Upload
leonard-tambunan
View
28
Download
0
Tags:
Embed Size (px)
Citation preview
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]5/28/2018 Data Mining 2
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
5/28/2018 Data Mining 2
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
5/28/2018 Data Mining 2
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
5/28/2018 Data Mining 2
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.
5/28/2018 Data Mining 2
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
5/28/2018 Data Mining 2
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.
5/28/2018 Data Mining 2
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.
5/28/2018 Data Mining 2
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
5/28/2018 Data Mining 2
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
5/28/2018 Data Mining 2
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 %
5/28/2018 Data Mining 2
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.