TA : Sistem Informasi Pemasaran Pengelompokan Produk dan Konsumen Dengan Menggunakan Agglomerative Clustering.
DAFTAR ISI
Halaman
ABSTRAKSI……….. ..………...… iv
KATA PENGANTAR ..………...… v
DAFTAR ISI…………..……… vii
DAFTAR TABEL ……..………...… ix
DAFTAR GAMBAR ..………...….. xi
BAB I PENDAHULUAN ………... 1
1.1. Latar Belakang Masalah ……….…. 1
1.2. Perumusan Masalah……….…. 2
1.3. Pembatasan Masalah……….……….. ………. 3
1.4. Tujuan………... 4
1.5. Sistematika Penulisan……….………... 4
BAB II LANDASAN TEORI………. 6
2.1. Sistem Informasi Manajemen……… 6
2.2. Manajemen Pemasaran….…….……… 6
2.3. Sistem Informasi Pemasaran….….……….. 7
2.4. Sistem Basis Data……….…………..……….. 8
2.5. Data Mining……..……… 8
2.6. Clustering………..…..………..………... 9
2.7. Pengelompokan Agglomerative…..……… 10
2.8. Analisa Perancangan Sistem…... 12
2.9. Visual Basic 6.0……..………... 15
2.10. Microsoft SQL Server 2000……… 16
(2)
2.12. Interaksi Manusia Komputer…..……… 17
BAB III PERANCANGAN SISTEM……… 19
3.1. Analisa Pemasalahan……….. 19
3.2. Perancangan Sistem..……… 23
3.3. Alur Sistem………. ………. 24
3.4. Data Flow Diagram……….……… 29
3.5. Entity Relationship Diagram……….. 32
3.6. Tabel Struktur tabel……… 32
3.7. Desain Input Output………..………... 35
3.8. Kebutuhan Perangkat Lunak…...……… 42
3.9. Kebutuhan Perangkat Keras……….. 42
BAB IV IMPLEMENTASI DAN EVALUASI………. 43
4.1. Implementasi Sistem……….. 43
4.2. Evaluasi……….. 57
BAB V PENUTUP………. 64
5.1. Kesimpulan………. 64
5.2. Saran……… 64
DAFTAR PUSTAKA………. 65
LAMPIRAN……… 67
BIODATA PENULIS………. 116
(3)
BAB I PENDAHULUAN
1.1. Latar Belakang Masalah
Indonesia merupakan salah satu negara tujuan bagi mereka yang memiliki dana untuk investasi. Banyak sekali bidang usaha di Indonesia yang dapat menghasilkan pendapatan. Salah satu bidang usaha yang cukup menjanjikan pendapatannya adalah bidang industri cat. Cat sangat berguna bagi setiap orang karena dapat digunakan untuk memperindah sesuatu baik itu melalui warna maupun kreasinya.
Dalam tugas akhir ini akan dibahas mengenai produk cat yang ada pada PT. Magna Coatings Indonesia. Cat yang dihasilkan oleh perusahaan ini tidak dijual secara eceran di pasaran, tetapi cat yang dihasilkan perusahaan ini dijual dan dipakai oleh industri lain, baik itu industri kayu, rotan, besi dan lain sebagainya. Oleh karena itu perusahaan ini memiliki bermacam-macam konsumen dengan jumlah yang cukup banyak.
Sistem kerja marketing PT. Magna Coatings Indonesia selama ini masih dilakukan dengan cara yang sederhana, yaitu secara manual. Sistem kerja perusahaan yang masih manual tersebut menyebabkan pengelolaan data berjalan sangat lambat dan dengan banyaknya jumlah konsumen yang ada menyebabkan data yang diberikan tidak akurat, sehingga sering mendapat komplain dari konsumen. Karena sering mendapat komplain dari konsumen, maka perusahaan mengharapkan adanya sistem informasi pemasaran yang dapat membantu mengelompokkan data produk dan konsumen dengan cepat dan akurat.
(4)
Dalam membangun suatu sistem informasi pemasaran yang dapat menjawab kebutuhan perusahaan tersebut diperlukan adanya sebuah metode yang cepat, dinamis dan akurat yaitu metode agglomerative clustering. Metode ini memiliki keunggulan antara lain: dapat dengan mudah dibangun, jumlah kelompok yang dibangun dapat disesuaikan dengan kebutuhan user.
Agglomerative clusstering, adalah tehnik pengelompokan suatu data yang mampu mengolah beberapa variabel dan mengelompokkannya berdasarkan keinginan user, sehingga akan didapat suatu sistem informasi pemasaran yang lebih cepat, akurat dan mampu memberikan informasi yang dibutuhkan user. Apabila sistem informasi pemasaran ini dapat berjalan dengan sempurna, maka sistem informasi pemasaran ini sangat membantu dalam melakukan pengolahan data yang kompleks serta menentukan strategi dan perlakuan konsumen yang akan diterapkan pada masa mendatang.
1.2. Perumusan Masalah
Perumusan masalah yang dihadapi dalam menunjang proses pembuatan sistem informasi pemasaran adalah sebagai berikut :
“Bagaimana membuat suatu sistem informasi pemasaran yang dapat mempermudah dalam pengolahan data produk dan konsumen secara keseluruhan serta memberikan pertimbangan dalam pengambilan keputusan.”
Dalam mencoba mengatasi permasalahan, maka diperlukan suatu metode atau cara untuk mempermudah pelaksanaan sistem kerja yang ada. Salah satu cara yang harus dilakukan adalah mengumpulkan data yang berhubungan dengan Sistem Informasi Pemasaran pada perusahaan.
(5)
3
1.3. Pembatasan Masalah
Dengan adanya permasalahan diatas, maka ruang lingkup permasalahan akan dibatasi sebagai berikut :
1. Sistem informasi Pemasaran ini dibuat untuk mengelompokkan data konsumen dan produk.
2. Sistem ini dibuat berdasarkan setiap data dan kebutuhan yang ada pada PT. Magna Coatings Indonesia.
3. Data konsumen yang belum memiliki nilai transaksi tidak diperhitungkan dalam pengelompokan ini.
4. Pada perhitungan clustering ini jumlah konsumen dibatasi hanya 100 perusahaan.
5. Penentuan credit limit oleh perusahaan berdasarkan keputusan manager. 6. Perhitungan credit term konsumen adalah sebagai berikut:
Konsumen tetap < 90 hari maka credit termnya adalah 7 hari. Konsumen tetap >90 hari maka credit termnya adalah 30 hari. Konsumen tetap >180 hari maka credit termnya adalah 60 hari. Konsumen tetap >365 hari maka credit termnya adalah 90 hari.
7 Biaya pengiriman barang ditentukan oleh jarak daerah yang dibagi menjadi 12 daerah pengiriman di seluruh Indonesia.
(6)
1.4. Tujuan
Tujuan dari pembuatan tugas akhir ini adalah membuat suatu aplikasi sistem informasi pemasaran pengelompokan produk dan konsumen dengan menggunakan metode agglomerative clustering yang dapat mempermudah dalam pengolahan data produk dan konsumen secara keseluruhan, memberikan pertimbangan dalam pengambilan keputusan, menawarkan suatu item produk baru dan menentukan kunjungan rutin konsumen, sehingga dapat digunakan untuk menentukan strategi pemasaran.
1.5. Sistematika penulisan
Sistematika penulisan tugas akhir ini, disusun sebagai berikut: BAB I : PENDAHULUAN
Bab ini menguraikan tentang latar belakang, perumusan masalah dan penjelasan permasalahan tersebut secara umum, ruang lingkup permasalahan yang akan diuraikan dalam Tugas Akhir, tujuan pembuatan tugas akhir, serta sistematika penyusunan buku laporan ini.
BAB II : LANDASAN TEORI
Bab ini berisi uraian singkat tentang teori – teori yang digunakan dalam pembuatan sistem antara lain : Metode Agglomerative clustering yang digunakan dalam pengelompokan data produk dan konsumen, Sistem Informasi Pemasaran, Analisa dan Perancangan Sistem, System Flow dan sebagainya.
(7)
5
BAB III : METODE PENELITIAN
Bab ini menguraikan dan menjelaskan tentang metode penelitian dan perancangan sistem informasi pengelompokan produk dan konsumen dengan membuat Data Flow Diagram, ER Diagram, Struktur File dan Desain Input Output.
BAB IV : IMPLEMENTASI DAN EVALUASI
Bab ini menjelaskan tentang cara - cara penginstalan dan penggunaan program berdasarkan data konsumen dan produk yang dapat menentukan dan mengelompokan data konsumen dan produk menjadi beberapa kluster dengan metode agglomerative clustering, serta menjelaskan tentang hasil evaluasi program sistem informasi pemasaran.
BAB V : PENUTUP
Bab ini berisikan kesimpulan tentang program sistem informasi pemasaran yang diambil sesuai dengan hasil pembahasan dan saran tentang kemungkinan pengembangan program ini di masa depan yang diambil sesuai dengan hasil pembahasan.
(8)
Teori – teori yang digunakan sebagai landasan dalam desain dan implementasi dari sistem ini adalah sebagai berikut :
2.1. Sistem Informasi Manajemen
Sistem Informasi Manajemen adalah suatu sistem yang dirancang untuk menghasilkan informasi dan digunakan oleh manajemen dalam membuat perencanaan dan pengambilan keputusan. Sistem Informasi Manajemen digunakan untuk mendukung operasional dan fungsi pengambilan keputusan manajemen dengan mempertimbangkan informasi apa, untuk siapa dan kapan harus disajikan. Konsep sistem informasi manajemen adalah bahwa komputer harus diterapkan untuk tujuan utama yaitu menghasilkan informasi manajemen.
2.2. Manjemen Pemasaran
Manajemen pemasaran adalah proses perencanaan dan pelaksanaan dari perwujudan, pemberian harga, promosi dan distribusi dari barang – barang, jasa dan gagasan untuk menciptakan pertukaran dengan kelompok sasaran yang memenuhi tujuan pelanggan dan organisasi. Definisi ini dapat disimpulkan bahwa manajemen pemasaran adalah proses yang mencakup analisis, perencanaan, pelaksanaan dan pengawasan; juga mencakup barang, jasa serta gagasan; berdasarkan pertukaran dan tujuannya adalah memberikan kepuasan bagi pihak yang terlibat.
(9)
7
2.3. Sistem Informasi Pemasaran
Sistem Informasi pemasaran adalah sebuah unsur penting dalam pemasaran yang efektif sebagai akibat dari kecenderungan menuju pemasaran nasional dan internasional, transisi dari kebutuhan konsumen menjadi keinginan konsumen, dan transisi dari persaingan harga menjadi persaingan bukan harga. Dalam banyak kasus, informasi tidak tersedia atau terlambat atau tidak dapat dipercaya. Oleh sebab itu diperlukan adanya sistem informasi pemasaran yang mampu menangani hal - hal diatas.
Suatu sistem informasi pemasaran yang dirancang dengan baik terdiri dari: 1. Sistem Catatan Internal adalah sistem yang memberikan data terbaru
mengenai penjualan, biaya, persediaan, arus kas, dan hutang piutang. 2. Sistem Inteligen Pemasaran adalah sistem yang memberikan para
manager pemasaran informasi harian mengenai perkembangan dalam lingkungan pemasaran eksternal.
3. Riset Pemasaran adalah sistem yang melibatkan pegumpulan informasi yang relevan dengan masalah pemasaran tertentu yang sedang dihadapi perusahaan. Proses riset pemasaran sendiri terdiri dari beberapa tahap, yaitu:
A. Menentukan masalah dan sasaran riset B. Mengembangkan rencana riset
C. Mengumpulkan informasi D. Menganalisis informasi. E. Menyajikan hasil penemuan.
(10)
4. Sistem Pendukung Keputusan Pemasaran adalah sistem yang terdiri dari tehnik - tehnik statistik dan model keputusan untuk membantu para manager pemasaran dalam membuat keputusan yang lebih baik.
2.4. Sistem Basis Data
Sistem Basis Data secara umum dapat diartikan sebagai suatu sistem dalam pengolahan data menjadi informasi. Sebuah sistem basis data terdiri dari :
1. Database Management System (DBMS) adalah perangkat lunak yang memelihara, menyimpan, dan mengolah data yang tersimpan dalam suatu database. Salah satu golongan DBMS adalah Relational Database Management System (RDBMS), yang menyimpan data dalam bentuk tabel yang terdiri dari kolom dan baris, dimana setiap jenis data menjadi kolom dan setiap serangkaian data (record) menjadi baris dari tabel tersebut. Antara kolom dalam satu tabel dapat direlasikan ke kolom di tabel yang lain.
2. Database Application Software (DBAS) adalah sebagai aplikasi yang memudahkan pengguna untuk mengakses data yang tersimpan didalam DBMS. DBAS dapat dikategorikan sebagai development tools dan
query / reporting tools.
2.5. Data Mining
Data mining dapat diartikan sebagai proses pencairan hubungan dan pola global dari database yang besar dan tersembunyi. Diantara sejumlah data yang besar dan tersembunyi, terdapat informasi yang dapat digunakan untuk
(11)
9
menentukan keputusan bisnis. Pada dasarnya data mining memperhatikan analisis data dengan menggunakan teknik perangkat lunak untuk mencari pola aturan sejumlah data.
2.6. Clustering
Metode data mining dapat diklasifikasikan berdasarkan fungsi atau aplikasi dimana mereka digunakan. Teknik data mining yang digunakan dalam menyelesaikan tugas akhir ini adalah menggunakan teknik cluster analisis.
Clustering dan segmentasi merupakan partisi dasar dalam suatu database yang dibagi menjadi beberapa partisi maupun group yang memiliki kesamaan dan mempunyai beberapa konsep yang digunakan pada beberapa aplikasi. Keanggotaan dalam suatu group dapat dijadikan dasar kesamaan diantara anggota dan dari mana anggota tersebut dapat didefinisikan.
Pendekatan lain yang digunakan untuk membangun suatu set fungsi, dapat pula diukur dari beberapa sifat partisi. Contoh : group atau subset yang dijadikan sebagai suatu fungsi dari beberapa parameter dalam suatu partisi.
Clustering menurut optimalisasi suatu set fungsi dapat digunakan dalam menganalisis data. Contoh : aturan tarif asuransi seorang customer dapat digolongkan menurut jumlah parameter dan penggolongan tarif optimal.
Clustering atau segmentasi dalam suatu database adalah proses pemisahan suatu set data ke dalam komponen dimana menggambarkan keteraturan pola yang konsisten dalam suatu perlakuan. Data dapat disusun ulang menjadi beberapa subset yang dapat dimengerti dan juga diberikan suatu sub group dari suatu populasi untuk analisa lebih lanjut atau kejadian yang lebih penting dalam suatu
(12)
Contoh : suatu database dapat digunakan untuk melihat riwayat penjualan dalam menentukan target pemasaran untuk memprediksi penjualan pada periode pemasaran berikutnya.
2.7. Pengelompokan Agglomerative
Bentuk algoritma agglomerative clustering adalah sebagai berikut:
1. Mulai dengan banyak cluster dengan satu record dalam satu cluster. 2. Dari semua cluster ambil dua cluster dengan jarak terkecil.
3. Gabungkan kedua cluster tersebut dalam satu cluster baru. 4. Cari jarak baru dari masing masing cluster.
5. Ulangi langkah kedua sampai ke empat sehingga akhirnya hanya ada satu cluster saja.
Pada saat menentukan jarak harus dibuat dahulu sebuah matrik persamaan. Matrik persamaan yaitu sebuah matrik yang membandingkan antara dua buah
cluster. Misalnya ada 5 buah data, maka dapat dibuat Tabel persamaan matrik sebagai berikut :
Tabel 2.1 Contoh matrix jarak data
Matrik jarak antara data A hingga E A B C D E A 0
B 5 0 C 10 25 0 D 15 4 3 0 E 7 3 23 13 0
(13)
11
Hanya perlu menggunakan matrik segitiga di bawah garis diagonal karena data jarak segitiga bawah sama dengan data jarak segitiga atas. Kemudian lakukan tahapan algoritma clustering diatas. Dengan history yang ada maka telah didapatkan sebuah cluster tree yang akan mempercepat dalam pencarian dengan data yang banyak.
Dalam menentukan jarak antar cluster yang beranggotakan lebih dari satu, ada beberapa metode yang diterapkan, yaitu :
1. Single linkage
Single linkage adalah metode pencarian jarak antara cluster dengan membandingkan anggota masing-masing cluster, sehingga ditemukan jarak yang paling dekat antara anggota cluster yang satu dengan anggota
cluster pada cluster yang lainnya. 2. Complete linkage
Complete linkage adalah metode pencarian jarak antar cluster dengan membandingkan anggota masing-masing cluster, sehingga ditemukan jarak yang paling jauh antara anggota cluster yang satu dengan anggota
cluster pada cluster yang lainnya. 3. Comparison of centroid
Comparison of centroid adalah metode pencarian jarak antar cluster
dengan menghitung nilai tengah (rata-rata) dari masing-masing cluster. Metode comparison of centroid dapat diilustrasikan sebagai berikut :
(14)
Gambar 2.1 Gambar Perbandingan Cluster
2.8. Analisa dan Perancangan Sistem
Analisa dan perancangan sistem dapat diwujudkan dengan menggunakan permodelan, diantaranya adalah sebegai berikut :
1. Entity Relationship Diagram (ERD)
ERD digunakan untuk menginterpretasikan, menentukan dan mendokumentasikan kebutuhan-kebutuhan untuk sistem pemrosesan
database. ERD menyediakan bentuk untuk menunjukkan struktur keseluruhan kebutuhan data dari pemakai. Adapun elemen-elemen dari ERD ini adalah:
a. Entitas
Komponen entitas digambarkan dengan kotak persegi empat
Gambar 2.2 Simbol Entity b. Hubungan atau relasi
Hubungan atau relasi antar entitas dengan entitas lainnya merupakan bentuk “diamond”.
Comparison of centroids
C2 C1
Complete Lingkage single Lingkage
(15)
13
Gambar 2.3 Simbol Relasi
Hubungan antara satu entitas dengan entitas lainnya dapat berbentuk: 1. Hubungan satu ke satu
2. Hubungan satu ke banyak 3. Hubungan banyak ke banyak c. Pengidentifikasi
d. Atribut
2. Data Flow Diagram (DFD)
DFD berfungsi untuk menggambarkan proses aliran data yang terjadi didalam sistem dari tingkat yang tertinggi sampai yang terendah, yang memungkinkan kita untuk melakukan dekomposisi, mempartisi atau membagi sistem kedalam bagian-bagian yang lebih kecil dan lebih sederhana. DFD memiliki empat simbol yaitu:
a. Elemen-elemen lingkungan yang berhubungan dengan sistem.
Gambar 2.4 Simbol Elemen Luar DFD b. Proses.
Gambar 2.5 Simbol Proses DFD
Produk Have Konsumen
Sistem Konsumen
(16)
Inputan Melalui Keyboard Proses Dari Sistem
Kartu Pita Magnetic
Pita Pons
Arus Informasi File Offline Storage Penyimpanan Sementara
Ke Halaman Berikut Decision / Keputusan
Display Media Penyimpanan
c. Arus data.
Gambar 2.6 Simbol Arus DFD d. Penyimpanan data.
Gambar 2.7 Simbol Penyimpanan Data DFD 3. Sistem Flow Chart
Sistem flow chart merupakan alat bantu yang banyak digunakan untuk menggambarkan sistem secara fisikal. Simbol-simbol yang digunakan dalam sistem flow chart antara lain :
Gambar 2.8 Simbol Flow Chart
(17)
15
2.9. Microsoft Visual Basic 6.0
Microsoft Visual Basic 6.0 adalah sebuah program yang mampu membangun suatu sistem yang lengkap dengan baik. Hal ini dikarenakan Visual basic 6.0 sekarang memiliki fitur untuk membangun sebuah web yang sama bagusnya dengan sistem mengakses database. Selain itu masih banyak hal baru yang hanya akan didapatkan pada visual basic 6.0 seperti :
1. Alat Penggabungan Visual Database.
Fitur ini sudah berada didalam program visual basic 6.0. Jadi alat ini dapat membantu dalam melakukan view, query, design dan bagian dari diagram database seperti : penyimpanan prosedure, tabel, diagram, view dan sinonim dengan baik.
2. Data Desainer
Visual Basic 6.0 dapat menghasilkan desain yang interaktif, dengan tampilan desain grafik yang langsung terkoneksi dengan database yang menggunakan Active X Data Object (ADO). Desain tersebut dapat membantu dalam :
a. Menambah desain data environment pada proyek. b. Membuat koneksi antar obyek.
c. Membuat hirarki berdasarkan perintah pengelompokan obyek atau menghubungkan satu / lebih perintah dengan perintah yang lain. Dengan banyaknya fitur yang dibawa oleh visual basic 6.0 menghasilkan aplikasi yang dibangun menjadi lebih kompleks. Dengan teknik pemrograman yang berorientasi pada object - object diatas dapat digunakan dalam waktu yang
(18)
bersamaan dengan penggunaan antar aplikasi dan antar proyek, sehingga dapat membantu dalam melakukan pemeliharaan sistem.
2.10. Microsoft SQL 2000
SQL Server 2000 adalah sebuah database relasional yang dirancang untuk mendukung aplikasi dengan arsitektur client / server. Dimana database yang terdapat pada komputer pusat disebut server, dan informasi yang digunakan bersama-sama oleh beberapa user yang menjalankan aplikasi di dalam komputer lokal disebut client. Arsitektur semacam ini memberikan integritas data yang tinggi, karena semua user bekerja dengan informasi yang sama.
Arsitektur client / server sangat mengurangi lalu lintas network, karena arsitektur client / server hanya memberikan data yang diminta oleh user saja. Contoh : jika sebuah pencarian suatu database yang mengandung 100.000 records
hanya menghasilkan 3 record, 3 record ini saja yang akan dikirimkan melalui
network kepada komputer client. Sedangkan pada sistem tradisional, semua
database yang mengandung 100.000 record akan dikirimkan melalui network.
Interface dari SQL 2000 ini membawa banyak inovasi dan kemudahan dalam penggunaan, dan pada saat yang sama pula dapat menggabungkan sarana-sarana yang canggih untuk user tingkat lanjut. Versi baru ini dapat dijalankan pada Windows 95 / 98 dan NT dengan kompatibilitas kode sebesar 100 persen.
SQL Server menggabungkan Online Analytical Processing (OLAP) Server dan modul untuk Data Transformation Services (DTS), serta manajemen dapat terintegrasi dari banyak server, disamping sarana-sarana lain.
(19)
17
2.11. Power Designer 6.0 (Data Architect 32-bit)
Power designer 6.0 merupakan suatu software yang membantu dalam pembuatan dan pengujian terhadap desain sistem yang dibuat. Software ini mempunyai fasilitas Level Balance yang berfungsi untuk mengetahui keseimbangan antara input dan output dari sistem, dan juga fasilitas Rule Check
yang berfungsi untuk menguji adanya kesalahan pada desain sistem. Software ini terdiri atas empat jenis, yaitu :
A. Process Analysis digunakan untuk membangun diagram alir dari suatu sistem yang lebih dikenal dengan nama DFD (Data Flow Diagram). B. Data Architect digunakan untuk membangun diagram relasi antar tabel
dari sistem yang ada. Diagram ini dikenal dengan nama ER-Diagram. C. Meta Works digunakan untuk menggabungkan hasil desain yang ada dari
DFD dan ER-Diagram yang dibuat untuk disiapkan menjadi suatu aplikasi dengan menghubungkan ke database yang dibuat.
D. AppModeler digunakan untuk membangun aplikasi dari sistem yang dibuat. Dengan menggunakan AppModeler dapat dibuat aplikasi dengan bahasa pemrograman Visual Basic, Delphi, Power Builder, Power++.
2.12. Interaksi Manusia dan Komputer
Interaksi manusia dan komputer mengandung maksud bahwa manusia dan komputer dapat saling tukar menukar informasi layaknya percakapan orang dengan komputer. Faktor manusia atau ergonomi dalam sistem komputer memperhitungkan bagaimana komputer berinteraksi dengan manusia. Untuk
(20)
mengerti hubungan pemakai dengan komputer yang baik adalah dengan membaginya kedalam suatu katagori minimal 8 katagori, yaitu :
• Pemakai komputer.
• Alat input.
• Bahasa input.
• Rancangan dialog.
• Pemandu user.
• Pesan ynag timbul.
• Rancangan layar.
• Waktu respon komputer.
Dokumentasi komputer merupakan salah satu tipe petunjuk pemakai yaitu merupakan salah satu penyimpanan detail yang biasanya menawarkan grafik dan kata-kata untuk bermacam-macam contoh yang menjelaskan masalah dan konsep.
(21)
BAB III
PERANCANGAN SISTEM
3.1. Analisa Permasalahan
Sistem Informasi Pemasaran terdiri dari orang, peralatan dan prosedur untuk dapat mengumpulkan, menyortir, menganalisis, mengeveluasi dan mendistribusikan informasi yang tepat waktu, akurat, dan dibutuhkan bagi pembuat keputusan pemasaran.
Sistem Informasi Pemasaran dibangun untuk mempermudah pengguna dalam melakukan berbagai aktivitas seperti : transaksi, pembayaran dan lain sebagainya. Sistem Informasi Pemasaran yang baik terdiri dari beberapa sub sistem, yaitu:
1. Sistem Catatan Internal
Sistem Catatan Internal adalah sistem yang memberikan data terbaru mengenai penjualan, pembayaran, dan piutang. Pada sistem informasi pemasaran produk dan konsumen ini, sistem catatan berupa : data konsumen, data produk, data transaksi dan data pembayaran.
2. Sistem Inteligen Pemasaran
Sistem Inteligen Pemasaran adalah sistem yang memberikan para manager pemasaran informasi harian mengenai perkembangan dalam lingkungan pemasaran eksternal. Dalam sistem informasi pemasaran produk dan konsumen ini, sistem inteligen berupa : laporan konsumen, laporan produk, laporan transaksi, laporan pembayaran dan laporan pembentukan kelompok yang pengolahan datanya mengggunakan metode Agglomerative cluster.
(22)
3. Riset Pemasaran
Riset Pemasaran adalah sistem yang melibatkan pegumpulan informasi yang relevan dengan permasalahan pemasaran tertentu yang sedang dihadapi perusahaan. Dalam sistem informasi pemasaran produk dan konsumen ini, riset pemasaran berupa : penyajian data yang akurat sehingga membantu manager dalam melakukan riset.
4. Sistem Pendukung Keputusan Pemasaran
Sistem Pendukung Keputusan Pemasaran adalah sistem yang terdiri dari tehnik- tehnik statistik dan model keputusan untuk membantu para manager pemasaran dalam membuat keputusan yang lebih baik. Dalam sistem informasi pemasaran produk dan konsumen ini, sistem pendukung keputusan pemasaran berupa : kesimpulan akhir yang disajikan dalam pengelompokan data sehingga manager dapat mengambil keputusan pemasaran pada masa mendatang.
Sebelum sistem ini dibangun diperlukan adanya analisa kebutuhan yang memiliki beberapa tahapan sebagai berikut :
1. Inisialisasi spesifikasi kebutuhan perangkat lunak dan perangkat keras. Perangkat lunak yang dibutuhkan dalam perancangan sistem ini adalah:
• Sql server 2000 yang menjadi tumpuan utama dalam pengolahan
database. Dengan adanya sql server 2000 dapat menggunakan perintah
sql seperti : select, view, group by dan lain sebagainya sehingga dapat mempercepat pemrosesan data dalam jumlah yang banyak dan diharapkan waktu yang dibutuhkan untuk mengolah data dapat lebih efisien.
(23)
21
• Visual Basic 6.0 yang menjadi program utama untuk membangun sistem informasi pemasaran pengelompokan produk dan konsumen. Semua perhitungan selain yang dapat dilakukan oleh database, dapat dilakukan oleh program visual basic 6.0, misalnya :
Perhitungan jarak antar cluster yang berupa matrix, dapat dihitung dengan perhitungan sebagai berikut :
Do Do
n = n + 1 With clus
R1 = (Val(txtot.Text) - .Fields("t_trans")) ^ 2 R2 = (Val(txbeli.Text) - .Fields("t_beli")) ^ 2 R3 = (Val(txkrm.Text) - .Fields("bia_krm")) ^ 2 R4 = (Val(txcrdt.Text) - .Fields("crdt_lim")) ^ 2 R5 = (Val(txterm.Text) - .Fields("crdt_term")) ^ 2 R = Sqr(Val(R1) + Val(R2) + Val(R3) + Val(R4) + Val(R5))
End With With mat
. AddNew
.Fields("id_cust") = n .Fields("jarak") = R .Fields("gab1") = txid.Text
.Fields("gab2") = clus.Fields("id_cust") .UpdateBatch
End With clus.MoveNext Loop Until clus.EOF cari
Loop Until s = 1 Sub cari()
clus.MoveFirst
Do While clus.Fields("id_cust") <> txid.Text clus.MoveNext
Loop
clus.MoveNext If clus.EOF Then
s = 1 Else
tampil
clus.MoveNext If clus.EOF Then s = 1 End If
(24)
Selain untuk melakukan perhitungan, program visual basic 6.0 juga digunakan sebagai program desain interface, yang berfungsi untuk memperindah wajah program.
Perangkat keras yang dibutuhkan berupa satu unit cpu lengkap dengan spesifikasi prosesor minimal pentium 3, 667mhz dan memori 256, hal ini dikarenakan perhitungan data yang banyak. Setelah di ujicoba menggunakan komputer dengan spesifikasi diatas, kinerja program terlihat begitu lambat karena untuk menyelesaikan perhitungan 100 buah data diperlukan waktu kurang lebih 10 menit. Sehingga untuk menjalankan sistem informasi pemasaran ini direkomendasikan perangkat keras yang lebih canggih dari komputer dengan spesifikasi diatas agar kinerja program dapat berjalan lebih cepat.
2. Proyeksi waktu dan kompleksitas sistem.
Proyeksi waktu yang dibutuhkan untuk menyelesaikan sistem informasi pemasaran pengelompokan produk dan konsumen diperkirakan 3 bulan, hal ini disebabkan oleh banyaknya perhitungan yang ada serta banyaknya jumlah data yang akan dihitung.
Kompleksitas sistem informasi pemasaran yang dibangun ini berupa pengambilan data yang akurat dan pembuatan sistem, yang meliputi : transaksi, input konsumen dan produk, pembayaran dan penentuan kelompok konsumen.
(25)
23 3.2. Perancangan Sistem
Sistem informasi pemasaran produk dan konsumen dirancang dengan menggunakan metode agglomerative clustering, dengan tujuan agar mempermudah dalam menentukan pembentukan kelompok. Metode agglomerative clustering ini dipilih karena dengan metode ini jumlah kelompok yang dihasilkan fleksibel sesuai dengan kebutuhan pengguna. Selain itu dalam pengerjaannya metode agglomerative clustering lebih mudah diimplementasikan ke dalam sistem informasi pemasaran produk dan konsumen.
Agglomerative clustering adalah metode pengelompokan data berdasarkan kemiripan dari jarak masing-masing data. Jumlah kelompok yang terbentuk akan muncul sesuai dengan jarak dan jumlah data yang ada. Jarak pada masing-masing data dapat dihitung dengan rumus jarak Euclid. Urutan proses agglomerative clustering data marketing adalah sebagai berikut :
• Proses Clustering dimulai dari masukkan data item produk yang diproduksi oleh perusahaan beserta data customer yang mengorder item produk, dimana pada awalnya setiap data customer terdiri dari satu cluster, sehingga terdapat banyak
cluster yang sesuai dengan banyaknya data customer.
• Data tersebut kemudian digabungkan dengan masing-masing cluster yang terdekat menjadi cluster yang lebih besar sehingga terbentuk cluster baru dengan jarak yang baru juga.
• Penggabungan ini dilakukan secara terus-menerus sehingga hanya akan menghasilkan satu cluster saja dan juga menghasilkan sebuah dendogram.
(26)
Dendogram adalah tree data customer yang terbentuk dari proses cluster dan kemudian diwujudkan dalam bentuk grafik. Dari dendogram tersebut dapat dilihat hasil terbaik dari kelompok yang terbentuk menurut sistem informasi pemasaran.
3.3. Alur sistem
Alur sistem merupakan suatu gambaran aliran kerja, dimana alur sistem menggambarkan proses dan urutan kerja sistem informasi pemasaran produk dan konsumen secara garis besar. Gambaran aliran kerja sistem informasi pemasaran adalah sebagai berikut :
Gambar 3.1 Sistem Flow Login
Mulai
Input Password Validasi Password
A
(27)
25
Gambar 3.2 Sistem Flow Proses Transaksi
Gambar 3.3. Sistem Flow Clustering
InputTransaksi Proses Transaksi Transaksi Product Customer Marketing Nota Transaksi Selesai A Input Variabel Proses perhitungan jarak data Transaksi Product Customer (n) Marketing Hasil Clustering Selesai A Command
Proses Pencarian data terkecil Proses penggabungan cluster Proses Penyimpanan cluster History Tmp_graph Temp_cluster Matrix n-1
(28)
i
Penjelasan tentang sistem flow clustering pada sistem informasi ini adalah sebagai berikut :
3.3.1.Proses Perhitungan Jarak Data
Proses untuk menghitung jarak masing-masing data dengan data lainnya yaitu dengan menggunakan rumus jarak Euclid. Rumus jarak Euclid adalah sebagai berikut :
Drs=( ∑ (Xri-Xsi)2)1/2
Contoh :
Tabel 3.1 Contoh Perhitungan Customer id Total Transaksi (Rp) Total Pembelian Credit Limit (Rp) Biaya Transport (Rp) Discount (Rp) A 157.000.000 5 40.000.000 2.500.000 15.700.000 B 130.000.000 4 50.000.000 5.000.000 9.750.000 C 70.000.000 7 15.000.000 3.500.000 3.500.000 D 165.000.000 3 100.000.000 4.500.000 12.375.000
Dab = ((157000000 - 130000000)2 + (5 - 4)2 + (40000000 - 50000000)2 + (2500000 -
5000000)2 + (15700000 - 9750000)2)1/2 = 29506821,25
Dac = ((157000000 - 70000000)2 + (5 - 7)2 + (40000000 - 15000000)2 + (2500000 -
3500000)2 + (15700000 - 3500000)2)1/2 = 91344622,17
Dad = ((157000000 - 165000000)2 + (5 - 3)2 + (40000000 - 100000000)2 + (2500000
- 4500000)2 + (15700000 - 12375000)2)1/2 = 60655219,27
(29)
27 Dbc = ((130000000 - 70000000)2 + (4 - 7)2 + (50000000 - 15000000)2 + (5000000 -
3500000)2 + (9750000 - 3500000)2)1/2 = 69758960
Dbd = ((130000000 - 165000000)2 + (4 - 3)2 + (50000000 - 100000000)2 + (5000000
- 4500000)2 + (9750000 - 12375000)2)1/2 = 61091248,35
Dcd = ((70000000 - 165000000)2 + (7 - 3)2 + (15000000 - 100000000)2 + (3500000 -
4500000)2 + (3500000 - 12375000)2)1/2 = 127787971,4
3.3.2.Proses Pencarian Data Terkecil
Proses pencarian data terkecil adalah proses yang membandingkan data jarak satu dengan data jarak lainnya.
Contoh :
Dab = 29506821,25
Dac = 91344622,17
Dad = 60655219,27
Dbc = 69758960
Dbd = 61091248,35
Dcd = 127787971,4
Dari hasil contoh perhitungan diatas ditemukan data jarak terkecil, yaitu : Dab.
(30)
Algorithma pencarian data jarak terkecil adalah sebagai berikut :
For i = 1 to jumlah data -1 For j = i +1 to jumlah data Kecil = min(Dij); D1=i
D2=j Next j Next I
3.3.3.Proses Penggabungan Cluster
Proses penggabungan cluster dapat dilaksanakan jika telah ditemukan data jarak terkecil dengan mengunakan algorithma seperti diatas. Pada algorithma, setelah data jarak di ketahui maka cluster D1 dan D2 dapat digabungkan dengan membentuk suatu
cluster baru (N). Langkah selanjutnya yaitu harus menentukan jarak dari cluster baru tersebut ke cluster yang lainnya.
Contoh : data yang digabungkan adalah data A dan B sehingga terbentuk sebuah
cluster baru yaitu (AB) dimana : D(ab),d = Min (Dad, Dbd )
= 60655219,27 D(ab),c = Min (Dac, Dbc)
= 69758960
Setelah itu data cluster yang telah digabungkan disimpan dalam file. Ulangi lagi proses pencarian data jarak terkecil dari cluster yang tersisa sampai hanya tinggal satu
(31)
29 3.3.4.Penyimpanan Data Tree Cluster
Untuk penyimpanan pada file masing - masing cluster yang telah digabungkan dengan cluster - cluster lain, maka data cluster tersebut harus disimpan didalam file
database sehingga pada akhir perhitungan sistem informasi pemasaran, pengelompokan ini akan dapat dibuat sebuah system tree. Jumlah kelompok dan anggota kelompok dapat ditentukan oleh adanya system tree sehingga untuk mempermudah pemrosesan, maka dibentuklah sebuah diagram dendogram.
3.4 Data Flow Diagram 3.4.1 Contex Diagram
Gambar 3.4 Contex Diagram
LAP MARKETING Nota Pelunasan
Informasi Product
Variabel cluster Lap Cluster
Lap Penjualan
data Customer
LAP PRODUCT
Lap customer
Data Penjualan Nota Penjualan
1 Sistem Informasi pemasaran+
Custumer Marketing
(32)
3.4.2 DFD Level 0
Gambar 3.5 DFD Level 0 3.4.3 DFD Level 1 Penjualan
Gambar 3.6 DFD Level 1 Penjualan
DATA TRANSAKSI Lap Penjualan DATA PEMBAYARAN DATA TRANSAKSI Data Penjualan Nota Pelunasan Data Penjualan Informasi Product data Customer data customer Data product Data Penjualan Nota Penjualan Custumer Marketing 1 Product 2 Customer Manager 1 Transaksi Penjualan 2 Transaksi Pembayaran 3 transaksi 3 LAPORAN LAP MARKETING DATA TRANSAKSI Nota Pelunasan Data Penjualan data variabel data cluster Data Marketing Variabel cluster Informasi Product Lap Cluster
Lap Penjualan data Customer
data Product data Transaksi data customer data customer data customer data product Data product Lap customer LAP PRODUCT Data Penjualan Nota Penjualan Custumer Marketing Manager 1 Penjualan + 2 Maintenance + 1 Product 2 Customer 3 transaksi 3 Proses Cluster + 4 Marketing 5 History 6 command
(33)
31 3.4.4 DFD Level 1 Maintenance
Gambar 3.7 DFD Level 1 Maintenance
3.4.5 DFD Level 1 Proses Cluster
Gambar 3.8 DFD Level 1 Proses Cluster LAP MARKET ING
Lap customer LAP PRODUCT
DAT A PRODUCT DAT A CUST OMER
DAT A MARKET ING DAT A T RANSAKSI
Data Marketing data product data customer Manager 1 Product 2 Customer 4 Marketing 1 UPDAT E CUST OMER 2 UPDAT E PRODUCT 3 UPDAT E MARKET ING 4 UPDAT E T RANSAKSI 3 transaksi 5 LAPORAN JARAK DATA [data cluster] [data variabel] [data Product] [data Transaksi] [data customer] [Variabel cluster] [Lap Cluster] Maintenance
Manager 5 History
6 command 1.3.1 PROSES PERHITUNGAN JARAK 1.3.2 PROSES PENGELOMPOKAN
(34)
TotalCredit_lim Disc O_KRM Jumlah_T Id_cust Kode_c Kode_c Kode_c Kode_c Kode_c kode_P Kode_M kode_T Relation_62 Kode_c Customer kode_c Nama_c A lamat Credit_L K d_prop T otal T anggal
T ransaks i K ode_T tgl kode_c K ode_M Jumlah Jumlah_o _Krm Disc D_Transa ksi K ode_T K ode_P Jumlah T otal P ropinsi K ode_P Nm_prop B iaya_trm _1000
Marketing K ode_M Nama_M A lamat T elp HP P roduct K ode_P Nama_P Harga Rumus S ource Matrix Id Jarak Gab1 Gab2 History K d_Matrix Jarak Gab1 Gab2 Level T emp_graph P os Id_cust T mp_cluster Id_cust T _Trans T _beli Crdt_lim B ia_krm Crdt_term Disc 3.5 Entity Relationship Diagram ( ERD )
Gambar 3.9 ERD
3.6. Struktur Table
Perancangan table database sistem informasi ini terdiri atas: 3.6.1 Nama Tabel : Tabel Product
Tabel 3.2 Database Product
Nama Field Type Lebar Keterangan Key
Kode_P nvarchar 5 Kode Product PK
Nama_P char 20 Nama Product
Harga Money 8 Harga Product
RMS text 16 Rumus Product
(35)
33 3.6.2 Nama Tabel : Tabel Customer
Table 3.3 Database Customer
Nama Field Type Lebar Keterangan Key
Kode_C nvarchar 5 Kode Customer PK
Nama_C char 30 Nama Customer Alamat char 50 Alamat Customer
Credit Limit money 16 Kredit limit yang diberikan Kd_prop Nchar 5 Kode propinsi perusahaan Total Money 8 Total Transaksi customer Tanggal Tanggal 8 Tanggal pembelian pertama
3.6.3 Nama Tabel : Tabel Transaksi
Tabel 3.4 Database Transaksi
Nama Field Type Lebar Keterangan Key
Kode_T Nchar 5 Kode_transaksi PK
Tgl Date 8 Tanggal Transaksi
Kode_C nchar 5 Kode customer Kode_M Nchar 5 Kode Marketing Jumlah_T text 16 Jumlah Total
Jum_o_krm text 16 Jumlah ongkos kirim 3.6.4 Nama Tabel : Tabel D_Transaksi
Tabel 3.5 Database D_Transaksi
Nama Field Type Lebar Keterangan Key
Kode_T Nchar 5 Kode transaksi PK
Kode_P Nchar 5 Kode Produksi
Jumlah Integer 4 Jumlah pembelian produk Total Money 5 Total(harga produk* Jumlah) 3.6.5 Nama Tabel : Tabel Marketing
Tabel 3.6 Database Marketing
Nama Field Type Lebar Keterangan Key
Kode_M Nvarchar 5 Kode_Marketing PK
Nama_M nchar 30 Nama Marketing
Almat Char 50 Alamat
No_telp nchar 8 Kode telp
(36)
3.6.6 Nama Tabel : Tabel History
Tabel 3.7 Database History
Nama Field Type Lebar Keterangan Key
Kode_Matrix Nchar 5 Kode_Matix PK
Jarak Numeric 9 Jarak
Gab1 Nchar 5 Kode Custmer
Gab2 Nchar 5 Kode Custemer
Lvl Numeric 9 Level
3.6.7 Nama Tabel : Tabel Command
Tabel 3.8 Database Command
Nama Field Type Lebar Keterangan Key
Nama Nvarchar 20 Nama Variabel baru PK Perintah text 16 Perintah sql
3.6.8 Nama Tabel : Tabel Propinsi
Tabel 3.9 Database Propinsi
Nama Field Type Lebar Keterangan Key
KODE Nchar 5 Kode Propinsi PK
Nm_Prop Char 50 Nama Propinsi
Biaya_krm_1000 Money 8 Biaya Kirim brg per 1000 3.6.9 Nama Tabel : Tabel Matrix
Tabel 3.10 Database Matrix
Nama Field Type Lebar Keterangan Key
Id_cust Nchar 5 Kode Matrix PK
Jarak Money 8 Jarak antar gab1 dan gab2
Gab1 Nchar 5 Kode Customer
Gab2 Nchar 5 Kode Custumer
3.6.10 Nama Tabel : Tabel Temp_graph
Tabel 3.11 Database Temp_Graph
Nama Field Type Lebar Keterangan Key
Id_cust Nchar 5 Kode Customer PK
(37)
35 3.6.11 Nama Tabel: Tabel Tmp_cluster
Tabel 3.12 Database Tmp_Cluster
Nama Field Type Lebar Keterangan Key
Id_cust Nchar 5 Kode Customer PK
T_Trans Money 8 Total Transaksi
T_beli Int 4 Total Beli
Crdt_lim Money 8 Credit Limit Biaya_krm Money 8 Biaya Pengiriman Crdt_term Int 4 Waktu Kredit Customer
3.7 Desain Input Output 3.7.1 Desain Form Login
Gambar 3.10 Form Login
Tombol Ok! Untuk masuk ke dalam sistem informasi setelah mengisi kode dan password.
Tombol Clear untuk membatalkan masuk kedalam sistem dan mengisi ulang kode dan password.
Tombol Exit untuk membatalkan masuk ke dalam sistem sekaligus menutup sistem ini.
Form Login
Kode Password
OK!
Clear!
(38)
3.7.2 Desain Form Customer
Gambar 3.11 Form Customer
3.7.3 Desain Form Product
Gambar 3.12 Form Product
Kode Customer # Auto Number #
Nama Customer Alamat
Propinsi Kredit Limit
Save Edit Add
<< >> Exit
Harga
Form Input Product
KodeProduct # Auto Number #
Nama Product Jenis
Rumus
Save Edit Add
<< >> Exit
Path Gambar Product
View Gambar Product
(39)
37 3.7.4. Desain Form Marketing
Gambar 3.13 Form Marketing
Penjelasan tombol pada Form Input Customer, Product dan Marketing. Tombol << digunakan untuk menampilkan record sebelumnya.
Tombol Save digunakan untuk menyimpan data yang telah dimasukkan. Tombol Edit digunakan untuk menyimpan data yang telah di ubah. Tombol Add digunakan untuk menambahkan record baru.
Tombol >> digunakan untuk melihat record berikutnya. Tombol Exit digunakan untuk keluar dari form.
Form Input Marketing
KodeMarketing # Auto Number #
Nama Marketing Alamat
HP
Save Edit Add
<< >> Exit
Path Foto Marketing
View foto Marketing Telpon
(40)
3.7.5. Desain Form Transaksi
Gambar 3.14 Form Transaksi Tombol ??? digunakan untuk membantu mencari kode Product.
Tombol Save digunakan untuk menyimpan transaksi yang sudah dimasukkan. Tombol Exit digunakan untuk keluar dari form transaksi.
Form Transaksi
Kode Marketing # Auto Show # Kode Customer
Kode Product
Kode Nama Product
Save Exit
Nama Marketing
Tanggal # Auto Date #
Nama Kode Transaksi #Auto Number #
Nama
Jumlahh Harga ???
Harga Jumlah Total
Discount Grand Total
(41)
39 3.7.6 Desain Form Pembayaran
Gambar 3.15 Form Pembayaran Tombol OK! digunakan untuk menyimpan data pembayaran
Tombol Cancel digunakan untuk membatalkan data yang akan dimasukkan. Tombol Exit digunakan untuk keluar dari form pembayaran.
Form Pembayaran Tanggal # Auto Date #
Kode Pembayaran # Auto Number #
Kode Customer Nama Customer
Kode Transaksi Jumlah
Pembayaran
No Cek
Nama Bank
Tanggal
(42)
3.7.7. Desain Form Grafik Dendogram
Gambar 3.16 Form Grafik Dendogram Tombol Detail digunakan untuk menampilkan form detil cluster. Tombol Exit digunakan untuk keluar dari form grafik Dendogram
Form Grafik Dendogram
(43)
41 3.7.8. Desain Form Detail Cluster
Gambar 3.17 Form Detail Cluster Tombol Exit digunakan untuk keluar dari form detil cluster.
Form Detail Cluster
Kelompok yang terbentuk Kelompok
Anggota Kelompok
Kode Customer Var1 Var2 Var3 Var4
Kesimpulan:
Percentase
(44)
3.8 Perangkat Lunak
Perangkat lunak yang dibutuhkan untuk menjalankan aplikasi ini adalah : Sistem Operasi Windows XP, SQL server 7 atau SQL server 2000, dan Visual Basic 6.0
3.9 Kebutuhan Perangkat Keras
Perangkat keras yang dibutuhkan untuk menjalankan sistem informasi ini adalah : Minimum:
Prosessor : Pentium 3, 667 Mhz Memory : Min 256 Mb
Hardisk space Min 2 Mb
Monitor :15 “ Resolusi (1024 * 768)
Dianjurkan:
Prossesor : Pentium 4, 3.0Ghz (Prescot) Memory :512 Mb
Hardisk Space 5 Mb Monitor 17”
(45)
BAB IV
IMPLEMENTASI DAN EVALUASI
4.1 Implementasi Sistem
Proses pengimplementasian sistem informasi pemasaran ini, diperlukan beberapa proses yang harus dilakukan agar sistem dapat berjalan dengan baik. Proses dan cara yang dilakukan adalah sebagai berikut :
4.1.1 Proses Instalasi Dan Setup Program
Instalasi Sistem informasi Pemasaran ini membutuhkan software Microsoft SQL Server 2000, sedangkan untuk menjalankan Sistem ini adalah dengan menjalankan file SIP.exe
4.1.2 Cara Menggunakan Program
A. Menu Login
Tampilan awal menu login dimana user harus memasukan id dan password yang telah terdaftar, kemudian system akan otomatis mendeteksi jabatan dan nama user yang masuk kedalam system ini yang berfungsi untuk pembatasan hak akses terhadap Sistem ini. Tingkat jabatan user dan hak aksesnya dapat dijelaskan sebagai berikut:
• Marketing
Marketing memiliki akses dalam menu entry data ustomer, product dan transaksi. Selain menu File, Windows dan Help.
(46)
• Kasir
Kasir hanya memiliki akses dalam menu pembayaran, serta menu File,Windows dan Help.
• Administrator
Administrator adalah orang yang bertanggung jawab langsung terhadap jalannya sistem ini. Dengan demikian administrator dapat mengakses semua menu yang ada dalam program ini termasuk menu penambahan user baru.
•Supervisor
Supervisor adalah orang yang bertanggung jawab terhadap data marketing dan kasir. Dengan demikian supervisor dapat mengakses seluruh menu yang dapat diakses oleh marketing dan kasir ditambah dengan menu view entry Customer, Product, Transaksi serta pembayaran.
• Manager
Manager memiliki seluruh hak akses supervisor dengan ditambah menu akses Clustering. Dimana dari hasil cluster yang diperoleh seorang manager dapat mengambil keputusan yang lebih akurat untuk kemajuan perusahaan terutama bidang pemasaran.
(47)
45 B. Menu Entry Customer
Menu ini biasanya diakses oleh seorang marketing yang mendapatkan customer baru dan memasukan data-data agar dapat diproses oleh sistem.
Tombol save digunakan untuk menyimpan data yang telah dimasukan.
Tombol cancel berfungsi untuk membatalkan data yang akan dimasukan dan membuat form kembali menjadi kosong.
Tombol view digunakan untuk memangil form view customer untuk melihat data-data customer yang telah ada didalam system.
(48)
C. Menu Entry Product
Menu ini biasanya diakses oleh seorang marketing untuk menambahkan data produk baru agar dapat diproses oleh sistem.
Tombol save digunakan untuk menyimpan data yang telah dimasukan.
Tombol cancel berfungsi untuk membatalkan data ayang akan dimasukan dan membuat form kembali menjadi kosong.
Tombol view digunakan untuk memangil form view customer untuk melihat data-data customer yang telah ada didalam system.
Tombol browse digunakan untuk mencari alamat atau path file gambar product tersebut berada
(49)
47 D. Menu Entry Transaksi
Menu ini biasanya diakses oleh seorang marketing untuk menambahkan data transaksi bila ada customer yang melakukan transaksi.
Tombol … untuk memilih produk yang telah ada di dalam system.
Tombol Transaksi Baru digunakan untuk menyimpan data yang telah dimasukan.
Gambar 4.4 Menu Transaksi
E. Menu Pembayaran
Menu ini biasanya diakses oleh seorang Kasir untuk menambahkan data pembayaran transaksi bila ada customer yang melakukan pembayaran atau pelunasan transaksi.
Apabila pembayaran yang dipilih adalah tunai maka kolom nama bank, no ceq, dan tanggal akan otomatis non aktif.
(50)
Apabila user memasukan kode customer, maka yang akan muncul dalam list kode transaksi adalah kode transaksi customer tersebut yang belum dibayar. Namun apabila user memasukan kode transaksi, maka kode customer akan otomatis muncul.
Tombol Save digunakan untuk menyimpan data yang telah dimasukan
Tombol cancel berfungsi untuk membatalkan data yang akan dimasukan dan membuat form kembali menjadi kosong
Tombol Exit digunakan untuk keluar dari form ini.
(51)
49 F. Menu View Customer
Menu ini biasanya digunakan oleh Marketing, Administrator dan Supervisor untuk melihat dan mengupdate data customer yang ada.
Tombol edit digunakan untuk menyimpan data yang telah diubah
Tombol cancel berfungsi untuk membatalkan data yang akan dimasukan dan membuat form kembali menjadi sepeti semula.
Tombol Delete berfungsi untuk menghapus data customer yang dinilai sudah tidak valid. Tombol Pref untuk menampilkan data sebelumnya
Tombol next untuk menampilkan data berikutnya.
Tombol Entry untuk memanggil Form Entry Customer.
Gambar 4.6 Menu View Customer
(52)
Menu ini biasanya digunakan oleh Marketing, Administrator dan supervisor untuk melihat dan mengupdate data produk yang ada.
Tombol edit digunakan untuk menyimpan data yang telah diubah
Tombol cancel berfungsi untuk membatalkan data yang akan dimasukan dan membuat form kembali seperti semula.
Tombol Delete berfungsi untuk menghapus data produk yang dinilai sudah tidak valid. Tombol Pref untuk menampilkan data sebelumnya
Tombol next untuk menampilkan data berikutnya. Tombol Entry untuk memanggil Form Entry Produk
(53)
51 H. Menu View Transaksi
Menu ini biasanya digunakan oleh Administrator, Supervisor dan Manager untuk melihat dan mengupdate data transaksi yang ada. User hanya perlu memasukan kode customer maka akan tampil transaksi apa saja yang telah dilakukan customer tersebut. Nilai total jumlah adalah nilai total dari seluruh transaksi customer tersebut. Untuk melihat lebih detail per transaksi, user hanya meng-klik pada transaksi yang dimaksud, maka detail dari transaksi tersebut akan muncul secara otomatis.
Tombol Update adalah untuk menyimpan data yang telah diubah. Tombol Delete dalah untuk menghapus transaksi yang dimaksud. Tombol Exit adalah untuk keluar dari form ini.
(54)
I. Menu View Pembayaran
Menu ini biasanya digunakan oleh Administrator, Supervisor dan Manager untuk melihat dan mengupdate data Pembayaran yang ada dalam kurun waktu tertentu. User hanya perlu meng-klik pada tanggal awal dan tanggal akhir, maka akan tampil data pembayaran yang telah dilakukan oleh customer.
Tombol Update adalah untuk menyimpan data yang telah diubah. Tombol Delete dalah untuk menghapus Pembayaran yang dimaksud. Tombol Exit adalah untuk keluar dari form ini
Gambar 4.9 Menu View Pembayaran
J. Menu Seting variable
Menu ini hanya dapat digunakan oleh Manager dan Administrator, menu ini berfungsi untuk memilih variable mana aja yang digunakan untuk menghitung jarak antar cluster.dengan meng-klik pada nama variable yang ada. Selainitu user juga dapat
(55)
53 membuat variable baru dalam perhitungan jarak dengan memilih tombol create variabel kemudian memilih variabel yag ada dalam list new variabel, kemudian tekan tombol create, nama variabel tersebut akan muncul dalam pilihan variabel, Selain itu variabel juga dapat dihapus dari menu pilihan dengan cara meng-klick nama variabel kemudian tekan tombol Delete. Jika ingin melanjutkan untuk melihat dendogram dan hasil kesimpulan akhir tekan tombol OK, jika ingin membatalkan tekan cancel.
Gambar 4.10 Menu Setting variabel
K. Menu Dendogram
Form ini merupakan hasil perhitungan kluster dari variabel- variabel yang dipilih oleh user pada menu seting variabel. Dari menu ini dapat dilihat jumlah kelompok yang terbaik untuk dibentuk.
(56)
Gambar 4.11 Menu Dendogram
L. Menu Detil Cluster
Menu ini hanya dapat diakses oleh Manager dan Administrator, menu ini merupakan kelanjutan dari form Dendogram apabila, dendogram sudah terbentuk maka form ini merupakan form pembantu membaca dendogram. Dengan langsung menampilkan jumlah kelompok yang terbaik untuk dibentuk. Nama-nama kelompok tersebut dan anggota kelompok tersebut siapa saja. Selain itu juga ada tingkat percentase yang terjadi dari jumlah kelompok yang terbentuk. Jika user tidak ingin menuruti perhitungan system. Maka system juga memberikan kesempatan uuser untuk memilih jumlah kelompok yang dibentuk oleh user dengan mengklik list jumlah kelompok.
(57)
55 Kesimpulan akan otomatis tebentuk dari hasil perhitungan sitem untuk membantu manager dalam menghasilkan keputusan dalam hal pemasaran.
Tombol Exit untuk mengakhiri form ini. Dan kembali ke menu utama.
Gambar 4.12 Menu Detil Kelompok
M. Menu Setting Skin
Menu ini dapat digunakan oleh semua user. Menu ini berfungsi untuk memperindah tampilan program sehingga dengan ada nya menu merubah skin ini program tidak terlihat kaku karena dapat secara flexible di ubah oleh user tersebut sesuai dengan kemauan user. Cara penggunaannya amat mudah user tinggal meng-klik pada list select skin sehingga
(58)
muncul pilihan nama-nama skin yang ada kemudian tekan tombol preview untukmengaktifkan skin pada form skin ini, jika user merasa kurang pas pilih skin yang lain yang disukai user. Setelah selesai tekan tombol OK! Untuk mengaktifasi skin pada seluruh program ini sehingga akan tampak lebih menarik. Selain itu skin pilihan user ini akan otomatis tersimpan dalam system ini sehingga apabila user menggunakan system ini kembali tampilan skin tersebut akan langsung tampil pada awal pemakaian program sehingga user tidak perlu merubah seting skin lagi.
Gambar 4.13 Menu Skin
N. Menu Laporan
Menu ini adalah tampilan Laporan yang akan disajikan kepada manager oleh system berupa print out data yang meliputi data customer, data transaksi, data produk, dan data pembayaran setiap bulan.
(59)
57
Gambar 4.14 Menu Laporan
4.2 Evaluasi
Uji coba validasi ini bertujuan untuk memastikan bahwa sistem yang telah dibuat dengan benar telah sesuai dengan kebutuhan atau tujuan yang diharapkan. Hasil uji coba ini, akan menjadi bahan pada analisis uji coba.
Contoh kasus pertama:
Perhitungan lima orang konsumen dalam database yang memiliki data sebagai berikut: Tabel 4.1 Contoh Kasus
Customer id
Total Transaksi
(Rp)
Total Pembelian
Credit Limit (Rp)
Biaya Transport
(Rp)
Term (hari)
A 157.000.000 5 40.000.000 2.500.000 60
B 130.000.000 4 50.000.000 5.000.000 60
C 70.000.000 7 15.000.000 3.500.000 90
D 165.000.000 3 100.000.000 4.500.000 30
(60)
Maka matrix perhitungannya adalah sebagai berikut:
Perhitungan menggunakan 3 variabel total transaksi, total pembelian dan biaya transport, maka akan didapat data jarak seperti pada Tabel ini.
Tabel 4.2 Tabel Jarak Data-1
A B C D E
A
B 27.115.493,73
C 87.005.746,94 60.018.747,07
D 8.246.211,251 35.003.571,25 95.005.263,01
E 32.097.507,69 7.071.067,812 55.111.251,12 40.252.329,13
Dari data Tabel diatas jarak terkecil adalah jarak B-E sehingga B-E digabung menjadi Gab1, kemudian terbentuk kembali Tabel sebagai berikut
Tabel 4.3 Tabel Jarak Data-2
Gab1 A C D
Gab1
A 27.115.493,73
C 55.111.251,12 87.005.746,94
D 35.003.571,25 8.246.211,251 95.005.263,01
Dari data tabel diatas jarak terkecil adalah jarak D-A sehingga D-A digabung menjadi Gab2, kemudian terbentuk kembali Tabel sebagai berikut :
Tabel 4.4 Tabel Jarak Data-3
Gab1 Gab2 C
Gab1
Gab2 27.115.493,73
C 55.111.251,12 87.005.746,94
Dari data Tabel diatas jarak terkecil adalah jarak Gab2-Gab1 sehingga Gab2-Gab1 digabung menjadi Gab3, Kemudian Gab3 dan C digabung menjadi Gab4.
(61)
59
Gambar 4.15 Grafik Dendogram Data
Dari Grafik Dendogram diatas dapat terlihat bahwa telah terbentuk dua kelompok. yaitu: 1. Kelompok Utama (anggota: A,B,D,E)
2. Kelompok Standard (anggota: C )
Dengan contoh kasus yang sama seperti diatas dilakukan perhitungan dengan Sistem Informasi Pemasaran pengelompokan produk dan konsumen dengan metode
Agglomerative Clustering maka didapat hasil sebagai berikut:
Gambar 4.16 Gambar Form Pembentukan Kelompok Gab 4
Gab3
B E A D C
(62)
Gambar 4.17 Grafik Dendogram SIP
Dari contoh diatas dapat dilihat bahwa perhitungan sistem informasi pemasaran dan perhitungan secara manual menghasilkan Gambar dendogram yang sama (lihat Gambar 4.16 dan Gambar 4.18).
Contoh kasus kedua:
Perhitungan dengan penambahan variabel baru. Menggunakan lima variabel yang sama seperti diatas (Lihat Tabel 4.1) ditambah dengan satu variabel baru yang diberi nama discount.
Tabel 4.5 Tabel Variabel Baru Id Discount
A 500.000
B 300.000
C 140.000
D 150.000
E 500.000
(63)
61 Tabel 4.6 Tabel Jarak Data-4
A B C D E
A
B 28.901.953,22
C 90.530.419,75 69.481.004,6
D 60.588.719,25 61.067.585,51 127.505.921,4
E 43.944.452,44 21.247.117,45 77.881.255,77 50.208.465,42
Data yang digabung adalah data B dan E menjadi kelompok Gab1, sehingga jarak baru yang terbentuk adalah sebagai berikut:
Tabel 4.7 Tabel Jarak Data-5
Gab1 A C D
Gab1
A 28.901.953,22
C 69.481.004,60 90.530.419,75
D 50.208.465,42 60.588.719,25 127.505.921,40
Berdasarkan Tabel diatas data terkecil adalah 28.901.953,22 sehingga data yang digabung adalah data Gab1 dan A menjadi kelompok Gab2, sehingga jarak baru yang terbentuk adalah sebagai berikut:
Tabel 4.8 Tabel Jarak Data-6
Gab2 C D
Gab2
C 69.481.004,60
D 50.208.465,42 127.505.921,40
Berdasarkan Tabel diatas data terkecil adalah 50.208.465,42 sehingga data yang digabung adalah data Gab2 dan D menjadi kelompok Gab3, sehingga Garfik Dendogram yang terbentuk adalah sebagai berikut:
(64)
Gambar 4.18 Dendogram Contoh Kasus Kedua
Tabel 4.9 Tabel Persentase Kelompok
Jumlah kelompok Persentase
4 17%
3 23%
2 39%
Dari Tabel persentase kelompok diatas, maka jumlah kelompok yang terbaik untuk kasus ini adalah dua kelompok (persentasenya tertinggi), yaitu:
1. Kelompok utama (anggota: A,B,D,E) 2. Kelompok Standard (anggota :C )
Dengan contoh kasus yang sama seperti diatas dilakukan perhitungan dengan Sistem Informasi Pemasaran pengelompokan produk dan konsumen dengan metode
Agglomerative Clustering maka didapat hasil sebagai berikut: Gab 4
Gab3
B E A D C
Gab2 Gab1
(65)
63
Gambar 4.19 Gambar Form Pembentukan Kelompok kasus kedua
Gambar 4.20 Gambar Dendogram SIP Kasus kedua
Dari contoh diatas dapat dilihat bahwa perhitungan sistem informasi pemasaran dan perhitungan secara manual menghasilkan Gambar dendogram yang sama (lihat Gambar 4.19 dan Gambar 4.21).
(66)
5.1 Kesimpulan
Setelah dilakukan analisa, implementasi dan evaluasi sistem, maka dapat diambil kesimpulan :
1. Dengan adanya sistem informasi pemasaran akan menghemat waktu dan tenaga karena sistem sudah terkomputerisasi, dengan sistem ini proses pelaksanaan transaksi jadi lebih mudah dan cepat, proses maintenance customer jadi lebih mudah karena didukung oleh database yang akurat.
2. Sistem informasi pemasaran ini juga dapat digunakan sebagai acuan manager dalam mengambil keputusan karena data yang dihasilkan lebih lengkap dan dalam proses komputerisasi yang cepat.
5.2 Saran
Saran-saran yang dapat kami berikan dalam pengembangan aplikasi ini antara lain :
1. Perlu adanya suatu sistem informasi pemasaran yang mampu membuat keputusan dan menentukan taktik pemasaran yang baik.
2. Perlunya dibuatkan sistem informasi terintegrasi yang dapat menangani seluruh masalah perusahaan terutama dalam bidang pemasaran, keuangan, produksi dan lainnya
(67)
DAFTAR PUSTAKA
Berson, Alex and Smith Stephen, J 1997. Data Warehouseing,Data Mining, And Olap The McGraw - Hill, New york.
Berry, M and Linoff, G 1997. Data Mining Techniques For Marketing, Sales and Customer Support, Wiley Computer Publishing, New york.
Djogianto, HM, 1994. Analisa dan Desain Sistem Informasi, Andi Offset, Yogyakarta. Hair, J.f; R.E.Anderson; R.L.Tatham dan W.C.Black, 1998. Multivariate Data Analisys,
5th Edition, Prentice-Hall, New Jersey
Kotler, Philip; Ancella A.H 1995. Manajemen Pemasaran: Analisis, perencanaan, Implementasi dan Pengendalian Jilid Satu, Salemba Empat, Jakarta
Kotler, Philip; Ancella A.H 1995. Manajemen Pemasaran: Analisis, perencanaan, Implementasi dan Pengendalian Jilid Dua, Salemba Empat, Jakarta
Mahyuzir, T.D, 1990. Analisa dan Perancangan Sistem Pengolahan Data, PT. Elex Media Komputindo Kelompok Gramedia, Jakarta.
McLeod, Jr., Raymond 1996. Sistem Informasi Manajemen, Edisi 1 & 2, PT. Prenhallindo, Jakarta
Pressman, R,S,Ph.Dr, 1997. Software Engineering: A Practicioner’s Approach, 4th Edition, The McGraw - Hill, Singapore.
Simon dan Schuster, 1997. Pemrograman Database seri Visual Basic, Edisi 1, Cetakan I, Andi Offset, Yogyakarta.
Swartzfager, Gene; Rames Chandak; Purshottam Chandak dan Steve Alvarez. 1999. Visual Basic 6: Object Oriented Programing Gold Book, Coriolis,Arizona.
(68)
(1)
61 Tabel 4.6 Tabel Jarak Data-4
A B C D E
A
B 28.901.953,22
C 90.530.419,75 69.481.004,6
D 60.588.719,25 61.067.585,51 127.505.921,4
E 43.944.452,44 21.247.117,45 77.881.255,77 50.208.465,42
Data yang digabung adalah data B dan E menjadi kelompok Gab1, sehingga jarak baru yang terbentuk adalah sebagai berikut:
Tabel 4.7 Tabel Jarak Data-5
Gab1 A C D
Gab1
A 28.901.953,22
C 69.481.004,60 90.530.419,75
D 50.208.465,42 60.588.719,25 127.505.921,40
Berdasarkan Tabel diatas data terkecil adalah 28.901.953,22 sehingga data yang digabung adalah data Gab1 dan A menjadi kelompok Gab2, sehingga jarak baru yang terbentuk adalah sebagai berikut:
Tabel 4.8 Tabel Jarak Data-6
Gab2 C D
Gab2
C 69.481.004,60
D 50.208.465,42 127.505.921,40
Berdasarkan Tabel diatas data terkecil adalah 50.208.465,42 sehingga data yang digabung adalah data Gab2 dan D menjadi kelompok Gab3, sehingga Garfik Dendogram yang terbentuk adalah sebagai berikut:
(2)
62
Gambar 4.18 Dendogram Contoh Kasus Kedua
Tabel 4.9 Tabel Persentase Kelompok Jumlah kelompok Persentase
4 17%
3 23%
2 39%
Dari Tabel persentase kelompok diatas, maka jumlah kelompok yang terbaik untuk kasus ini adalah dua kelompok (persentasenya tertinggi), yaitu:
1. Kelompok utama (anggota: A,B,D,E) 2. Kelompok Standard (anggota :C )
Dengan contoh kasus yang sama seperti diatas dilakukan perhitungan dengan Sistem Informasi Pemasaran pengelompokan produk dan konsumen dengan metode
Agglomerative Clustering maka didapat hasil sebagai berikut: Gab 4
Gab3
B E A D C
Gab2 Gab1
(3)
63
Gambar 4.19 Gambar Form Pembentukan Kelompok kasus kedua
Gambar 4.20 Gambar Dendogram SIP Kasus kedua
Dari contoh diatas dapat dilihat bahwa perhitungan sistem informasi pemasaran dan perhitungan secara manual menghasilkan Gambar dendogram yang sama (lihat Gambar 4.19 dan Gambar 4.21).
(4)
BAB V PENUTUP
5.1 Kesimpulan
Setelah dilakukan analisa, implementasi dan evaluasi sistem, maka dapat diambil kesimpulan :
1. Dengan adanya sistem informasi pemasaran akan menghemat waktu dan tenaga karena sistem sudah terkomputerisasi, dengan sistem ini proses pelaksanaan transaksi jadi lebih mudah dan cepat, proses maintenance customer jadi lebih mudah karena didukung oleh database yang akurat.
2. Sistem informasi pemasaran ini juga dapat digunakan sebagai acuan manager dalam mengambil keputusan karena data yang dihasilkan lebih lengkap dan dalam proses komputerisasi yang cepat.
5.2 Saran
Saran-saran yang dapat kami berikan dalam pengembangan aplikasi ini antara lain :
1. Perlu adanya suatu sistem informasi pemasaran yang mampu membuat keputusan dan menentukan taktik pemasaran yang baik.
2. Perlunya dibuatkan sistem informasi terintegrasi yang dapat menangani seluruh masalah perusahaan terutama dalam bidang pemasaran, keuangan, produksi dan lainnya
(5)
DAFTAR PUSTAKA
Berson, Alex and Smith Stephen, J 1997. Data Warehouseing,Data Mining, And
Olap The McGraw - Hill, New york.
Berry, M and Linoff, G 1997. Data Mining Techniques For Marketing, Sales and
Customer Support, Wiley Computer Publishing, New york.
Djogianto, HM, 1994. Analisa dan Desain Sistem Informasi, Andi Offset, Yogyakarta. Hair, J.f; R.E.Anderson; R.L.Tatham dan W.C.Black, 1998. Multivariate Data Analisys,
5th Edition, Prentice-Hall, New Jersey
Kotler, Philip; Ancella A.H 1995. Manajemen Pemasaran: Analisis, perencanaan,
Implementasi dan Pengendalian Jilid Satu, Salemba Empat, Jakarta
Kotler, Philip; Ancella A.H 1995. Manajemen Pemasaran: Analisis, perencanaan,
Implementasi dan Pengendalian Jilid Dua, Salemba Empat, Jakarta
Mahyuzir, T.D, 1990. Analisa dan Perancangan Sistem Pengolahan Data, PT. Elex Media Komputindo Kelompok Gramedia, Jakarta.
McLeod, Jr., Raymond 1996. Sistem Informasi Manajemen, Edisi 1 & 2, PT. Prenhallindo, Jakarta
Pressman, R,S,Ph.Dr, 1997. Software Engineering: A Practicioner’s Approach, 4th Edition, The McGraw - Hill, Singapore.
Simon dan Schuster, 1997. Pemrograman Database seri Visual Basic, Edisi 1, Cetakan I, Andi Offset, Yogyakarta.
Swartzfager, Gene; Rames Chandak; Purshottam Chandak dan Steve Alvarez. 1999. Visual Basic 6: Object Oriented Programing Gold Book, Coriolis,Arizona.
(6)