3. Tampil Halaman Prepocessing yang berisi table data hasil dari proses
preprocessing, jumlah transaksi dan jumlah jenis barang
4. Isikan minimum_support 5. Klik tombol Konfirmasi
6. Tampil banyaknya barang yang muncul berdasarkan minimum_support yang di
masukkan oleh user 7. Klik tombol Proses
8. Tampil Halaman Hasil proses yang berisi rule dari proses asosiasi
Alternatif -
Conclusion :
User dapat mengetahui rule dari data transaksi penjualan
Businesse Rules :
-
Assumptions : -
3.2.2.3 Simpan hasil pola asosiasi barang
Tabel 3. 12 Narasi Use Case Cetak hasil pola asosiasi barang
Nama Use Case Cetak hasil pola asosiasi barang
Id Use Case 003
Source
Penjelasan Use case
Deskripsi Menjelaskan proses user melakukancetak hasil pola asosiasi dari
proses data mining
Aktor User
Kondisi Awal
Tampil Home Page
Kondisi Akhir
Hasil Analisa Pola tercetak
Aksi Aktor Reaksi Sistem
1. Klik tombol Save 2. Tampil JFileChooser untuk memilih
lokasi penyimpanan, nama dokumen penyimpanan dan jenis penyimpanan
3. Klik tombol Oke 4. Hasil proses asosiasi berhasil di simpan
Alternatif Alt 4.
-
Conclusion : Hasil proses asosiasi dapat tersimpan
apabila telah dilakukan proses data mining
Businesse Rules : Assumptions :
- User dapat melihat hasil apabila telah melakukan proses data mining
Open Issues : -
3.3 Perancangan Umum Sistem
3.3.1 Masukan Sistem
Masukan data dari sistem ini berasal dari table data yang berada di dalam database. Database yang akan digunakan dapat dipilih sendiri oleh user. Tabel
data transaksi yang digunakan bergantung penuh pada koneksi database yang digunakan oleh user. Selain itu, dalam proses pencarian rule dalam proses data
mining diperlukan sebuah masukan berupa minimum support yang digunakan dalam menentukan rule.
Gambar 3. 4Diagram Konteks
3.3.2 Proses Sistem
Proses sistem terdiri dari beberapa langkah untuk dapat menemukan rule yang berfungsi untuk memprediksi jenis barang yaitu :
a. Pengambilan data transaksi yang akan digunakan untuk proses data mining. b. Menentukan minimum support yang berfungsi dalam menentukan rule.
c. Proses asosiasi untuk memprediksi dijalankan d. Menganalisa hasil asosiasi terhadap proses data mining yang telah
dijalankan. e. Menyimpan hasil analisa proses data mining yang telah dijalankan pada
langkah sebelumnya.
Pengguna Aplikasi pencarian
rulemenggunakan algoritma FP-Growth
Min_supp
Rule hasil proses penambangan data
3.3.3 Keluaran Sistem
Sistem yang akan di bangun ini akan memberikan beberapa keluaran diantaranya adalah jumlah kemunculan yang terjadi dari banyaknya transaksi
yang ada ketika menentukan minimum support. Selain itu juga akan menampilkan hasil dari proses data mining yang dijalankan berupa rule.
3.3.4 Perancangan Struktur Data
Dalam penelitian ini, peeliti menggunakan ArrayList dalam proses pembentukan itemset dari pencarian frequentitemset sampai dengan terbentuknya
rule. Pemilihan ArrayList oleh peneliti dalam menyelesaikan penelitian ini dikarenakan ArrayList tidak membutuhkan pendeklarasian panjang dari sebuah
larik. Larik akan secara otomatis bertambah seiring dengan banyak nya data yang digunakan dalam penelitian ini.
Tabel 3. 13 Struktur Data
ArrayList Fungsi
prepocessing Menyimpan hasil preprocessing
count Menyimpan count dari masing
– masing jenis barang
trns Menyimpan transaksi yang mengadung kode
yang memiliki count sesuai dengan min_support yang di masukkan
Tis Menyimpan transaksi dan item yang
mengadung kode yang memiliki count sesuai dengan min_support yang di masukkan
dataSet Menyimpan data yang siap untuk dibuat tree
candidate Menyimpan hasil dari penyetaraan masing
– masing item dan support nya
3.2 Perancangan Sistem
3.4.1 Diagram Aktivitas
3.4.1.1 Cari database dan data transaksi penjualan
Klik tombol Open Tampil Halaman_Open
Klik Cek Koneksi Valid ?
Tampil exception “ koneksi berhasil
“ Tampil exception “ koneksi
gagal “
Tampil semua tabel yang ada pada database tersebut
Pilih tabel yang akan digunakan
Klik OK Tampil data dari tabel yang
dimaksud SISTEM
USER
YA
TIDAK Pilih koeksi , Isikan nama
database, usernme , password dan url
