Data Mining 2

5/28/2018 Data Mining 2

1/12

415

PERANCANGAN APLIKASI DATA MINING DENGAN ALGORITMA APRIORI

UNTUK FREKUENSI ANALISIS KERANJANG BELANJA PADA DATA

TRANSAKSI PENJUALAN

(Studi Kasus di Swalayan KPRI Universitas Brawijaya)

DESIGNING APPLICATIONS DATA MI NING WITH THE APRIORI ALGORITHMTO FREQUENCY MARKET BASKET ANALYSIS ON SALES TRANSACTION DATA

(Case Study in Supermarket KPRI University of Brawijaya)

Heru Dewantara1)

, Purnomo Budi Santosa2)

, Nasir Widha Setyanto3)

Jurusan Teknik Industri Fakultas Teknik Universitas Brawijaya

Jalan MT. Haryono 167, Malang 65145, Indonesia

E-mail:[email protected]),[email protected]),[email protected])

Abstrak

Penelitian ini berupaya mengembangkan strategi bisnis peletakkan barang belanjaan yang disesuaikandengan pola konsumsi konsumen di Swalayan KPRI Universitas Brawijaya Malang. Metode yang digunakan

adalahMarket Basket Analysis (MBA)dengan memanfaatkan data transaksi penjualan selama bulan Februari

2013. Hasil peneltian ini adalah sebuah prototipe aplikasi MBA. Pengujian prototipe dilakukan dengan

batasan minimum transaksi (support) sebesar 7 transaksi dan minimum confidence sebesar 5%. Dengan

batasan tersebut, aplikasi MBA membentuk 11 aturan asosiasi. Salah satu aturan asosiasi yang terbentuk

adalah jika membeli gula pasir lokal 1kg, indofood bmb.racik sayur sop 20gr 9117, maka membeli indofood

bmb.racik sy.asem 20gr rsah.463 dengan nilai support = 0,52% dan nilai confidence = 90,91% yang

merupakan aturan dengan nilai confidence tertinggi. Proses selanjutnya adalah mengkategorikan item yang

digunakan sebagai acuan perbaikan layout, sehingga mendapatkan rekomendasi perbaikan layout yang

menyatakan bahwa gula didekatkan dengan telur, bumbu masak jadi, dan minyak goreng; minyak goreng

didekatkan dengan bumbu masak jadi; telur didekatkan dengan beras dan mie instant serta minuman

didekatkan dengan roti. Dengan demikian, penataan barang dagangan bisa disesuaikan dengan aturan asosiasi

agar sesuai dengan pola konsumsi konsumen.

Kata kunci:Data Mining, Algoritma Apriori,Market Basket Analysis, Swalayan

1. PendahuluanPerkembangan dan persaingan bisnis

dalam perdagangan dunia melalui ekonomipasar bebas dan kemajuan teknologi informasi

membawa perusahaan pada tingkat persainganyang semakin ketat dan semakin terbuka dalammemenuhi tuntutan pelanggan yang jugasemakin tinggi. Perusahaan harus bisa

menerapkan strategi bisnis yang baik untuk bisabersaing dan tetap memiliki pangsa pasar.Persaingan dalam bisnis tidak bisa dipisahkandari teknologi informasi yang menjadi topikhangat untuk saat ini.

Swalayan Koperasi Pegawai RepublikIndonesia Universitas Brawijaya (KPRI-UB)terletak di Jalan Mayjen Haryono 169 Malangyang berada di lingkungan kampus UniversitasBrawijaya di pusat kota Malang. SwalayanKPRI-UB ini merupakan perusahaan riteldengan format swalayan atau supermarket.Swalayan ini selalu berusaha mewujudkankepuasan bagi konsumen dengan menyediakan

produk yang berkualitas, layanan yang unggul,

dan akrab bersahabat, serta dalam suasanabelanja yang menyenangkan, namun karenaterjadi persaingan dengan swalayan lainnya

maka diperlukan strategi strategi untukmempertahankan bisnis ritel tersebut.

Sehubungan dengan itu suatu swalayanharus mengerti apa yang sebenarnya diinginkan

oleh konsumennya untuk memberikankenyamanan dalam berbelanja di swalayantersebut, terutama dalam memberikankemudahan untuk memilih barang belanjaanyang diinginkan oleh kosumen. Sebagai contohdalam peletakan barang-barang belanjaan yangtersusun di dalam rak sebaiknya disesuaikandengan pola belanja konsumen. Dari hasilbrainstorming dengan pihak manajemendiketahui bahwa kondisi nyata yang terdapat diswalayan KPRI-UB, peletakan barang-barangdi dalam rak saat ini masih berdasarkanpenggolongan barang yang berasal dari persepsimanajemen saja. Hal ini masih belum sejalan
mailto:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]


2/12

416

jika melihat kecenderungan pola konsumendalam berbelanja yang biasanya membelibarang dengan pola hubungan produk yangberdekatan dan dibeli secara bersama-sama.Oleh karena itu, sangat penting untukmenempatkan barang sesuai dengan polakonsumsi konsumen yang sebenarnya dapatmempengaruhi selera belanja konsumen sertapenjualan terhadap suatu produk (AlbionResearch, 2007 dalam Lestari, 2009).

Peletakan barang-barang di dalam rakpada sebuah swalayan dapat digali dari datatransaksi penjualan produk-produk, namunswalayan KPRI-UB belum memanfaatkan datatransaksi tersebut untuk diolah menjadiknowledge yang dapat menaikkan lababisnisnya dengan peletakan barang di rak yang

lebih optimal.Salah satu metode yang dapatdigunakan untuk menganalisis pola perilakubelanja konsumen adalah analisis keranjangbelanja atau Market Basket Analysis (MBA).

Analisis ini merupakan salah satu metodedalam penambangan data (data mining) yang

bertujuan untuk menemukan produk-produkyang sering dibeli bersamaan dari datatransaksi. Metode analisa pola perilakubelanja MBA menggunakan bantuanalgoritma apriori, yang merupakan

algoritma MBA yang digunakan untukmenghasilkan association rule, dengan polaif then . Teknik tersebut bisa diterapkandalam data yang sangat besar seperti datatransaksi penjualan (Marsela dkk, 2004

dalam Bonai, 2011). Penggunaan teknik datamining membantu orang untuk tidak perlu

melakukan analisis secara manual, melainkandapat menggunakanMBA.

Berdasarkan hal-hal yang telah dijelaskandiatas maka tujuan yang ingin dicapai adalahdapat merancang sistem database, membangun

aplikasi MBA untuk membantu peletakkanbarang dagangan dan mengujicobakan aplikasiMBA.

2. Metode PenelitianPembahasan merupakan tahapan terpenting

dalam penelitian yang dilakukan. Padapenelitian ini, tahapan pembahasan akanmenjelaskan langkah-langkah merancang danmengembangkan aplikasi MBA. Adapun

sistematika dan tahapan sendiri yang perludilakukan berdasarkan SDLC (SystemDevelopment Life Cycle), yaitu:a. Perencanaan (Plannning)b. Analisis (Analysis)c. Desain (Design)d. Implementasi (Implementation)e. Pengujian (Testing)3. Analisis dan Perancangan Sistem3.1Perencanaan (Planning)

Tahap perencanaan berisi preliminaryinvestigation yang dilakukan dengan terlebih

dahulu mengidentifikasi permasalahan yang adaserta kebutuhan pengguna terhadap adanyasistem baru dibandingkan dengan sistem yangtelah ada.

Melihat sistem penjualan yang terjadi diswalayan ini sudah menggunakan teknologimaka produktivitas transaksi penjualan dapatterjaga dengan baik.

Untuk dapat merancang danmengembangkan aplikasi dengan baik, maka

perlu dilakukan perencanaan untuk beberapakomponen berikut, yaitu:

1. Subsistem databaseDalam subsistem ini data yang akandiproses adalah data transaksi penjualanselama bulan februari 2013 yang didapat

dari pihak Swalayan KPRI-UB.2. Subsistem userinterface

Tampilan antar muka pengguna (userinterface) dengan komputer nantinya akanmenunjukkan tampilan form yang akandihadapi oleh user saat menggunakanaplikasi agar lebih interaktif dankomunikatif.

3.2Analisis (Analysis)3.2.1 Analisis Kelemahan Sistem Lama

dengan PIECES

Sistem informasi lama yang saat ini sudahada di Sawalayan KPRI-UB tentunya masih

memiliki beberapa kelemahan. Diharapkandengan adanya rekayasa sistem pendukungkeputusan berupa aplikasi MBA yang akandibuat, beberapa permasalahan yang timbuldapat teratasi. Analisis kelemahan sistem lama

dapat ditinjau dari sudut pandang PIECES


3/12

417

Tabel 1.Analisis Kelemahan Sistem Lama

Jenis

AnalisisKelemahan Sistem Lama

Performance Sistem informasi yang ada di Swalayan KPRI-UB hanya mampu melakukan kalkulasi sertapencatatan transaksi pembelian dan penjualan, namun pencatatan transaksi tersebut belum

dimanfaatkan untuk menentukan tata letak barang.

Information Sistem informasi yang sudah ada di Swalayan KPRI-UB ini masih belum bisamenggambarkan pola konsumsi konsumen yang akan berpengaruh terhadap tata letak barang

di dalam rak.

Economic Penggunaan biaya yang berhubungan dengan tata letak barang belum diketahui,namun

dengan adanya aplikasiMBAakan dapat mengurangi biayapaperless system.

Control Dalam membantu pengambilan keputusan belum bisa menggambarkan tata letak barang

sesuai dengan keinginan konsumen.

Efficiency Sistem informasi yang sudah ada di Swalayan KPRI-UB (system existing) masih belum bisa

menggambarkan pola konsumsi konsumen dari data transaksi yang diperoleh dari konsumen

karena data transaksi tersebut hanya disimpan dan belum dimanfaatkan.

Service Dalam penempatan tata letak barang masih kurang akurat karena hanya berdasarkan persepsi

manajemen saja dengan mengkategorikan produk-produk yang ada dan belum meninjau dari

segi konsumen.

3.2.2 Process Modell ingProcess modelling menggambarkan

bagaimana proses bisnis beroperasi,mengilustrasikan aktivitas-aktivitas yangdilakukan dan bagaimana data berpindah diantara aktivitas tersebut. Process modellingdijelaskan dengan menggunakan bentukflowchartproses bisnis. Gambar 1 menjelaskanmengenai process modelling pada swalayanKPRI-UB.

Konsumen memilih

barang

Konsumen

membayar dikasir

Pencatatn data

transaksi

Data transaksi

tersimpan dalam

database

Gambar 1.FlowchartProses BisnisDari Gambar 1 dapat diketahui bahwa

proses bisnis yang terjadi di swalayan KPRI-UB saat ini adalah masih sebatas sampaidengan penyimpanan data transasksi. Datatransaksi tersebut belum digunakan untukkepentingan bisnis yang dapat mengetahui polakonsumsi konsumen, sehingga kebutuhanswalayan dapat diketahui bahwa perlu

penangan untuk mengolah data transaksi

tersebut agar tidak hanya sebagai data simpanansaja. Maka dari itu kebutuhan yang dimaksudadalah berupa aplikasi MBA yang akan

digunakan untuk mengetahui pola konsumsikonsumen.

3.2.3 Data Modell ingData modelling adalah proses yang

digunakan untuk mendefinisikan danmenganalisis kebutuhan data yang diperlukanuntuk mendukung proses bisnis dalam lingkupsistem informasi yang sesuai dalam organisasi.Data modelling digambarkan dengan DFD

(Data Flow Diagram).Berikut ini adalah penggambaran DFD

untuk aplikasiMBAyang dibuat.1. Context diagram

Context diagram merupakan diagram dari

sebuah sistem yang menggambarkan aliran-aliran data yang masuk dan keluar darisistem dan yang masuk dari entitas luar.

SiSTEM MBA Manajer

Data login

Add, delete, edit userData transaksi

Min transaksi(support) & Min confidence

Report association rule

Data transaksi

Data user

Validasi data login

0Karyawan

Data login

Validasi data loginData transaksi

Gambar 2.Context DiagramSistemMBA

Dalam context diagram, dapat dilihat bahwamanajer melakukan pengiriman data login,pengiriman add/delete/edit user,memasukkan inputan min transaksi

(support) dan min confidence. Pengirimanproses-proses tersebut akan diproses oleh

sistem MBA dan sistem akan mengirimkanvalidasi data login, data user yang

dilakukan perubahan, data transaksi, danreport association rule. Sedangkan untuk


4/12

418

karyawan hanya dapat melakukanpengiriman data logindan mengimport datatransaksi. Kemudian sistemMBAmelakukanpengiriman validasi data login dan datatransaksi. Untuk lebih jelasnya akan digambarkan pada DFD level 0.

2. DFD level 0DFD level 0 (overview diagram)menggambarkan mengenai proses-proses

apa saja yang akan dilakukan danmelibatkan entitas-entitas eksternal yang adaserta data-data tertentu. Pada level ini,proses tunggal dari context diagramdipecahmenjadi lima proses utama yang lebihterperinci, yaitu proses login, usersetting,import data, generate frequent itemsets, dangenerate association rule.

User setting

Manajer

Login

Import data

Generate

association rule

T.User

Data user

Konfirmasi user name & password

T. detail_transaksi

T. transaksi

Pembuatan database

Pembuatan database

User name + password

Validasi data login

Add, delete, edit

user

Memilih data

Menampilkan data

Min transaksi (support)

& Min confidence

report

T. Rule

Pembentukan aturan

Generate

frequent

itemsets

Pembentukan freq.

tinggi

Membuat aturan

Pembentukan freq.

tinggi

1

2

3

4

5

Data detail transaksi

Karyawan

User name + password

Validasi data login

Menampilkan data

Gambar 3.DFD Level 0 dari Context DiagramSistemMBA

Proses yang terjadi pada DFD level 0 dari

context diagram sistem MBA dapatdijelaskan sebagai berikut:1) Proses 1Login

a) Manajer dan karyawanmemasukkan username dan

passwordb) Tabel T.User memberikan

konfirmasi username danpasswordc) Sistem mengirimkan validasi login

terhadap manajer dan karyawan

2) Proses 2 Usersettinga) Manajer mengirimkan perintah

add, delete, edit userkepada sistemb) Sistem mengirimkan data user dan

menyimpan ke dalam tabel T.User3) Proses 3 Import data

a) Karyawan memilih data eksternalyang akan di proses

b) Sistem melakukan pembuatandatabase dengan tabel T.transaksi

dan T. detail transaksi


5/12

419

c) Sistem mengambil data detailtransaksi dari T. detail transaksi

d) Sistem menampilkan data yangtelah di import kepada manajer dankaryawan

4) Proses 4 Generate frequent itemsetsa) Tabel T.transaksi dan T.

detail_transaksi mengirimkanperintah pembentukan frequenttinggi kepada sistem

b) Sistem mebuat aturan hubunganbarang dan menyimpan ke dalamtabel T.Rule

5) Proses 5 Generate association rulea) Manajer menginput min transaksi

(support)dan min confidenceb) Sistem mengambil bentuk aturan

dari tabel T.Rulec) Sistem memberi report associationrulekepada Manajer

Pada tahapan ini juga berkaitan dengan

sistem kebutuhan pengguna menjadi desainsistem baru yang kemudian akan dibuat dalam

bentuk program aplikasi. Adapun analisis inimeliputi kebutuhan fungsional dan kebutuhannon fungsional.

3.2.4 Anali sis Kebutuhan FungsionalTahap ini merupakan langkah analisa untuk

memahami kebutuhan pengguna (user) akansistem baru yang meliputi lima komponenutama, yaitu input, output, process,performance, dan control. System requirementchecklist berperan sebagai patokan untukmengukur keberhasilan aplikasi yang akan

dibangun.Untuk memahami system requirement

checklist, maka perlu dipahami calon usernya.Dalam hal ini, pengguna aplikasi ditujukankepada manager Swalayan KPRI-UB. Untuk

lebih jelasnya berikut ini system requirementchecklistdalam bentuk tabel:

Tabel 2.System Requirement ChecklistKomponen Penjabaran

Input Data transaksi penjualan

Nilai minimumsupport

Nilai minimum Confidence

Output Hubungan antar barang yang

berkaitan

Nilaisupportdari hubungan antar

barang

Nilai confidencedari hubungan antar

barang

Komponen Penjabaran

Process Pencarian hubungan barang dengan

algoritma apriori

Menghitung nilaisupportdari setiap

item

Menghitung nilai confidencedari

setiap item

Performance Sistem dapat menggambarkan

hubungan antar barang yang dapat

dijadikan sebagai informasi untuk

penatakan barang di rak

Sistem mendukung sistem databaseuntuk mengelola data

Control Sistem memberikan fasilitas

keamanan

Useryang memiliki hak akses yang

hanya dapat mengolah data.

3.2.5 Anali sis Kebutuhan Non-FungsionalKebutuhan non-fungsional mengacu padaatribut perilaku yang harus dimiliki oleh sebuahsistem, seperti performa dan useability.Kebutuhan non-fungsional ini ditinjau dari segioperasional, kemanan, informasi, dan

performance(kinerja).1. Operasional

Penjelasan mengenai perangkat lunakdibutuhkan sebagai dukungan prosesinstalasi sebelum aplikasi dibuat.a. Aplikasi dibuat menggunakan bahasa

pemrograman BASIC menggunakansoftwareVB 6.0

b. Aplikasi berjalan dalam bentuk ekstensiexecutable

c. Aplikasi dapat diajalankan dalamoperating systemMicrosoft Windows

2. KeamananKebutuhan non-fungsional yang ditinjaudari segi kemanan dilakukan dengan adanyasistem password.

3. InformasiInformasi yang akan ditampilkan adalahinformasi mengenai barang-barang yangmemiliki hubungan dengan memenuhi

kriteria nilai minimum support dan nilaiminimum confidence.

4. KinerjaKinerja dapat dilihat dari kemampuansebuah data untuk tetap aman dan dapat

diakses dengan mengintegrasikan beberapakomponen databaseyang sudah ada.

3.3Desain (design)Tahapan desain adalah tahapan dimana

spesifikasi sistem secara lengkap dibuatberdasarkan kebutuhan yang telahdirekomendasikan pada tahap sebelumnya.


6/12

420

Merujuk pada diagram alir analisis danperancangan aplikasi yang terdapat padametode penelitian, akan dibahas juga subsistemdatabase sebagai pengelola dan mediapenyimpanan data dan subsistem userinterfacesebagai sistem dialog yang mampu membuatpengguna atau pemakai berkomunikasi dengansistem yang dirancang.

3.3.1 Desain Subsistem DatabaseDesain pada tahap ini dilakukan dengan

menyusun daftar entitas beserta atribut-atributnya yang dibutuhkan berdasarkankebutuhan aplikasi MBA. tahapan iniberhubungan dengan tahapan data miningyaitu proses cleaning, integration, selectiondan transformation. Untuk entitas admin yangberhubungan dengan security software

dilakukan dengan desain database manualdengan atribut username, nama user, status,password dan hint sedangkan untuk tabledatabase untuk pengolahan association ruledilakukan desain melalui tahapan-tahapan data

mining yang telah diuraikan diatas.1. Cleaning and integration

Pada tahapan ini, data yang di dapatberasal dari data transaski penjualanselama bulan Februari 2013 masih dalamformat Microsoft Excel, namun data yangdidapat masih terpisah-pisah dari setiap

nomor transaksinya/faktur sehinggadiperlukan penggabungan data agarmemudahkan dalam proses selanjutnya,yaitu dengan bantuan software MergeExcel Files.

Selanjutnya dilakukan tahapan cleaningyang merupakan proses menghilangkan

noise dan data yang tidak konsisten ataudata tidak relevan. Proses cleaning yangdilakukan adalah melakukan pengecekanterhadap data transaksi yang memilikiduplikasi dan kemudian

menghilangkannya.2. Selection

Data-data yang diperlukan dalam prosesini dibagi menjadi dua file denganmemisahkan data nomor transaksi/faktur,tanggal transaksi, kode barang, namabarang, discount, harga barang, jumlah,dan total harga barang menjadi filedetail_transaksi serta data nomortransaksi/faktur dan tanggal transaksi kedalamfiletransaksi

3.

TransformationTransformasi data pada perancangan

aplikasi MBA ini adalah melakukan

transfer data dari file format MicrosoftExcel ke dalam bentuk Microsoft Access.Hal ini dilakukan untuk mempermudahdalam penerapan association rule denganmenggunakan metode algoritma apriori.

3.3.2 F lowchart Association RuleDesain flowchart merupakan langkah-

langkah secara logis yang dilakukan untukmenyelesaikan suatu permasalahan yangdibahas. Dalam kasus ini, langkah-langkahyang dijelaskan merupakan langkah-langkahdari teknik association rule yang digunakanuntuk mengetahui hubungan antar barang.Untuk lebih jelasnya dapat langsung dilihatpada Gambar 4 sebagai berikut.

start

L = large itemsetF = frequent itemset

Scan databse

Support >= minsupport?

Input minsupport & min

confidence

Delete item

Generate Lk

Scan databse

Support >= minsupport?

Delete item

Scan databse Fk

Hitung confidence

OutputAssociation

rule

end

Add to Fk

tidak

ya

tidak

ya

Use Lk-1 join Lk-1 togenerate

Generated Set =Null

ya

Confidence >=min confidence?

tidak

Delete item

tidak

ya

Gambar 4.Flowchart Association Rule

3.3.3 Desain User I nterfaceDesain userinterfaceini bertujuan untuk

membuat rancangan dari tampilan sistem yangnantinya akan berinteraksi langsung dengan

user(pengguna). Desain ini merupakan sistemyang dialog yang dapat diartikan dandiimplementasikan, sehingga pengguna atau


7/12

421

pemakai dapat berkomunikasi dengan sistemyang dirancang.1. Desain Menu

Desain ini digambarkan dalam bentukhierarki untuk memudahkan desain userinterface dari aplikasi nantinya. Gambar 5menunjukkan desain hierarki menu padaaplikasiMBA.

Home

Data login

File Help

Import data User Logout How to operate About

Market Basket Analysis Gambar 5.Hierarki Menu AplikasiMBA

Dari Gambar 5 dapat dijelaskan bahwa usernantinya akan melakukan data login terlebihdahulu. Setelah melakukan data login userakan diberikan akses untuk memilih menufile dan menu help. Dari menu fileterdapattiga pilihan yaitu menu import data, user,dan logout. Akses import data merupakan

bagian utama dari aplikasi, dari menu iniuser dapat melakukan analisis keranjangbelanja (MBA) dan akan menampilkan hasilreport analisis. Sedangkan untuk menu helpuser dapat mengakses how to operate dan

about.2. DesainForm

Desain form (halaman) dibuat untukmelakukan rancangan tampilan antarmuka antara user dengan komputer agar

bersifat lebih komunikatif. Desain formuntuk aplikasi MBA ini dapat dilihat

pada Gambar 6 berikut.

Min t ransaksi ( suppor t) M in con fidence (% ) Jumlah transaksi

Proses

Hasil analisis

Keluar

Association rule

Gambar 6.DesainForm Association Rule

3.4ImplementasiTahap implementasi merupakan tahap

dimana penerapan semua hasil desain padatahap sebelumnya. Pada perancangan aplikasi

MBA ini, implementasi dilakukan denganbantuan software VB 6.0 berdasarkan desainyang telah dibuat.

3.4.1 Implementasi Database dan Apl ikasiPembuatan database berfungsi untuk

menyimpan dan memanipulasi data yang

kompleks untuk memudahkan user. Pembuatandatabase untuk pengolahan association rule

dilakukan dengan melakukan transfer file datayang sebelumnya sudah di bahas dalam tahapdesain database. Pembuatan database untukpengolahan association rule berhubungandengan jalannya aplikasi pada form import

data. Pembentukan database hingga sampaiterbentuknya pola association rule dijelaskan

sebagai berikut:1. Usermengklik import file excel button.

Gambar 7.Form Import Data

2. User memilih file yang akan diimport.Dalam hal ini data yang dibutuhkan yaitudetail_transaksi dan transaksi.

Gambar 8.Dialog Open File

3. Setelah usermemilihfile maka akan munculpesan selesai.

Gambar 9.KeteranganImportSelesai

4. Databasesudah siap untuk dilakukan prosesselanjutnya.Sedangkan untuk implementasi aplikasiditujukan kepada pengguna agar lebihmudah untuk mengakses aplikasi MBA.Implementasi ini didasarkan atas desainyang telah dibuat pada tahapan desain userinterface. Implementasi aplikasi MBAdapatdilihat pada Gambar 10 berikut.


8/12

422

Gambar 10.Form Association Rule

Form ini merupakan pembahasan utama

dalam software ini. User menginputkan nilaimin transaksi (support) yang merupakan suatu

ukuran yang menunjukkan seberapa besartingkat dominasi suatu itemsetdari keseluruhantransaksi dan nilai min confidence yang

merupakan suatu ukuran yang menunjukkan

kuatnya hubungan antar item dalam pola.Dalam bagian ini juga berhubungan dengantahapan data miningyaitu proses mining yangmerupakan proses penggalian data untukmemunculkan sebuah informasi yang berharga.Di bagian ini menggunakan algoritma apriori

untuk menggali kaidah asosiasi dalam datatransaksi.

3.5Pengujian (Testing)Tahapan terakhir setelah aplikasi sudah

menjadi prototype adalah testing (pengujian).

Pengujian ini adalah langkah yang pentinguntuk melihat apakah prototype yang telahdibuat sudah sesuai dengan harapan atau tidak.Tahap pengujian ini ditinjau dari segi ujiverifikasi, uji validasi, dan uji prototype. Untuktahap pengujian ini dilakukan denganmengujicobakan software kepada beberapaorang termasuk salah satunya adalah managerswalayan KPRI-UB tersebut.

3.5.1 Uji Veri fikasiUji verifikasi dilakukan dengan tujuan

untuk mengetahui apakah pengaplikasianconceptual design menjadi prototype aplikasiMBA ini telah dilakukan dengan benar.Verifikasi dalam aplikasi MBA ini bertumpupada proses. Beberapa proses yang melaluitahap verifikasi adalah sebagai berikut:1. Data login

Aplikasi menyediakanform loginuntuk diisioleh user. Data yang dibutuhkan dalampengisisan ini adalah data username danpasswordyang terdapat di dalam database.

Userakan masuk ke dalam menu jika sistemlogin telah mengirimkan verifikasi loginterhadap user.

2.Entridan updatingdata userForm data user disediakan agar user dapatmelakukan penambahan, pengeditanmaupun penghapusan data user di dalamdatabase admin. Entri dan updating datauser berhasil jika data yang di updatemelalui form akan berubah otomatis kedalam database.

3.Import dataAplikasi memberikan kemudahan denganmemberikan menu import file MicrosoftExcelke dalam bentukfile Microsoft Access.Proses import berjalan dilakukan denganpengecekan terhadap database, data akanberhasil untuk diimport jika data terupdatedi dalam database.

4. Proses miningProses miningdilakukan dengan menginputmin transaksi (support) dan min confidence.Proses akan berjalan dengan benar jika usertelah mengklik tombol proses dan programdapat memunculkan hasil mining.

5. Proses dalam aplikasiBagian ini merupakan bagian yang

dilakukan user untuk masuk ke menu-menuyang ada dalam aplikasi. User dapatmenekan tombol dan aplikasi dapatmelakukan proses yang diinginkan user.

3.5.2 Uj i Vali dasiTahapan ini berhubungan dengan tahapan

data mining yang terakhir yaitu tahapaninterpretation and evaluation yang merupakantahapan untuk mengetahui apakah hasil miningyang dilakukan dengan metode algortimaapriori sudah dapat memberikan userpengetahuan tertentu.

Pada implementasinya, aplikasi MBAyang dirancang telah memberikan output yangdiinginkan oleh user, yaitu memberikan

informasi hubungan antar barang dari datatransaksi yang berhubungan dengan pola

konsumsi konsumen. Informasi yangditampilkan dapat memberikan user dalammengambil keputusan secara cepat dan tepat

tanpa melakukan perhitungan manual. Hasildari porses miningdapat dilihat dalam Gambar

11.


9/12

423

Gambar 11.Output Association Rule

Gambar 11. diatas menjelaskan bahwa

dengan memberikan nilai min transaksi(support) sebanyak 7 transaksi dan minconfidence sebanyak 5% maka di dapatsebanyak 11 aturan asosiasi yang terbentuk.Sebagai salah satu contoh, hasil diatas

menunjukkan bahwa pola jika membeli GULA

PASIR LOKAL 1KG maka akan membeliTELOR BURAS KG. Nilai supportmenunjukkan bahwa terdapat 0,78 % transaksiyang mengandung kedua item tersebut dari1935 transaksi dan nilai confidencemenunjukkan bahwa kemungkinan dibelinyakedua barang tersebut secara bersamaan adalahsebesar 23,81 % dari 1935 transaksi yangdidapatkan.

3.5.3 Uj i PrototypePada bab pengujian ini akan dibahas

mengenai pengujian dari perangkat lunak(software) yang dibuat. Hal ini bertujuan untukmengetahui sejauh mana ketepatan dankemudahan eksekusi perangkat lunak yangtelah dibuat serta tidak menutup kemungkinanmengetahui kelemahannya. Sehingga dari sininantinya dapat disimpulkan apakah perangkat

lunak yang dibuat dapat berjalan secara benardan sesuai dengan kriteria yang diharapkan. Ujiprototypeini juga menjelaskan kelebihan sistembaru dibandingkan dengan sistem lama.

Tabel 3.Perbandingan Performa Sistem Lama danSistem Baru

Pembanding Sistem lama Sistem baru

Fleksibilitas belum

flesksibilitas,

hal inidikarenakan

belum adanya

software untuk

menganalisis

keranjang

belanjakonsumen.

Lebih

fleksibilitas,

karena denganadanya software

ini memudahkan

dalam proses

penganalisisan.

Pembanding Sistem lama Sistem baru

Kecepatan belum bisa

menggambarkan

pola konsumsikonsumen, jika

diperlukan

secara manualakan

membutuhkan

waktu yang

lama dengan

jumlah transaksi

yang hampir

ratusan tiap

harinya.

Sangat

memberikan

infor-masi yangcepat mengenai

pola konsumsi

konsumen.

Ketelitian Jika dilakukan

analisis secara

manual maka

adanya

kemungkinanterjadinya

kesalahan lebihbesar akibat

human error.

Tingkat

kesalahan

dengan

menggunakan

aplikasi MBA inirentan lebih

kecil karenatelah

terkomputerisasi.

3.6Hasil Association Rule dan PerbaikanLayout

Hasil dari aturan asosiasi yang terbentuk inimerupakan hasil setelah melakukan prosesrunning aplikasi MBA. Pada pengujian yang

dilakukan ini memberikan nilai batasan

minimum transaksi (support) sebanyak 7transaksi dan minimum confidence sebanyak5% maka di dapat sebanyak 11 aturan asosiasidari 1935 transaksi penjualan. Salah satu aturan

asosiasi yang terbentuk adalah jika membeligula pasir lokal 1kg, maka membeli telor buras1/2 kg dengan nilai support= 0,78% dari 1935transaksi dan nilai confidence = 23,81% yangmerupakan aturan dengan nilai confidencetertinggi. Untuk aturan asosiasi lainnya yangterbentuk dapat dilihat pada Tabel 5 sebagai

berikut.

Tabel 4.Output Association Rule

No Aturan Support

(%)

Confidence

(%)

1 jika membeli

gula pasir lokal

1kg, maka

membeli telor

buras 1/2 kg

0.78 23.81

2 jika membeli

gula pasir lokal

1kg, makamembeli

indofood

bmb.racik sayur

sop 20gr 9117

0.57 17.46


10/12

424

No Aturan Support

(%)

Confidence

(%)

3 jika membeli

indomie gorengspecial 85gr

gss.0493, maka

membeli telorburas 1/2 kg

0.52 35.71

4 jika membeli

indofood

bmb.racik sayur

sop 20gr 9117,

maka membeli

indofood

bmb.racik

sy.asem 20gr

rsah.463

0.52 76.92

5 jika membeli

gula pasir lokal

1kg, makamembeli

indofood

bmb.raciksy.asem 20gr

rsah.463

0.47 14.29

6 jika membeli

beras mentari

25kg, maka

membeli telor

buras 1/2 kg

0.47 60

7 jika membeli

indofood

bmb.racik sayursop 20gr 9117,

maka membeli

sovia minyak

goreng

btl.1ltr/12

0.41 61.54

8 jika membeli

gula pasir lokal

1kg, maka

membeli sovia

minyak gorengbtl.1ltr/12

0.41 12.7

9 jika membeli

aqua air mineral

botol 600ml/24,

maka membeli

sari roti

sandwich isi ckt

0.41 14.55

10 Jika membeli

gula pasir lokal

1kg, indofood

bmb.racik sayur

sop 20gr 9117,

maka membeli

indofood

bmb.raciksy.asem 20gr

rsah.463

0.52 90.91

No Aturan Support

(%)

Confidence

(%)

11 Jika membeli

gula pasir lokal1kg, indofood

bmb.racik sayur

sop 20gr 9117,maka membeli

sovia minyak

goreng

btl.1ltr/12

0.41 72.73

Hasil pemafaatan data transaksipenjualan bulan Februari 2013 yang tersimpan

melalui MBA di swalayan KPRI-UB,menghasilkan pengetahuan tentang polapembelian konsumen yang selama ini jarangdiketahui.

Sebelum melakukan pengaturan tata letakrak di dalam swalayan, item-item yangterbentuk dari association rule tersebutdikelompokkan terlebih dahulu denganmengkategorikan item sejenis untukmempermudah dalam pengaturannya. Item-itemtersebut akan dimasukkan ke dalam masing-masing kelompok kategori item yang sesuai.Apabila terdapat dua atau lebih merk / itemyang sejenis, maka akan dihitung dalam satukategori.

Pada data hasil association rule diatas,

pengelompokan item berdasarkan kategoriseperti indofood bmb.racik sayur sop 20gr 9117dan indofood bmb.racik sy.asem 20gr rsah.463masuk dalam kategori bumbu masak jadi.Untuk penegelompokkan item selengkapanadapat dilihat pada Tabel 5 berikut.

Tabel 5.Pengelompokan Item Sejenis

No Nama Item Kategori

1.GULA PASIR LOKAL

1KGGula

2. TELOR BURAS 1/2 KG Telur

3.

INDOFOOD BMB.RACIKSAYUR SOP 20GR 9117

INDOFOOD BMB.RACIK

SY.ASEM 20GR

RSAH.463

Bumburacik jadi

4.INDOMIE GORENG

SPECIAL 85GRMie instant

5. BERAS MENTARI 25KG Beras

6.AQUA AIR MINERAL

BOTOL 600ML/24Minuman

7.SARI ROTI SANDWICH

ISI CKTRoti

8.SOVIA MINYAKGORENG BTL.1LTR/12

Minyakgoreng


11/12

425

Setelah data hasil association rulediatasdikelompokkan berdasarkan jenis kategorinya,selanjutnya adalah membuat rekomendasiperbaikan layoutdengan melihat aturan asosiasiberdasarkan nilai support dan nilai confidenceyang memenuhi batasan minimum. Sehinggaterbentuk rekomendasi perbaikan layout yangmenyatakan bahwa gula didekatkan dengantelur, bumbu masak jadi, dan minyak goreng;minyak goreng didekatkan dengan bumbumasak jadi; telur didekatkan dengan beras danmie instant serta minuman didekatkan denganroti.

3.6.1 Perhi tungan Manual Association RuleNilai support dan nilai confidence di

peroleh berdasarkan suatu perhitungan.

Batasan yang digunakan dalam perhitungan iniadalah minimum transaksi (support) sebesar 7transaksi dan minimum confidencesebesar 5%.Perhitungan nilai support dan nilai confidencedidapatkan dengan menggunakan rumus

sebagai berikut.1.Nilaisupport

S=

Keterangan:S = Support(Ta+Tc) = jumlah transaksi yang

mengandung antecedentdan consequent

(T) = jumlah transaksi

2.Nilai confidence=

Keterangan:C = Confidence(Ta+Tc) = jumlah transaksi yang

mengandung antecedent

dan consequenct

(Ta) = jumlah transaksi angmengandung antecedent

Contoh perhitungan Association Rule:

Salah satu aturan asosiasi yang terbentuk adalahjika membeli gula pasir lokal 1kg, indofoodbmb.racik sayur sop 20gr 9117, maka membeliindofood bmb.racik sy.asem 20gr rsah.463.aturan tersebut terbentuk dengan menggunakan

data transaksi selama bulan Februari 2013sebanyak 1935 transaksi. Perhitungan secara

manual dalam contoh ini dilakukan dengan

menggunakan data aturan asosiasi yangterbentuk setelah iterasi 2 dan 3. Untuk data

aturan asosiasi dapat dilihat dalam tabel 6 dantabel 7 berikut.

Tabel 6.Aturan Asosiasi 2 Item

Item1 Item2 Jumlah

AQUA AIR

MINERALBOTOL 600ML/24

SARI ROTI

SANDWICH ISICKT

8

BERAS

MENTARI 25KG

TELOR BURAS

1/2 KG

9

GULA PASIR

LOKAL 1KG

INDOFOOD

BMB.RACIK

SAYUR SOP 20GR

9117

11

GULA PASIR

LOKAL 1KG

INDOFOOD

BMB.RACIK

SY.ASEM 20GRRSAH.463

9

GULA PASIR

LOKAL 1KG

SOVIA MINYAK

GORENG

BTL.1LTR/12

8

GULA PASIR

LOKAL 1KG

TELOR BURAS

1/2 KG

15

INDOFOOD

BMB.RACIK

SAYUR SOP

20GR 9117

INDOFOOD

BMB.RACIK

SY.ASEM 20GR

RSAH.463

10

INDOFOOD

BMB.RACIK

SAYUR SOP

20GR 9117

SOVIA MINYAK

GORENG

BTL.1LTR/12

8

INDOMIEGORENGSPECIAL 85GR

GSS.0493

TELOR BURAS1/2 KG

10

Tabel 7.Aturan Asosiasi 3 Item

Item1 Item2 Item3 Jumlah

GULA

PASIR

LOKAL

1KG

INDOFOOD

BMB.RACIK

SAYUR SOP

20GR 9117

INDOFOOD

BMB.RACIK

SY.ASEM

20GRRSAH.463

10

GULA

PASIRLOKAL

1KG

INDOFOOD

BMB.RACIKSAYUR SOP

20GR 9117

SOVIA

MINYAKGORENG

BTL.1LTR/12

8

1.NilaisupportS =

= 0,005167 = 0,52 %2.Nilai confidence

C =

= 0.909090 = 90,91 %


12/12

426

4. PenutupKesimpulan yang dapat diambil dari

penelitian mengenai MBA ini berdasarkanrumusan masalah yang ada adalah:1. Sistem database yang akan digunakan

sebagai dasar pembuatan aplikasi MBA inidirancang dengan menggunakan bantuansoftwareMicrosoft Acces.

2. Aplikasi data mining yang dikembangkanguna membantu mengambil keputusan iniadalah aplikasi MBA yang menggunakansoftwarebantuan Visual Basic 6.0. Aplikasiyang dibentuk ini mampu menampilkan polakonsumsi konsumen dari swalayan tersebutdengan menganalisa data transaksi penjualanselama bulan Februari 2013. Sebagaidampakna, pihak swalayan dapat melakukan

pengaturan ulang tata letak rak barang gunameningkatkan penjualan barang.3. Setelah dilakukan uji coba dengan data

transaksi penjualan selama bulan Februari2013. Hasil yang diberikan dari aplikasi

MBA ini adalah pemilik swalayan dapatmengetahui produk mana yang sering di beli

oleh konsumen sehingga nantinya dapatmengetahui pola konsumsi konsumen. Ujicoba software dilakukan denganmemasukkan batasan minimum transaksisebesar 7 transaksi dan minimum confidence

sebesar 5%. Dari batasan tersebut, aplikasiMBA membentuk 11 aturan asosiasi. Salahsatu aturan asosiasi yang terbentuk adalahjika membeli gula pasir lokal 1kg, indofoodbmb.racik sayur sop 20gr 9117, maka

membeli indofood bmb.racik sy.asem 20grrsah.463 dengan nilai support= 0,52% dari

1935 transaksi dan nilai confidence =90,91% yang merupakan aturan dengannilai confidence tertinggi. Dengan acuantersebut maka didapatkan rekomendasiperbaikan layout yang menyatakan bahwa

gula didekatkan dengan telur; bumbu masakjadi; dan minyak goreng, minyak gorengdidekatkan dengan bumbu masak jadi, telurdidekatkan dengan beras dan mie, sertaminuman didekatkan dengan roti.

DAFTAR PUSTAKA

Agustinus, R (2012), Langkah LangkahPengembangan SDLC dengan Kombinasi AgileProcess, http:// vantheman. blog. esaunggul.

ac.id/2012/05/19/61/, diakses pada hari Rabu,27 Maret 2013).

Al Fatta, Hanif (2007), Analisis danPerancangan Sistem Informasi, Yogyakarta:Andi.

Bonai, D. H (2011), Sistem PendukungKeputusan Analisis Pola Pembelian Produk.Skripsi dipublikasikan, UniversitasPembangunan Nasional Veteran", Yogyakarta.

Budhi, G. S., dan Soedjianto, F (2007),Aplikasi Data Mining Market Basket AnalysisPada Tabel Data Absensi Elektronik UntukMendeteksi Kecurangan Absensi (Check-Lock)Karyawan di Perusahaan,Jurnal Informatika,

Vol.8, No. 2, Nopember 2007: 119-129,Universitas Kristen Petra, Surabaya.

Huda, N. M (2010), Aplikasi Data MiningUntuk Menampilkan Informasi (Studi Kasus di

Fakultas MIPA Universitas Diponegoro).Skripsi dipublikasikan, Universitas Diponegoro,

Semarang.

Kusrini., dan Luthfi, E. T (2009), AlgoritmaData Mining,Andi Offset, Yogyakarta.

Lestari, T, Syamsun, M, (2009), AnalisisKeranjang Belanja Pada Data TransaksiPenjualan. Skripsi dipublikasikan, InstitutPertanian Bogor, Bogor.

Meiwati, L., dan Mustikasari, M (2010),Aplikasi Data Mining Menggunakan Aturan

Asosiasi,Universitas Gunadarma, Jakarta.

Pramudiono, I (2003), Pengantar DataMining: Menambang Permata Pengetahuandi Gunung Data, http:// repository.amikom.

ac.id/index.php/add_downloader/Publikasi_06.11_.1317_.pdf/752, diakses hari Kamis, 14Februari 2013.

Santosa, B (2007), Data Mining TeknikPemanfaatan Data untuk Keperluan, GrahaIlmu, Yogyakarta.

Shelly, Gary B, dan Rosenblatt, Harry J (2012),System Analysis and Desain, CourseTechnology, Boston.

Documents

Data Mining 2