Setelah melalui tahap perancangan sistem kemudian dilanjutkan ke tahap implementasi dan pengujian. Implementasi ini harus berdasarkan pada perancangan
ditahap sebelumnya. Dalam mengimplementasikan sistem ini, dibutuhkan 3 buah komponen, yang meliputi kebutuhan hardware perangkat keras, software perangkat
lunak, dan brainware unsur manusia. Sedangkan dalam pengujian dilakukan terhadap hasil association rule yang dimasukkan dengan nilai minimum support dan
minimum confidence yang berbeda.
4.1 Implementasi
Implementasi adalah suatu prosedur yang dilakukan untuk menyelesaikan sistem yang ada dalam dokumen rancangan sistem yang telah disetujui dan telah diuji, menginstal
dan memulai menggunakan sistem baru yang diperbaiki.
4.2 Persiapan Teknis
Dalam implementasi dari program data mining ini membutuhkan perangkat keras hardware dan perangkat lunak software. Adapun hardware dan software yang
akan dibutuhkan adalah sebagai berikut : 1. Perangkat Keras Hardware
1. Micro processor minimal Pentium 4 2. Harddisk minimal 40 GB
3. RAM berkapasitas 512MB 4. Monitor Super VGA 14 inchi
5. Keyboard
2. Perangkat Lunak yang digunakan dalam membangun sistem ini yaitu:
1. PHP 2. XAMPP MySQL
3. Brainware
Universitas Sumatera Utara
Brainware merupakan faktor manusia yang menangani fasilitas komputer yang ada.
Faktor ini mutlak diperlukan karena aplikasi ini memerlukan perawatan atau maintenance,
baik perawatan hardware maupun software. Aplikasi ini tidak dapat beroperasi sendiri tanpa adanya instruksi dari user. User diperlukan untuk proses
update data dan proses menjalankan proses lainnya.
4.3 Menjalankan Aplikasi
Setelah semua persiapan teknis dilakukan, selanjutnya menjalankan aplikasi data mining dengan teknik association rule menggunakan algoritma apriori ini dapat
dilakukan. Untuk dapat menjalankannya, terlebih dahulu install aplikasi data mining pada personal computer PC atau laptop kemudian buka aplikasi pada menu start
program.
4.3.1 Proses login
Universitas Sumatera Utara
Gambar 4.1 Tampilan login
Admin dapat masuk ke system dengan memasukan username dan password, lalu menekan tombol login.
4.3.5 Proses Mining dengan Algoritma Apriori Untuk melihat perbandingan waktu antara Algoritma Apriori dan Algoritma FP-
Growth, maka dilakukan 3 kali pengujian tergadap sistem yang sudah dibuat.
Gambar 4.2 Proses mining dengan Apriori
Universitas Sumatera Utara
Proses mining dengan menggunakan apriori, dengan minimum support 0.15 dan minimum
confidence 0.60 dan jumlah transaksi 20 dalam waktu 7.2 detik.
Gambar 4.3 Proses Mining dengan Apriori
Proses mining dengan menggunakan apriori, dengan minimum support 0.25 dan minimum
confidence 0.75 dan jumlah transaksi 300 menghasilkan 1 rule dalam waktu 5.6 detik.
Universitas Sumatera Utara
4.3.4 Proses Mining dengan FP-Growth
Gambar 4.4 Proses Mining dengan Algoritma FP Growth
Bentuk rule yang dihasilkan dengan FP-Growth dalam waktu 1.09 detik. Dengan minimum support 0.15
dan minimum confidence 0.6 dan jumlah transaksi 20.
Universitas Sumatera Utara
Gambar 4.5 Proses Mining dengan Algoritma FP-Growth.
Bentuk rule yang dihasilkan dengan FP-Growth dalam waktu 28 detik. Dengan minimum support 0.15
dan minimum confidence 0.8 dan jumlah transaksi 300.
Perbandingan waktu Algoritma Apriori dan Algoritma FP-Growth dapat dilihat pada tabel 4.1.
Tabel 4.1 Perbandingan Waktu Algoritma Apriori dan Algoritma FP-Growth
Algoritma Min Support
Min Confidence Waktu detik
Jlh Transaksi
Apriori 0.15
0.6 7
20 Apriori
0.15 0.8
63 300
Apriori 0.25
0.75 5.6
300 FP-Growth
0.15 0.6
3.6 20
FP-Growth 0.15
0.8 28
300 FP-Growth
0.25 0.75
3.28 300
Universitas Sumatera Utara
Dengan melihat table 4.1, waktu yang diperlukan untuk mendapatkan korelasi barang pembelian dengan menggunakan algoritma apriori dan FP-Growth, maka waktu yang
diperlukan algoritma apriori lebih lama dibandingkan dengan algoritma FP-Growth.
Universitas Sumatera Utara
BAB 5 KESIMPULAN DAN SARAN
