisasi yang
bersifat sementara yang bertujuan untuk menemukan bisnis model dalam
situasi yang belum pasti.
2. David Kidder (penulis buku Startup Playbook (2012)) mendefinisikan
startup sebagai sebuah bisnis baru dengan inisiasi original yang digagas oleh
pendirinya dengan berfokus pada pertumbuhan yang tinggi, memiliki
risiko/keuntungan, dapat diukur, dan mampu memimpin pasar.

2.2 Definisi Performa

Mengutip dari Kamus Besar Bahasa Indonesia, performa memiliki arti penampilan
atau melakukan. Dalam kasus ini artinya penampilan sebuah perusahaan dalam
melakukan tugasnya. Menurut Peter Jennergren dalam Nystrom dan Starbuck
(1981:43), makna dari Performance (Kinerja) adalah “Pelaksanaan tugas-tugas secara
actual”.

2.2.1 Tingkat Pefroma

Stodgil dan James D.Thomson (1967:33) berpendapat bahwa keberhasilan organisasi

melalui :
- Productivity
- Integration
- Morale
- Adaptiveness
- Institutionalization.

Dalam jurnal “Analysis Of Internal Factors For Improving The Performance Of

Startup Companies In Medan” terdapat empat faktor yang mempengaruhi performa
perusahaan seperti pada gambar berikut.

VIII
 Gambar 1. Empat Faktor Performa

2.3 Machine Learning

Machine learning adalah ilmu yang bertujuan membuat suatu sistem algoritma untuk
menyelesaikan permasalahan dengan terus menerus belajar berdasarkan data yang
ada. Machine learning sendiri merupakan salah satu cabang dari artificial
intelligence.

2.4 Data Mining

Data mining merupakan suatu alat yang memungkinkan para pengguna untuk
mengakses secara cepat data dengan jumlah yang besar. Dalam praktiknya seperti
pengolahan data untuk menghasilkan sesuatu yang kita inginkan.

Menurut Turban et al (2005) data mining adalah proses semi otomatik yang
menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning
untuk mengekstraksi dan mengidentifikasi informasi pengetahuan potensial dan
berguna yang tersimpan di dalam database besar.

2.4.1 Metode Decision Tree

Algoritma Decision Tree bersifat sangat kuat, populer, berbasis logika, dan mudah
dipahami (Lakshmi et al., 2016). Hal yang menarik dari Decision Tree adalah
penggunaan struktur pohon (tree) yang berfungsi untuk merepresentasikan aturan
yang terbentuk dari hasil klasifikasi.

2.4.2 Metode K-Nearest Neighbor

K-Nearest Neighbor merupakan salah satu metode klasifikasi dalam data mining yang
termasuk ke dalam supervised learning. Pengklasifikasian yang dilakukan
berdasarkan atribut dan data training, sehingga proses pengklasifikasian data baru
dilakukan berdasarkan perbandingan kemiripan mayoritas pada data training. Dalam
KNN nilai jarak ditentukan dengan pengujian data testing terhadap data training
kemudian menggunakan nilai terkecil dari nilai ketetanggan terdekat (Krisandi et al.,

IX
2015).

Penghitungan jarak umumnya menggunakan jarak Euclidean Distance sebagai

berikut.

Gambar 2. Metode KNN

2.4.3 Metode Naive Bayes

Naïve Bayes merupakan algoritma yang berdasarkan teorema Bayes, di mana antar
atributnya tidak memiliki hubungan atau ketergantungan, sehingga setiap atribut
bersifat saling bebas. Klasifikasi Naïve Bayes merupakan metode klasifikasi yang
menghitung probabilitas suatu kejadian berdasarkan kondisi tertentu, berikut
persamaan dalam Naïve Bayes (Lukito & Chrismanto, 2015).

Gambar 3. Metode Naive Bayes

X
 BAB III
METODOLOGI PENELITIAN

3.1 Metode Penelitian

Menurut Prof M.E. Winarno, metodologi penelitian adalah suatu kegiatan ilmiah
yang dilakukan dengan teknik yang teliti dan sistematik. Untuk menunjang penelitian
ini, metode penilitian yang digunakan adalah metode kuantitatif, dengan
pengumpulan datanya berupa kuesioner. Kuesioner akan memuat setiap faktor-faktor
yang sudah ditentukan berdasarkan dari literature review yang sudah dilakukan.

3.2 Jenis dan Sumber Data

Jenis data yang akan dikumpulkan berupa data primer dan data sekunder. Sumber
data nantinya akan berasal dari pihak-pihak startup yang sudah dipilih dan beberapa
ahli di bidang IT dan bisnis. Berikut uraiannya :
a. Data Primer
Data primer merupakan data yang diperoleh dari hasil kuesioner yang
didapatkan di lingkungan startup yang sudah-sudah dikumpulkan sebelumnya.
b. Data Sekunder
Data sekunder merupakan data yang diperoleh dari hasil kuesioner yang
didapatkan di lingkungan para ahli IT dan bisnis yang sudah didapatkan.

3.3 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan untuk memperoleh jawaban yang sah dan
valid dapat digunakan dengan metode kuesioner.

3.4 Metode Pengembangan Sistem

Metode pengembangan sistem yang dipakai nantinya akan menggunakan metode

pengembangan waterfall. Adapun dalam metode ini memiliki beberapa tahapan
berupa:

a. Requirement Analysis
Tahapan metode waterfall yang pertama adalah analisis kebutuhan.
Pengembang harus melakukan riset untuk mengidentifikasi apa saja
kebutuhan pengguna dari sistem yang dibangun.
b. Design
Kedua, tahapan metode waterfall adalah proses perancangan dan
pengembangan berdasarkan informasi kebutuhan pengguna. Perancangan
tentu dilakukan untuk lebih mempermudah proses pengerjaan dan
mendapatkan gambaran detail terkait tampilan sebuah sistem.
c. Implementation and Unit Testing

XI
 Tahapan ketiga metode waterfall adalah implementasi yang mengarah pada
proses coding. Proses pengembangan sistem akan melalui tahapan dalam
bentuk modul-modul kecil yang pada tahapan metode waterfall selanjutnya
akan digabungkan.
d. Integration and System Testing
Tahapan keempat mengacu pada proses pengintegrasian setiap modul yang
telah dibuat. Setelah proses ini selesai, pengembang akan melakukan testing
untuk mengecek jalannya fungsi sistem secara keseluruhan.
e. Maintenance
Setelah serangkaian langkah sistematis di atas, perawatan sistem yang telah
dibuat merupakan tahapan terakhir dari metode inil. Sistem tersebut telah
didistribusikan dan digunakan oleh pengguna.

XII
 BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA

XIII