Perbandingan Algoritma Apriori Dan Algoritma CT-Pro Pada Komoditas Ekspor Dan Impor

79

Listing Program

1. Apriori

<?php

$time = microtime(); $time = explode(' ', $time); $time = $time[1] + $time[0]; $start = $time;

?>

<div class="workplace"> <div class="row-fluid"> <div class="span12"> <div class="head">

<div class="isw-grid"></div> <h1>Ekspor-Apriori</h1> <div class="clear"></div> </div>

<div class="block-fluid">

<?php

include"koneksi.php";

$delete1 = mysql_query("DELETE FROM kombinasi_gabung") or die (mysql_error());

$delete2 = mysql_query("DELETE FROM hasil_kombinasi") or die (mysql_error()); $delete3 = mysql_query("DELETE FROM hasil_support") or die (mysql_error()); $delete4 = mysql_query("DELETE FROM hasil_akhir_kombinasi") or die (mysql_error());

$delete5 = mysql_query("DELETE FROM gabung_relasi") or die (mysql_error()); $delete6 = mysql_query("DELETE FROM hasil_confidence") or die (mysql_error());

$support = $_POST['support']; $confidence = $_POST['confidence']; $jum_transaksi = $_POST['jum_transaksi'];

• Proses pencarian C1

$sql_relasi = mysql_query("SELECT * FROM relasi ORDER BY id_relasi LIMIT $jum_transaksi");

$num_relasi = mysql_num_rows($sql_relasi);

$sql_komoditas = mysql_query("select * FROM komoditas")or die(mysql_error());

while($array_komoditas = mysql_fetch_array($sql_komoditas)){ ?>

<?php $count_ekspor = mysql_query("SELECT count(*) AS jum_komoditas FROM relasi where

id_komoditas='" . $array_komoditas['id_komoditas'] . "' ORDER BY id_relasi LIMIT $jum_transaksi") or die(mysql_error());

$array_count = mysql_fetch_array($count_ekspor);

$hasil_count_relasi = ($array_count['jum_komoditas'] / $num_relasi) * 100;

if($hasil_count_relasi >= $support){

$item_gabung = $array_komoditas['id_komoditas']; $count_gabung = $hasil_count_relasi;

$sql_cek_count = mysql_query("SELECT * FROM gabung_relasi WHERE item_gabung='$item_gabung' and count_gabung='$count_gabung'")

81

if(mysql_num_rows($sql_cek_count)){ echo '';

} else{

$insert_count = mysql_query("INSERT INTO gabung_relasi VALUES ('','$item_gabung', '$count_gabung','1')");

} } ?> <?php $i++; } ?>

• Proses pencarian L1 <?php

$sql_negara = mysql_query("select * FROM negara")or die(mysql_error()); while($array_negara = mysql_fetch_array($sql_negara)){

?>

<?php $count_ekspor2 = mysql_query("SELECT count(*) AS jum_negara FROM relasi where

id_negara='" . $array_negara['id_negara'] . "' ORDER BY id_relasi LIMIT $jum_transaksi") or die(mysql_error());

$array_count2 = mysql_fetch_array($count_ekspor2);

$hasil_count_relasi2 = ($array_count2['jum_negara'] / $num_relasi) * 100;

if($hasil_count_relasi2 >= $support){

$count_gabung2 = $hasil_count_relasi2;

$sql_cek_count2 = mysql_query("SELECT * FROM gabung_relasi WHERE item_gabung='$item_gabung2' and count_gabung='$count_gabung2'

and item_kategori='2'") or die (mysql_error());

if(mysql_num_rows($sql_cek_count2)){ echo '';

} else{

$insert_count = mysql_query("INSERT INTO gabung_relasi VALUES ('','$item_gabung2', '$count_gabung2','2')");

} }

?><?php $i++; }

?>

• Proses Pencarian C2 <?php

$TRecord = mysql_query("SELECT * FROM gabung_relasi where item_kategori = '1' order by id_item asc ") or die(mysql_error());

$i=1; $j=1;

while($data=mysql_fetch_array($TRecord)){ ?>

83

<?php

$id_kombinasi = $data['item_gabung']; ?></td>

<td><?php

$sql_negara_count = mysql_query("SELECT * FROM gabung_relasi where item_kategori = '2' order by id_item asc ") or die(mysql_error());

while($array_negara_count=mysql_fetch_array($sql_negara_count)){

$id_negara = $array_negara_count['item_gabung'];

$cek_insert_count = mysql_query("SELECT * FROM kombinasi_gabung WHERE id_komoditas='$id_kombinasi' and id_negara='$id_negara'");

if(mysql_num_rows($cek_insert_count)){ echo '';

} else {

$sql_insert_count = mysql_query("INSERT INTO kombinasi_gabung values ('$id_kombinasi', '$id_negara')") or die (mysql_error());

} } ?></td>

</tr> <?php $j++;

} ?>

<?php

$TRecord = mysql_query("SELECT * FROM kombinasi_gabung order by id_komoditas asc ") or die(mysql_error());

$i=1; $j=1;

while($data=mysql_fetch_array($TRecord)){ ?>

<tr>

<td><?php $sql_nama_komoditas = mysql_query("SELECT * FROM komoditas where id_komoditas='" . $data['id_komoditas'] . "'");

$array_nama_komoditas = mysql_fetch_array($sql_nama_komoditas); ?></td>

<td><?php $sql_nama_negara = mysql_query("SELECT * FROM negara where id_negara='" . $data['id_negara'] . "'");

$array_nama_negara = mysql_fetch_array($sql_nama_negara); ?></td>

<td><?php

$sql_jumlah_relasi = mysql_query("SELECT * FROM relasi WHERE id_komoditas='" . $data['id_komoditas'] . "' and

id_negara='" . $data['id_negara'] . "' ORDER BY id_relasi LIMIT $jum_transaksi");

$num_jum_relasi = mysql_num_rows($sql_jumlah_relasi);

$id_komoditas2 = $array_nama_komoditas['id_komoditas']; $id_negara2 = $array_nama_negara['id_negara'];

if($num_jum_relasi >= $support){

$cek_hasil_count = mysql_query("SELECT * FROM hasil_kombinasi WHERE id_komoditas='$id_komoditas2' and id_negara='$id_negara2'

and hasil_count='$num_jum_relasi'") or die (mysql_error()); if(mysql_num_rows($cek_hasil_count)){

echo ''; } else {

85

$sql_insert_count = mysql_query("INSERT INTO hasil_kombinasi values ('', '$id_komoditas2', '$id_negara2','$num_jum_relasi')") or die (mysql_error());

}

} ?></td> </tr> <?php $j++; }?>

• Proses Pencarian L2 <?php

$TRecord = mysql_query("SELECT * FROM hasil_kombinasi order by id_komoditas asc ") or die(mysql_error());

$i=1; $j=1;

while($data=mysql_fetch_array($TRecord)){ ?>

<tr>

<td><?php $sql_nama_komoditas = mysql_query("SELECT * FROM komoditas where id_komoditas='" . $data['id_komoditas'] . "'");

$array_nama_komoditas = mysql_fetch_array($sql_nama_komoditas); ?></td>

<td><?php $sql_nama_negara = mysql_query("SELECT * FROM negara where id_negara='" . $data['id_negara'] . "'");

$array_nama_negara = mysql_fetch_array($sql_nama_negara); ?></td>

$id_komoditas3 = $array_nama_komoditas['id_komoditas']; $id_negara3 = $array_nama_negara['id_negara'];

$sql_jumlah_relasi = mysql_query("SELECT * FROM relasi WHERE id_komoditas='" . $data['id_komoditas'] . "' and

id_negara='" . $data['id_negara'] . "' ORDER BY id_relasi LIMIT $jum_transaksi");

$sql_jumlah_komoditas = mysql_query("SELECT * FROM relasi WHERE id_komoditas='" . $data['id_komoditas'] . "' ORDER BY id_relasi LIMIT $jum_transaksi");

$num_relasi3 = mysql_num_rows($sql_jumlah_komoditas);

$sql_jumlah_relasi2 = mysql_query("SELECT * FROM relasi ORDER BY id_relasi LIMIT $jum_transaksi ");

$num_relasi = mysql_num_rows($sql_jumlah_relasi2); $num_relasi2 = mysql_num_rows($sql_jumlah_relasi);

$num_jum_relasi = mysql_num_rows($sql_jumlah_relasi);

$hasil_num_relasi = ($num_relasi2 / $num_relasi3) * 100;

if($hasil_num_relasi >= $support){

$sql_cek_support = mysql_query("SELECT * FROM hasil_support WHERE id_komoditas='$id_komoditas3' and id_negara='$id_negara3' and

support='$hasil_num_relasi'") or die (mysql_error()); if(mysql_num_rows($sql_cek_support)){

echo ''; } else {

87

$insert_support = mysql_query("INSERT INTO hasil_support VALUES ('','$id_komoditas3','$id_negara3','$hasil_num_relasi')");

} } ?></td> </tr> <?php $j++;

}?>

• Proses Pencarian L2 dengan nilai confidence <?php

$TRecord = mysql_query("SELECT * FROM hasil_support order by id_hasil_asosiasi asc ") or die(mysql_error());

$i=1; $j=1;

while($data=mysql_fetch_array($TRecord)){ ?>

<tr>

<td><?php $sql_nama_komoditas = mysql_query("SELECT * FROM komoditas where id_komoditas='" . $data['id_komoditas'] . "'");

$array_nama_komoditas = mysql_fetch_array($sql_nama_komoditas); ?></td>

<td><?php $sql_nama_negara = mysql_query("SELECT * FROM negara where id_negara='" . $data['id_negara'] . "'");

$array_nama_negara = mysql_fetch_array($sql_nama_negara); ?></td>

<td><?php

$id_negara3 = $array_nama_negara['id_negara'];

$sql_kombinasi1 = mysql_query("SELECT * FROM relasi WHERE id_komoditas='$id_komoditas3' ORDER BY id_relasi LIMIT $jum_transaksi");

$array_kombinasi1 = mysql_num_rows($sql_kombinasi1);

$sql_kombinasi2 = mysql_query("SELECT * FROM relasi WHERE id_komoditas='$id_komoditas3' and id_negara='$id_negara3' ORDER BY id_relasi LIMIT $jum_transaksi");

$array_kombinasi2 = mysql_num_rows($sql_kombinasi2);

$hasil_confidence = ($array_kombinasi2 / $array_kombinasi1) * 100;

if($hasil_confidence >= $confidence){

$sql_confidence = mysql_query("SELECT * FROM hasil_confidence WHERE id_komoditas='$id_komoditas3' and id_negara='$id_negara3'

and hasil_confidence='$hasil_confidence'"); if(mysql_num_rows($sql_confidence)){ echo '';

} else {

$sql_insert_confidence = mysql_query("INSERT INTO hasil_confidence VALUES ('','$id_komoditas3','$id_negara3','$hasil_confidence')")

or die(mysql_error()); }

}

?> <?php $j++;

89

echo '<p><b>Minimum Support :</b>' . $_POST['support'] . '</p>';

echo '<p><b>Minimum Confidence :</b>' . $_POST['confidence'] . '</p>'; echo '<p><b>Jumlah Transaksi :</b>' . $_POST['jum_transaksi'] . '</p>';

?> <br>

<table cellpadding="0" cellspacing="0" width="100%" class="table" border="1"> <tr>

<th width="46">Nomor</th> <th width="424">Kesimpulan</th> <th width="235">Confidence</th> </tr>

<?php

$TRecord = mysql_query("SELECT * FROM hasil_confidence order by id_hasil_confidence asc ") or die(mysql_error());

$i=1; $j=1;

while($data=mysql_fetch_array($TRecord)){ ?>

<tr>

<td><?php echo $j; ?></td>

<td><?php $sql_nama_negara = mysql_query("SELECT * FROM negara where id_negara='" . $data['id_negara'] . "'");

$array_nama_negara = mysql_fetch_array($sql_nama_negara);

$sql_nama_komoditas = mysql_query("SELECT * FROM komoditas where id_komoditas='" . $data['id_komoditas'] . "'");

echo "Jika " . $array_nama_komoditas['nama_komoditas'] . " maka " . $array_nama_negara['nama_negara'];?></td>

<td><?php echo $data['hasil_confidence'];?></td>

</tr> <?php $j++; ?>

<?php } ?> </table> <br> <?php

$time = microtime(); $time = explode(' ', $time); $time = $time[1] + $time[0]; $finish = $time;

$total_time = round(($finish - $start), 4);

echo "Lama Proses Filtering : " . $total_time." detik"; ?>

<div class="row-fluid"> <div class="span12">

<div class="block-fluid table-sorting"> <div class="clear"></div>

</div> </div> </div> </div>

91

2. CT-Pro Ekspor

<?php

$time = microtime(); $time = explode(' ', $time); $time = $time[1] + $time[0]; $start = $time;

?>

<div class="workplace"> <div class="row-fluid"> <div class="span12"> <div class="head">

<div class="isw-grid"></div> <h1>Ekspor-CTPRO</h1> <div class="clear"></div> </div>

<div class="block-fluid"> <?php

if(isset($_POST['submit'])){ include"koneksi.php";

$delete1 = mysql_query("DELETE FROM gabung_ctpro")or die(mysql_error()); $delete2 = mysql_query("DELETE FROM frequent_komoditas")or

die(mysql_error());

$delete3 = mysql_query("DELETE FROM frequent_negara")or die(mysql_error()); $delete4 = mysql_query("DELETE FROM hasil_ctpro")or die(mysql_error()); $delete5 = mysql_query("DELETE FROM kombinasi_ctpro")or die(mysql_error());

$support = $_POST['support']

$confidence = $_POST['confidence']; $jum_transaksi = $_POST['jum_transaksi'];

• menghitung frekuensi item

$sql_relasi = mysql_query("SELECT * FROM relasi_impor ORDER BY id_relasi_impor ASC LIMIT $jum_transaksi");

$num_relasi = mysql_num_rows($sql_relasi);

$sql_komoditas = mysql_query("select * FROM komoditas")or die(mysql_error());

while($array_komoditas = mysql_fetch_array($sql_komoditas)){ ?>

<?php $count_ekspor = mysql_query("SELECT count(*) AS jum_komoditas FROM relasi_impor where

id_komoditas='" . $array_komoditas['id_komoditas'] . "' ORDER BY id_relasi_impor ASC LIMIT $jum_transaksi") ;

$array_count = mysql_fetch_array($count_ekspor);

$count_ekspor = mysql_query("SELECT count(*) AS jum_komoditas FROM relasi_impor where

id_komoditas='" . $array_komoditas['id_komoditas'] . "'") or die(mysql_error()); $array_count = mysql_fetch_array($count_ekspor);

$hasil_hitung = ($array_count['jum_komoditas'] / $num_relasi) * 100; $item_gabung = $array_komoditas['id_komoditas'];

$count_gabung = $array_count['jum_komoditas'];

if($hasil_hitung >= $support){

93

$count_gabung = $hasil_hitung;

$sql_cek_count = mysql_query("SELECT * FROM gabung_ctpro WHERE item_gabung='$item_gabung' and count_gabung='$count_gabung'")

or die (mysql_error());

if(mysql_num_rows($sql_cek_count)){ echo '';

} else{

$insert_count = mysql_query("INSERT INTO gabung_ctpro VALUES ('','$item_gabung', '$count_gabung','1')");

} }

$i++; } ?>

• Proses pembuatan tree <?php

$sql_negara = mysql_query("select * FROM negara")or die(mysql_error()); while($array_negara = mysql_fetch_array($sql_negara)){

$count_ekspor2 = mysql_query("SELECT count(*) AS jum_negara FROM relasi_impor where

id_negara='" . $array_negara['id_negara'] . "' ORDER BY id_relasi_impor ASC LIMIT $jum_transaksi") or die(mysql_error());

$array_count2 = mysql_fetch_array($count_ekspor2);

if($hasil_hitung_negara >= $support){ $item_gabung = $array_negara['id_negara']; $count_gabung = $hasil_hitung_negara;

$sql_cek_count = mysql_query("SELECT * FROM gabung_ctpro WHERE item_gabung='$item_gabung' and count_gabung='$hasil_hitung_negara'") or die (mysql_error());

if(mysql_num_rows($sql_cek_count)){ echo '';

} else{

$insert_count = mysql_query("INSERT INTO gabung_ctpro VALUES ('','$item_gabung', '$count_gabung','2')");

} } $i++; } ?>

<?php

$sql_komoditas = mysql_query("select * FROM gabung_ctpro a, komoditas b WHERE a.item_gabung=b.id_komoditas

and a.item_kategori='1'")or die(mysql_error()); while($array_komoditas = mysql_fetch_array($sql_komoditas)){

$sql_cek_ada1 = mysql_query("SELECT * FROM relasi_impor WHERE

id_komoditas='" . $array_komoditas['item_gabung'] . "' ORDER BY id_relasi_impor ASC LIMIT $jum_transaksi ");

95

$num_cek_ada1 = mysql_num_rows($sql_cek_ada1);

$id_frequent_komoditas = mysql_fetch_array($sql_cek_ada1); $id_komoditas = $array_komoditas['id_komoditas'];

$id_relasi1 = $id_frequent_komoditas['kode_relasi'];

if($num_cek_ada1 >= $support){

$cek_insert_komoditas = mysql_query("SELECT * FROM frequent_komoditas WHERE id_komoditas='$id_komoditas' and kode_relasi='$id_relasi1'")

or die (mysql_error());

if(mysql_num_rows($cek_insert_komoditas)){ echo '';

} else {

$sql_insert_komoditas = mysql_query("INSERT INTO frequent_komoditas VALUES ('', '$id_relasi1', '$id_ko moditas')");

} }

}

$sql_negara = mysql_query("select a.*,b.* FROM gabung_ctpro a, negara b WHERE a.item_gabung=b.id_negara

and a.item_kategori='2'")or die(mysql_error()); while($array_negara = mysql_fetch_array($sql_negara)){

$sql_cek_ada2 = mysql_query("SELECT * FROM relasi_impor WHERE

id_negara='" . $array_negara['item_gabung'] . "' ORDER BY id_relasi_impor ASC LIMIT $jum_transaksi") ;

$id_frequent_negara = mysql_fetch_array($sql_cek_ada2); $id_negara = $array_negara['id_negara'];

$id_relasi2 = $id_frequent_negara['kode_relasi']; if($num_cek_ada2 >= $support){

$cek_insert_negara = mysql_query("SELECT * FROM frequent_negara WHERE id_negara='$id_negara' and kode_relasi='$id_relasi2'")

or die (mysql_error());

if(mysql_num_rows($cek_insert_negara)){ echo '';

} else {

$sql_insert_negara= mysql_query("INSERT INTO frequent_negara VALUES ('','$id_relasi2', '$id_negara')");

} }

}

$sql_komoditas = mysql_query("select * FROM frequent_komoditas")or die(mysql_error());

while($array_komoditas = mysql_fetch_array($sql_komoditas)){

$sql_relasi = mysql_query("SELECT * FROM frequent_negara");

97

$sql_num_komoditas = mysql_query("SELECT * FROM relasi_impor WHERE id_komoditas='" . $array_komoditas['id_komoditas'] . "' ORDER BY id_relasi_impor ASC LIMIT $jum_transaksi");

$num_ko moditas = mysql_num_rows($sql_num_komoditas);

$array_num_komoditas = mysql_fetch_array($sql_num_komoditas);

$sql_num_komoditas2 = mysql_query("SELECT * FROM relasi_impor WHERE id_komoditas='" . $array_komoditas['id_komoditas'] . "'

and id_negara='" . $array_relasi['id_negara'] . "' ORDER BY id_relasi_impor ASC LIMIT $jum_transaksi");

$num_komoditas2 = mysql_num_rows($sql_num_komoditas2);

if($num_komoditas2 >= $support){

$sql_cek_kombinasi = mysql_query("SELECT * FROM kombinasi_ctpro WHERE id_komoditas='$array_komoditas[id_komoditas]'

and id_negara = '$array_relasi[id_negara]'");

if(mysql_num_rows($sql_cek_kombinasi)){

echo ''; } else {

$insert_cek_kombinasi = mysql_query("INSERT kombinasi_ctpro VALUES

} }

} }

• Proses menghitung confidence

$sql_kombinasi_ctpro = mysql_query("SELECT * FROM kombinasi_ctpro"); while($array_kombinasi_ctpro = mysql_fetch_array($sql_kombinasi_ctpro)){

$sql_num_komoditas = mysql_query("SELECT * FROM relasi_impor WHERE id_komoditas='" . $array_kombinasi_ctpro['id_komoditas'] . "' ORDER BY id_relasi_impor ASC LIMIT $jum_transaksi");

$num_komoditas = mysql_num_rows($sql_num_komoditas);

$sql_num_komoditas2 = mysql_query("SELECT * FROM relasi_impor WHERE id_ko moditas='" .

$array_kombinasi_ctpro['id_komoditas'] . "'

and id_negara='" . $array_kombinasi_ctpro['id_negara'] . "' ORDER BY id_relasi_impor ASC LIMIT $jum_transaksi");

$num_komoditas2 = mysql_num_rows($sql_num_komoditas2);

$hasil_total = ($num_komoditas2 / $num_komoditas) * 100;

99

if($hasil_total >= $confidence){

$sql_cek_hasil = mysql_query("SELECT * FROM hasil_ctpro WHERE id_komoditas='" . $array_kombinasi_ctpro['id_komoditas'] . "'

and id_negara='" . $array_kombinasi_ctpro['id_negara'] . "' and confidence='$hasil_total'") or die (mysql_error());

if(mysql_num_rows($sql_cek_hasil)){

echo '';

} else {

$input_komoditas = $array_kombinasi_ctpro['id_komoditas'];

$input_negara = $array_kombinasi_ctpro['id_negara'];

$insert_hasil = mysql_query("INSERT INTO hasil_fpgrowth VALUES ('','$input_komoditas', '$input_negara', '$hasil_total')")

or die (mysql_error()); }

}

}

echo '<p><b>Minimum Support :</b>' . $_POST['support'] . '</p>';

echo '<p><b>Minimum Confidence :</b>' . $_POST['confidence'] . '</p>'; echo '<p><b>Jumlah Transaksi :</b>' . $_POST['jum_transaksi'] . '</p>';

?>

<br>

<table cellpadding="0" cellspacing="0" width="100%" class="table"> <tr>

<th width="46">Nomor</th> <th width="424">Kesimpulan</th> <th width="235">Nilai Asosiasi</th> </tr>

<?php

$TRecord = mysql_query("SELECT * FROM hasil_ctpr order by id_hasil_fpgrowth asc ") or die(mysql_error());

$i=1; $j=1;

while($data=mysql_fetch_array($TRecord)){ ?>

101

<tr>

<td><?php echo $j; ?></td>

<td><?php $sql_nama_negara = mysql_query("SELECT * FROM negara where id_negara='" . $data['id_negara'] . "'");

$array_nama_negara = mysql_fetch_array($sql_nama_negara);

$sql_nama_komoditas = mysql_query("SELECT * FROM komoditas where id_komoditas='" . $data['id_komoditas'] . "'");

$array_nama_komoditas = mysql_fetch_array($sql_nama_komoditas);

echo "Jika " . $array_nama_komoditas['nama_komoditas'] . " maka " . $array_nama_negara['nama_negara'];?></td>

<td><?php echo $data['confidence'];?></td>

</tr> <?php $j++;

}?> </table>

<?php

$time = explode(' ', $time); $time = $time[1] + $time[0]; $finish = $time;

$total_time = round(($finish - $start), 4);

echo "Lama Proses Filtering : " . $total_time." detik";

} ?>

<div class="row-fluid"> <div class="span12">

<div class="block-fluid table-sorting"> <div class="clear"></div>

</div> </div> </div> </div>

DAFTAR PUSTAKA

Aritonang, P. 2012. Implementasi Data Mining Dengan Association Rule dalam Pengambilan Keputusan Untuk Korelasi Pembelian Produk Menggunakan Algoritma Apriori. Skripsi. Universitas Sumatera Utara.

Asmoko,Hindri. 2013. Teknik Ilustrasi Masalah – Fishbone Diagram. (Online) http://www.bppk.depkeu.go.id/bdpimmagelang/images/unduh/teknik_ilustr asi_masalah.pdf.

Dhivya, Mrs. A.B & Kalpana Dr (Mrs) B. 2010. A Study on the Performance of CT-Apriori and CT-Pro Algorithms using Compressed Structures for Pattern Mining.Journal of Global Research in Computer Science Vol. 1 No.2

(2010,September) 8-15.

Gopalan, R.P. & Sucahyo Y.G. 2004.High performance frequent patterns extraction using compressed fp-tree. Prosiding SIAM International Workshop on

High Performance and Distributed Mining.

Han,J.andKamber,M.“Datamining:ConceptsandTechniques”,2ndEdition.TheMorga

nKaufmannseriesinDataManagementSystem,JimGrey,seriesEditor.2006

.

Huda, Nuqson Masykur.2010. Aplikasi Data Mining untuk Menampilkan Informasi Tingkat Kelulusan Mahasiswa. Skripsi. Universitas Diponegoro

Kusrini & Emha Taufiq Luthfi. 2009. Algoritma - Data mining. Yogyakarta : Penerbit Andi.

Larose, Daniel T. 2005. Discovering Knowledge in Data : An Introduction to Data

Madcoms. 2005. Membuat Aplikasi Database Karyawan Online Berbasis Web dengan

PHP dan MySql.Yogyakarta : Penerbit Andi

Ruldeviyani, Y & Fahrian, M. 2008.Implementasi Algoritma-Algoritma Association

Rules sebagai Bagian dari Pengembangan Data Mining Algorithms

Collection. Prosiding Konferensi Nasional Sistem dan Informatika,pp.

244-248

Wirdasari, D& Calam, A.2011.Penerapan Data mining untuk Mengolah Data Penempatan Buku di Perpustakaan SMK TI PAB 7 Lubuk Pakam dengan Metode Association Rule. Jurnal SAINTIKOM Vol. 10.No. 2 (2011,Mei)

137-150.

Witten, I.H & Frank E. 2005. Data Mining : practical machine learning tools and

16

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

Analisis sistem yang akan dibangun yaitu berupa analisis pencarian rule berdasarkan

association rule dengan algoritma Apriori dan algoritma CT-Pro, dan pada tahapan

perancangan sistem, akan dibahas perancangan Data Flow Diagram (DFD), perancangan alur kerja (flowchart) dan perancangan antarmuka pemakai (user

interface).

3.1 Analisis Masalah

Masalah yang dihadapi dalam membangun aplikasi ini adalah sebagai berikut:

“bagaimana menghasilkan sebuah pengetahuan ataupun informasi baru yang masih tersimpan dalam sebuah data yang besar”.

Adapun metode yang digunakan dalam menganalisis permasalahan yang dihadapi dalam membangun aplikasi ini yaitu Fishbone Diagram. Diagram Fishbone sering disebut dengan istilah Diagram Ishikawa. Penyebutan diagram ini sebagai Diagram Ishikawa karena yang mengembangkan model diagram ini adalah Dr. Kaoru Ishikawa pada sekitar Tahun 1960-an. Diagram Ishikawa dikenal dengan Diagram

fishbone karena diagram ini bentuknya menyerupai kerangka tulang ikan yang bagian-bagiannya meliputi kepala, sirip, dan duri.

Diagram fishbone merupakan suatu alat visual untuk mengidentifikasi, mengeksplorasi, dan secara grafik menggambarkan secara detail semua penyebab yang berhubungan dengan suatu permasalahan. Konsep dasar dari diagram fishbone adalah permasalahan mendasar diletakkan pada bagian kanan dari diagram atau pada bagian kepala dari kerangka tulang ikannya(Asmoko,2013). Penyebab permasalahan

digambarkan pada sirip dan durinya. Pada Gambar 3.1 merupakan sebuah diagram

fishbone yang penulis coba buat untuk analisis masalah dalam menghasilkan sebuah

informasi ataupun pengetahuan baru.

User

Material Machine

Method

menghasilkan sebuah pengetahuan ataupun

informasi baru Database

yang besar Metode mining

belum ada

Database belum terstruktur

Ingin efisiensi data Aplikasi yang

belum tersedia

Gambar 3.1 Diagram Ishikawa untuk analisis masalah

3.2 Analisis Data

Analisis data yang dilakukan terhadap data yang telah terkumpul dilakukan berdasarkan teknik aturan asosiasi dengan beberapa iterasi atau langkah-langkah. Data yang diambil sebagai bahan acuan dalam perancangan sistem yaitu data komoditas ekspor yang diperoleh dari instansi BBKP Belawan pada bulan Januari 2013 dalam jangka sepuluh hari dari tanggal 2 Januari 2013 hingga 15 Januari 2013 dengan total data sebanyak 200, dapat dilihat pada Tabel 3.1. Data tersebut merupakan data yang mewakili keseluruhan data komoditas selama 3 bulan.

18

Tabel 3.1 Data Ekspor

Tgl Ekspor

ID

Ekspor Data Ekspor

Tgl Ekspor

ID

Ekspor Data Ekspor

02/01/2013

E1 Karet Lembaran-India 02/01/2013

E11 Kopi Biji-Kanada

E2 Kayu Karet-Malaysia E12

Karet Lembaran-Cina

E3 Kakao Biji-Cina E13

Ubi Jalar-Korea Selatan

E4 Kakao Biji-Singapura E14 Gambir-Pakistan

E5 Ubi Jalar-Jepang E15 Sapu Lidi-Pakistan

E6 Kopi Biji-Singapura E16 Kulit Kayu

Manis-Republik Dominika E7

Kopi Biji-Amerika

Serikat E17 Kopi Biji-Jerman

E8 Kopi Biji-Malaysia E18 Kayu Karet-Cina

E9 Pinang Biji-Pakistan E19 Kopi Biji-Australia

E10

Kopi Biji-Amerika

Serikat E20

Kelapa Parut-Polandia

03/01/2013 E21 Karet Lembaran-India 03/01/2013 E31

Pinang Biji-Sri Lanka

E22 Getah Pinus-Cina E32

Karet Lembaran-Argentina

E23

Kulit Kayu

Manis-Belanda E33

Pinang Biji-Bangladesh

E24 Pinang Biji-Pakistan E34 Sapu Lidi-Pakistan

E25

Kopi Biji-Amerika

Serikat E35 Kayu Manis-Rusia

E26

Minyak Sawit-Sierra

Leone E36 Kopi Biji-Inggris

E27 Kopi Biji-Taiwan E37

Minyak Sawit-Vietnam

E28

Kulit Kayu

Manis-Afrika Selatan E38 Kopi Biji-Jepang

E29 Kakao Biji-Malaysia E39

Minyak Sawit-Vcina

E30 Kelapa Parut-Rusia E40

Karet Lembaran-Cina

04/01/2013 E41

Kulit Kayu

Manis-Belanda 04/01/2013 E51

Pinang Biji-Bangladesh

E42

Kulit Kayu

Manis-Jerman E52

Minyak Sawit-Yaman

E43

Kulit Kayu

Manis-Portugal E53

Karet Lempengan-Taiwan

Tabel 3.1 Data Ekspor (Lanjutan)

Tgl Ekspor

ID

Ekspor Data Ekspor Tgl Ekspor

ID

Ekspor Data Ekspor

04/01/2013

E44

Kulit Kayu Manis-Amerika Serikat

04/01/2013

E54

Karet Lempengan-Cina

E45 Kayu Karet-Cina E55 Kopi Biji-Kanada

E46 Kayu Karet-Malaysia E56

Kopi Biji-Korea Selatan

E47

Kayu Karet-Thailand E57

Kulit Kayu Manis-Thailand

E48 Wood

Flooring-Malaysia E58 Pinang Biji-Pakistan

E49 Wood

Flooring-Vietnam E59

Karet Lembaran-India

Kopi Biji-Amerika

Serikat E60

Karet Lempengan-Amerika Serikat

07/01/2013 E61 Kopi Biji-Singapura 07/01/2013 E71 Minyak Sawit-Cina

E62 Kayu Karet-Malaysia E72 Minyak Sawit-Haiti

E63 Wood Flooring-Cina E73 Kopi Biji-Australia

E64

Kopi Biji-Amerika

Serikat E74

Kayu Manis-Thailand

E65 Pinang Biji-Pakistan E75

Karet Lembaran-Cina

E66

Karet

Lempengan-Brasil E76

Kayu Karet-Malaysia

E67

Pinang

Biji-Bangladesh E77 Sapu Lidi-Malaysia

E68 Kayu Karet-Cina E78 Kayu Karet-Cina

E69 Karet Lempengan-Cina E79 Kopi Biji-Irlandia

E70 Minyak Sawit-Siria E80

Sayuran Kubis-Taiwan

08/01/2013 E81 Pinang Biji-Pakistan 08/01/2013 E91

Kayu Manis-Malaysia

E82

Kopi Biji-Amerika

Serikat E92

Pinang Biji-Bangladesh

E83

Karet Lembaran-Afrika

Selatan E93 Minyak Sawit-Haiti

E84 Minyak Sawit-Pakistan E94 Karet

Lembaran-Taiwan

E85 Pinang Biji-Pakistan E95

Karet Lembaran-India

E86 Kopi Biji-Singapura E96

Karet Lembaran-Cina

E87 Minyak Sawit-Cina E97

Kayu Karet-Malaysia

20

Tabel 3.1 Data Ekspor (Lanjutan)

Tgl Ekspor ID

Ekspor Data Ekspor Tgl Ekspor

ID

Ekspor Data Ekspor

08/01/2013 E88 Wood Flooring-Amerika Serikat 08/01/2013 E98 Karet Lembaran-Taiwan E89 Wood

Flooring-Malaysia E99

Wood Flooring-Jepang

E90 Karet Lempengan-Cina E100 Kopi Biji-Kanada

09/01/2013 E101 Minyak Sawit-Algeria 09/01/2013 E111

Wood Flooring-Meksiko

E102 Sayuran Kubis-Taiwan E112

Pinang Biji-Pakistan

E103 Pinang Biji-Pakistan E113

Wood Flooring-Malaysia

E104 Minyak Sawit-Cina E114

Kulit Kayu Manis-Thailand

E105 Sapu Lidi-Pakistan E115

Kulit Kayu Manis-Libanon

E106

Kopi Biji-Amerika

Serikat E116 Damar Batu-India

E107

Kulit Kayu

Manis-Republik Dominika E117

Damar Batu-Sri Lanka

E108

Kulit Kayu

Manis-Brasil E118 Kopi Biji-Swedia

E109 Minyak Sawit-Cina E119

Kulit Kayu manis-Meksiko

E110

Karet

Lempengan-Afrika Selatan E120

Karet Lembaran-India

10/01/2013 E121

Kopi Biji-Korea

Selatan 10/01/2013 E131

Sayuran Kubis-Taiwan

E122

Kopi Biji-Amerika

Serikat E132

Sayuran Kubis-Taiwan

E123 Sapu Lidi-Pakistan E133 Kopi Biji-Jerman

E124

Minyak Sawit-Sierra

Leone E134 Kopi Biji-Malaysia

E125 Pinang Biji-Pakistan E135

Kakao Biji-Malaysia

E126

Minyak Sawit-Sierra

Leone E136

Pinang Biji-Pakistan

E127 Minyak Sawit-Turki E137

Pinang Biji-Bangladesh

Tabel 3.1 Data Ekspor (Lanjutan)

Tgl Ekspor ID

Ekspor Data Ekspor Tgl Ekspor

ID

Ekspor Data Ekspor

10/01/2013 _{E128 Minyak Sawit-Turki} 10/01/2013

E138 Kopi Biji-Perancis

E129 Karet Lempengan-Cina E139

Kopi Biji-Amerika Serikat

E130

Kulit Kayu

Manis-Republik Dominika E140 Kopi Biji-Kanada

11/01/2013 E141 Minyak Sawit-Cina 11/01/2013 E151 Minyak Sawit-Siria

E142 Kayu Karet-Malaysia E152

Pinang Biji-Pakistan

E143

Kopi Biji-Amerika

Serikat E153 Minyak Sawit-Siria

E144 Minyak Sawit-Cina E154

Karet Lembaran-Cina

E145 Kayu Karet-Malaysia E155 Minyak Sawit-Siria

E146 Pinang Biji-Pakistan E156 Kulit Kayu

Manis-Thailand

E147 Sayuran Kubis-Taiwan E157 Karet

Lembaran-Amerika Serikat

E148 Minyak Sawit-Cina E158

Karet Lembaran-Cina

E149 Pinang Biji-Pakistan E159

Karet Lembaran-India

E150

Kopi Biji-Amerika

Serikat E160

Karet Lempengan-Cina

14/01/2013 E161

Kopi Biji-Amerika

Serikat 14/01/2013 E171

Minyak Sawit-Pakistan

E162 Kopi Biji-Singapura E172

Minyak Sawit-Algeria

E163

Kopi Biji-Amerika

Serikat E173

Minyak Sawit-Algeria

E164 Karet Lembaran-Cina E174

Karet Lembaran-Cina

E165

Pinang

Biji-Bangladesh E175

Minyak Sawit-Algeria

E166 Kopi Biji-Jerman E176 Kulit Kayu

Manis-Amerika Serikat

E167 Kopi Biji-Belanda E177

Minyak Sawit-Algeria

E168 Kopi Biji-Inggris E178 Kopi Biji-Taiwan

E169 Pinang Biji-Pakistan E179

Kayu Karet-Malaysia

E170

Pinang

22

Tabel 3.1 Data Ekspor (Lanjutan)

Tgl Ekspor ID

Ekspor Data Ekspor

Tgl Ekspor

ID

Ekspor Data Ekspor

15/01/2013 E181 Minyak Sawit-Cina 15/01/2013 E191 Kulit Kayu Manis-Amerika Serikat

E182

Kopi Biji-Amerika

Serikat E192 Kopi Biji-Malaysia

E183 Minyak Sawit-Cina E193

Pinang Biji-Pakistan

E184

Kopi Biji-Amerika

Serikat E194

Karet Lembaran-Cina

E185 Kopi Biji-Singapura E195

Sayuran Kubis-Taiwan

E186 Kopi Biji-Australia E196 Kopi Biji-Jerman

E187 Kopi Biji-Singapura E197

Sayuran Kubis-Taiwan

E188 Kakao Biji-Malaysia E198

Kayu Karet-Malaysia

E189 Pinang Biji-Pakistan E199 Minyak Sawit-Cina

E190 Kopi Biji-Singapura E200

Kayu Karet-Malaysia

3.2.1 Algoritma Apriori

Pada tahapan ini akan dilakukan teknik aturan asosiasi dengan algoritma Apriori dan perancangan flowchart algoritma apriori dapat dilihat pada Gambar 3.2. Dari

flowchart tersebut dapat diuraikan lebih jelas proses asosiasi dari algoritma apriori,

dimana terlebih dahulu ditentukan nilai minimum support dan nilai minimum

confidence. Kemudian akan dilakukan proses pembuatan tabel C1 dengan

memperoleh nilai support dari masing-masing item terlebih dahulu, berikut ini merupakan penjelasan lebih lanjut dari flowchart apriori.

Min Support dan Min Confidence

Support(a) = (jumlah transaksi a / total transaksi) * 100%

Proses Pembuatan tabel C1

Tabel C1 terbentuk

If Support >= min Support Y T Tabel L1 terbentuk Proses Pembuatan Tabel C2

Support =( jumlah transaksi mengandung a

dan b / total transaksi) * 100%

Tabel C2 terbentuk

If Support >= min Support Y T P1 Start P1 Terbentuk Tabel Confidence L2

If confidence >= min confidence Tabel Aturan Asosiasi Kesimpulan hasil asosiasi End Y T Tabel L2 terbentuk Confidence = (kombinasi transaksi a

dan b / transaksi a) *100%

Gambar 3.2 Flowchart Algoritma Apriori

Langkah 1 : Mencari C1 (Kandidat 1-itemset)

Setelah ditentukan nilai minimum support dan minimum confidence, maka dilakukan proses pembentukan tabel C1. Dari Tabel 3.1 akan dilakukan pencarian nilai support pada masing-masing item dengan rumus :

Jumlah Transaksi mengandung A

Support : x 100%

24

Berdasarkan rumus diatas dapat dihitung nilai support masing-masing item, berikut ini dimisalkan pencarian nilai support untuk item Karet Lembaran berdasarkan data Tabel 3.1 :

20

Support(Karet Lembaran) : x 100% = 10%.

200

Maka dari hasil pencarian nilai support masing-masing item tersebut, tabel C1 terbentuk seperti yang terlihat pada Tabel 3.2.

Tabel 3.2 C1 (Kandidat 1-itemset)

Itemset Support

Karet Lembaran 20/200 * 100% = 10 % Kayu Karet 15/200 * 100% = 7,5 % Kakao Biji 5/200 * 100% = 2,5 % Ubi Jalar 2/200 * 100% = 1 %

Kopi Biji 48/200 * 100% = 24 %

Pinang Biji 24/200 * 100% = 12 %

Gambir 1/200 * 100% = 0,5 %

Sapu Lidi 5/200 * 100% = 2,5 %

Kulit Kayu Manis 17/200 * 100% = 8,5 % Kelapa Parut 2/200 * 100% = 1 % Getah Pinus 1/200 * 100% = 0,5 % Minyak Sawit 31/200 * 100% = 15,5 % Kayu Manis 3/200 * 100% = 1,5 % Wood Flooring 8/200 * 100% = 4 % Karet Lempengan 9/200 * 100% = 4,5 % Sayuran Kubis 7/200 * 100% = 3,5 % Damar Batu 2/200 * 100% = 1 %

India 7/200 * 100% = 3,5 %

Tabel 3.2 C1 (Kandidat 1-itemset)(Lanjutan)

Itemset Support

Cina 32/200 * 100% = 16 %

Singapura 8/200 * 100% = 4 %

Jepang 3/200 * 100% = 1,5 %

Amerika Serikat 21/200 * 100% = 10,5 %

Pakistan 22/200 * 100% = 11 %

Kanada 3/200 * 100% = 1,5 %

Korea Selatan 3/200 * 100% = 1,5 %

Republik Dominika 3/200 * 100% = 1,5 %

Jerman 5/200 * 100% =2,5 %

Australia 3/200 * 100% = 1,5 %

Polandia 1/200 * 100% = 0,5 %

India 7/200 * 100% = 3,5 %

Malaysia 22/200 * 100% = 11 %

Cina 32/200 * 100% = 16 %

Belanda 3/200 * 100% = 1,5 %

Sierra Leone 3/200 * 100% = 1,5 %

Taiwan 13/200 * 100% = 6,5 %

Afrika Selatan 3/200 * 100% = 1,5 %

Rusia 2/200 * 100% = 1 %

Sri Lanka 2/200 * 100% = 1 %

Argentina 1/200 * 100% = 0,5 %

Bangladesh 7/200 * 100% = 3,5 %

Inggris 2/200 * 100% = 1 %

Vietnam 2/200 * 100% = 1 %

Portugal 1/200 * 100% = 0,5 %

Thailand 5/200 * 100% = 2,5 %

Yaman 1/200 * 100% = 0,5 %

Brasil 2/200 * 100% = 1 %

Siria 5/200 * 100% = 2,5 %

26

Itemset Support

Haiti 2/200 * 100% = 1 %

Irlandia 1/200 * 100% = 0,5 %

Algeria 5/200 * 100% = 2,5 %

Meksiko 2/200 * 100% = 1 %

Swedia 1/200 * 100% = 0,5 %

Turki 2/200 * 100% = 1 %

Perancis 1/200 * 100% = 0,5 %

Libanon 1/200 * 100% = 0,5 %

Langkah 2 : Menentukan L1

Berdasarkan Tabel 3.2 maka langkah selanjutnya yaitu penentuan nilai L1 = {large

1-itemset} dengan minimum support ≥ 5 %. Nilai-nilai support pada Tabel 3.2 yang lebih besar atau sama dengan 5% adalah nilai L1 ( Large 1-itemset) seperti terlihat pada Tabel 3.3

Tabel 3.3 L1 ( Large 1-itemset)

Itemset Support

Kopi Biji 48/200 * 100% = 24 %

Cina 32/200 * 100% = 16 %

Kopi Biji 48/200 * 100% = 24 %

Cina 32/200 * 100% = 16 %

Minyak Sawit 31/200 * 100% = 15,5 % Pinang Biji 24/200 * 100% = 12 %

Malaysia 22/200 * 100% = 11 %

Pakistan 22/200 * 100% = 11 %

Amerika Serikat 21/200 * 100% = 10,5 % Karet Lembaran 20/200 * 100% = 10 % Kulit Kayu Manis 17/200 * 100% = 8,5 %

Itemset Support

Kayu Karet 15/200 * 100% = 7,5 % Taiwan 13/200 * 100% = 6,5 %

Langkah 3 : Mencari C2 (Kandidat 2-itemset)

Langkah selanjutnya yaitu mencari nilai support count berdasarkan kombinasi antara negara dan nama komoditas dengan rumus :

Jumlah Transaksi mengandung A dan B

Support : x 100%

Total Transaksi

Berdasarkan rumus diatas dapat dihitung nilai support masing-masing item, berikut ini dimisalkan pencarian nilai support untuk item Kopi Biji-Malaysia berdasarkan data Tabel 3.3 :

4

Support(Kopi Biji-Malaysia) : x 100% = 2%.

200

Hasil dari pencarian nilai support masing-masing item dapat dilihat pada Tabel 3.4.

Tabel 3.4 C2 (Kandidat 2-itemset)

Itemset Support Count Support

Kopi Biji, Malaysia 4 4/200 * 100% = 2%

Kopi Biji, Cina 0 0/200 * 100% = 0%

Kopi Biji, Amerika Serikat 15 15/200 * 100% = 7,5%

Kopi Biji, Pakistan 0 0/200 * 100% = 0%

Kopi Biji, Taiwan 3 3/200 * 100% = ,5%

Minyak Sawit, Malaysia 0 0/200 * 100% = 0%

Minyak Sawit, Cina 11 11/200 * 100% = 5,5%

28

Itemset Support Count Support

Minyak Sawit, Amerika Serikat 0 0/200 * 100% = 0%

Minyak Sawit, Pakistan 1 1/200 * 100% = 0,5%

Minyak Sawit, Taiwan 0 0/200 * 100% = 0%

Pinang Biji, Malaysia 0 0/200 * 100% = 0%

Pinang Biji, Cina 0 0/200 * 100% = 0%

Pinang Biji, Amerika Serikat 0 0/200 * 100% = 0%

Pinang Biji, Pakistan 17 17/200 * 100% = 8,5%

Pinang Biji, Taiwan 0 0/200 * 100% = 0%

Karet Lembaran, Malaysia 0 0/200 * 100% = 0%

Karet Lembaran, Cina 10 10/200 * 100% = 5%

Karet Lembaran, Amerika

Serikat 1 1/200 * 100% = 0,5%

Karet Lembaran, Pakistan 0 0/200 * 100% = 0%

Karet Lembaran, Taiwan 0 0/200 * 100% = 0%

Kulit Kayu Manis,Malaysia 0 0/200 * 100% = 0%

Kulit Kayu Manis,Cina 0 0/200 * 100% = 0%

Kulit Kayu Manis, Amerika

Serikat 3 3/200 * 100% = 1,5%

Kulit Kayu Manis, Pakistan 0 0/200 * 100% = 0%

Kulit Kayu Manis, Taiwan 0 0/200 * 100% = 0%

Kayu Karet, Malaysia 8 8/200 * 100% = 4%

Kayu Karet, Cina 4 4/200 * 100% = 2%

Kayu Karet, Amerika Serikat 0 0/200 * 100% = 0%

Kayu Karet, Pakistan 0 0/200 * 100% = 0%

Kayu Karet, Taiwan 0 0/200 * 100% = 0%

Langkah 4 : Menentukan L2

Berdasarkan Tabel 3.4 maka langkah selanjutnya yaitu penentuan nilai L2 = {large

2-itemset} dengan minimum support ≥ 5 %. Nilai-nilai support pada Tabel 3.4 yang lebih besar atau sama dengan 5% adalah nilai L2 ( Large 2-itemset) seperti terlihat pada Tabel 3.5.

Tabel 3.5 L2 (Large 2-itemset)

Itemset Support

Count Support

Kopi Biji, Amerika Serikat 15 15/200 * 100% = 7,5%

Minyak Sawit, Cina 11 11/200 * 100% = 5,5%

Pinang Biji, Pakistan 17 17/200 * 100% = 8,5%

Karet Lembaran, Cina 10 10/200 * 100% = 5%

Kemudian akan dihitung nilai confidence dari setiap item L2, dengan hasil dapat terlihat pada Tabel 3.6

Tabel 3.6 Confidence L2

Itemset x → y Confidence

Kopi biji → Amerika Serikat 15/48*100 = 31,25% Minyak sawit → Cina 11/31*100 = 35,48% Pinang Biji → Pakistan 17/24*100 = 70,83% Karet Lembaran → Cina 10/20*100 = 50%

Langkah selanjutnya yaitu dimisalkan nilai minimum confidence ≥ 35%, maka aturan asosiasi yang mungkin terbentuk adalah seperti yang terlihat pada Tabel 3.7.

Tabel 3.7 Aturan Asosiasi

If antecedent else

consequence (x --> y) Support Confidence

Kopi biji --> Amerika

Serikat 15/200 * 100% = 7,5% 15/48*100 = 31,25%

Minyak sawit --> Cina 11/200 * 100% = 5,5% 11/31*100 = 35,48%

30

If antecedent else

consequence (x --> y) Support Confidence

Pinang Biji --> Pakistan 17/200 * 100% = 8,5% 17/24*100 = 70,83% Karet Lembaran --> Cina 10/200 * 100% = 5% 10/20*100 = 50%

Berdasarkan langkah-langkah di atas, maka dapat diperoleh kesimpulan bahwa komoditas yang memenuhi minimum support ≥ 5% dan minimum confidence ≥ 35%

sebagai berikut :

1. Jika mengekspor Minyak Sawit maka negara tujuannya Cina dengan nilai

support 5,5% dan confidence 35,48%

2. Jika mengekspor Pinang Biji maka negara tujuannya Pakistan dengan nilai

support 8,5% dan confidence 70,83%

3. Jika mengekspor Karet Lembaran maka negara tujuannya Cina dengan nilai

support 5% dan confidence 50%

3.2.2 Algoritma CT-Pro

Pada tahapan ini akan dilakukan analisis asosiasi dengan algoritma ct-pro dengan perancangan flowchart ct-pro dapat dilihat pada Gambar 3.3. Dari flowchart tersebut dapat diuraikan lebih jelas proses asosiasi dari algoritma ct-pro, dimana terlebih dahulu ditentukan nilai minimum support dan nilai minimum confidence. Kemudian dari data tabel 3.1 data kegiatan ekspor akan dihitung frekuensi komoditas dan frekuensi negara. Apabila frekuensi kemunculan setiap item lebih besar dari nilai minimum yang ditentukan maka data tersebut termasuk sebagai frequent global, berikut ini merupakan penjelasan lebih lanjut dari flowchart ct-pro.

Min support dan Min Confidence

Tampil tabel ekspor/impor

Proses menghitung frequent komoditas dan negara dalam

ekspor/impor

If komoditas/negara >= min support

Tampil data frequent

global

Proses menentukan frequent item(local frequent item)

Tampil tabel frequent item

Proses mencari kombinasi (frequent pattern)

If frequent pattern (kombinasi) >= 1

P1

P1

Tampil kombinasi

Proses mencari confidence

If confidence >= min confidence

Tampil hasil confidence

Aturan asosiasi

End Y

T

Y

T

Y

T Start

32

1. Menentukan frequent itemset

Untuk menentukan frequent itemset, terlebih dahulu dilakukan penelusuran data ekspor pada Tabel 3.1 dengan menghitung nilai support masing-masing item.. Hasil dari penelusuran tersebut, maka akan diketahui jumlah frekuensi kemunculan tiap item dan diurutkan dari yang terbesar hingga terkecil yang dapat dilihat pada Tabel 3.8.

Tabel 3.8 Frequent Item

Index Item Count

1 Kopi Biji 48

2 Cina 32

3 Minyak Sawit 31

4 Pinang Biji 24

5 Malaysia 22

6 Pakistan 22

7 Amerika Serikat 21

8 Karet Lembaran 20

9 Kulit Kayu Manis 17

10 Kayu Karet 15

11 Taiwan 13

12 Karet Lempengan 9

13 Wood Flooring 8

14 Singapura 8

15 Sayuran Kubis 7

16 India 7

17 Bangladesh 7

18 Kakao Biji 5

19 Sapu Lidi 5

20 Jerman 5

21 Thailand 5

22 Siria 5

Tabel 3.8 Frequent Item (Lanjutan)

Index Item Count

24 Kayu Manis 3

25 Jepang 3

26 Kanada 3

27 Korea Selatan 3

28 Republik Dominika 3

29 Australia 3

30 Belanda 3

31 Sierra Leone 3

32 Afrika Selatan 3

33 Ubi Jalar 2

34 Kelapa Parut 2

35 Damar Batu 2

36 Rusia 2

37 Sri Lanka 2

38 Inggris 2

39 Vietnam 2

40 Brasil 2

41 Haiti 2

42 Meksiko 2

43 Turki 2

44 Gambir 1

45 Getah Pinus 1

46 Polandia 1

47 Argentina 1

48 Portugal 1

49 Yaman 1

50 Irlandia 1

51 Swedia 1

34

Kemudian data diatas diseleksi kembali yang memenuhi dengan nilai minimum

support ≥ 5%, dan hasilnya dapat terlihat pada Tabel 3.9.

Tabel 3.9 Frequent List

Index Item Count

1 Kopi Biji 48

2 Cina 32

3 Minyak Sawit 31

4 Pinang Biji 24

5 Malaysia 22

6 Pakistan 22

7 Amerika Serikat 21

8 Karet Lembaran 20

9 Kulit Kayu Manis 17

10 Kayu Karet 15

11 Taiwan 13

Langkah selanjutnya adalah mengurutkan itemset pada setiap tanggal kegiatan ekspor berdasarkan frekuensi paling tinggi seperti yang terlihat pada Tabel 3.10.

Tabel 3.10 Data Ekspor berdasarkan frequent list

TGL_Ekspor _Item

02/01/2013

Kopi Biji, Cina, Pinang Biji, Malaysia, Pakistan, Amerika Serikat, Karet Lembaran, Kulit Kayu Manis, Kayu Karet

03/01/2013

Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Pakistan, Amerika Serikat, Karet Lembaran, Kulit Kayu Manis, Taiwan

04/01/2013

Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan Amerika Serikat, Karet Lembaran, Kulit Kayu Manis, Kayu Karet, Taiwan

07/01/2013

Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan, Amerika Serikat, Karet Lembaran, Kayu Karet, Taiwan

08/01/2013

Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan, Amerika Serikat, Karet Lembaran, Kayu Karet, Taiwan

09/01/2013

Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan, Amerika Serikat, Karet Lembaran, Kulit Kayu Manis, Taiwan

Tabel 3.10 Data Ekspor berdasarkan frequent list (Lanjutan)

TGL_Ekspor Item

10/01/2013

Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan, Amerika Serikat, Karet Lembaran, Kulit Kayu Manis, Taiwan

11/01/2013

Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan Amerika Serikat, Karet Lembaran, Kulit Kayu Manis, Kayu Karet, Taiwan

14/01/2013

Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan Amerika Serikat, Karet Lembaran, Kulit Kayu Manis, Kayu Karet, Taiwan

15/01/2013

Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan Amerika Serikat, Karet Lembaran, Kulit Kayu Manis, Kayu Karet, Taiwan

2. Membentuk struktur data CFP Tree

Dari data ekspor yang berdasarkan frequent list pada Tabel 3.10, maka akan dibuat global item tablenya seperti pada Tabel 3.11.

Tabel 3.11 Global ItemTable

Index Item Count

1 Kopi Biji 10

2 Cina 10

3 Pinang Biji 10

4 Pakistan 10

5 Amerika Serikat 10

6 Karet Lembaran 10

7 Minyak Sawit 9

8 Malaysia 9

9 Taiwan 9

10 Kulit Kayu Manis 8

36

Langkah selanjutnya yaitu membentuk Global CFP-Tree, dapat terlihat seperti pada Gambar 3.4.

Kopi Biji[10]

Cina [10]

Minyak Sawit [9] Pinang Biji [1]

Pinang Biji [8] [1] Malaysia[1]

Malaysia[9] Pakistan[1] Pakistan[1]

Pakistan[8] A.Serikat[1] A.Serikat [1]

A.Serikat [8] Karet Lembaran[1] Karet Lembaran [1]

Karet Lembaran [2] [6] Kulit Kayu Manis[1] Kulit Kayu Manis [1]

Kayu Karet[2] Kulit Kayu Manis [6] [2] Taiwan [1] Kayu Karet [1]

Taiwan[2] Kayu Karet [4] Taiwan [2]

Taiwan [4]

Gambar 3.4 Global CFP-Tree

3. Melakukan proses mining

Dalam proses mining Global Item Tabel yang ada diurutkan berdasarkan dari item frekuensi yang terkecil hingga terbesar. Pada tahapan ini, penulis mengambil contoh dari data Pakistan yang merupakan data terkecil ke delapan berdasarkan Global Item

Tabel. Langkah yang dilakukan yaitu dilakukan pencarian node yang berkaitan

dengan Pakistan pada Global CFP-Tree yang kemudian disebut Local Frequent Item dan digunakan untuk membuat Local Item Tabel. Setelah itu dibuat Local CFP-Tree berdasarkan Local Item Tabel seperti yang terlihat pada Gambar 3.5.

Index Item Count

4 Pakistan 10

Gambar 3.5 Local CFP-Tree

Maka dari Local CFP-Tree di atas maka dapat diperoleh frequent pattern Pakistan yaitu :

- Pakistan

- Malaysia-Pakistan, Pinang Biji-Pakistan

- Pinang Biji-Malaysia-Pakistan, Minyak Sawit-Pinang Biji-Pakistan

- Minyak Sawit-Pinang Biji-Malaysia-Pakistan, Cina-Minyak Sawit-Pinang Biji-Pakistan, Cina-Pinang Biji-Malaysia-Pakistan

- Kopi Biji-Minyak Sawit-Pinang Biji-Malaysia-Pakistan, Kopi Biji-Cina-Minyak Sawit-Pinang Biji-Pakistan, Kopi Biji-Cina-Pinang Biji-Malaysia-Pakistan

Berdasarkan frequent pattern tersebut di atas, maka dapat dihitung nilai confidence dengan minimal confidence ≥ 35%. Karena perhitungannya sangat banyak, maka

8 Malaysia 9 3 Pinang Bij 1 8 Malaysia 1

3 Pinang Biji 8

7 Minyak Sawit 9

3 Pinang Biji 1

2 Cina 10

1 Kopi Biji 10

Local Item Tabel Global Item

38

penulis mengambil contoh dari frequent itemset {Pinang Biji-Malaysia-Pakistan} untuk dicari kombinasinya seperti yang terlihat pada Gambar 3.6 dan dihitung nilai

confidencenya.

Gambar 3.6 Proses Pencarian Kombinasi

Dari proses kombinasi tersebut, diperoleh pola sebagai berikut dengan perhitungan

confidence sebagai berikut :

- Pinang Biji → Malaysia : 0/24 x 100% = ~ - Malaysia → Pinang Biji : 0/22 x 100% = ~

- Pinang Biji → Pakistan : 17/24 x 100% = 70,83% - Pakistan → Pinang Biji : 0/22 x 100% = ~

- Malaysia → Pakistan : 0/22 x 100% = ~ - Pakistan → Malaysia : 0/22 x 100% = ~

Untuk pola kombinasi 3 tidak penulis hitung karena dari data kegiatan ekspor tidak terdapat kombinasi 3.

Berdasarkan langkah-langkah di atas, maka dapat diperoleh kesimpulan bahwa komoditas yang memenuhi minimum support ≥ 5% dan minimum confidence ≥ 35%

sebagai berikut :

1. Jika mengekspor Pinang Biji maka negara tujuannya Pakistan dengan nilai

confidence 70,83%

Pinang Biji (PB) Malaysia (M) Pakistan(P)

PB,M PB,P M,P

3.3 Perancangan Sistem

Perancangan sistem terdiri dari pembuatan data flow diagram (DFD) dan

flowchart sistem, perancangan database dan perancangan antarmuka pemakai (user interface).

3.3.1 Data flow diagram (DFD)

Data Flow Diagram (DFD) adalah suatu diagram yang menggunakan notasi-notasi untuk menggambarkan arus dari data sistem, yang penggunaannya sangat membantu untuk memahami sistem secara logika, tersruktur dan jelas. DFD merupakan alat bantu dalam menggambarkan atau menjelaskan . DFD disebut juga dengan nama

Bubble chart, Bubble diagram, model proses, diagram alur kerja atau model fungsi.

Berikut ini merupakan DFD untuk kedua algoritma :

1. DFD Level 0 Untuk Proses Membuat Perbandingan Algoritma Apriori dan Algoritma CT-Pro

Pada DFD level 0 terjadi proses masukan dan keluaran (input/output) berupa data login, data negara, data komoditas, data relasi, data minimum support dan data minimum confidence yang dapat dilihat seperti pada Gambar 3.7.

40

User

P0 Perbandingan Algoritma Apriori dan

Algoritma CT-Pro pada Komoditas Ekpor dan Impor Data Login

Data Negara Data Komoditas Data Relasi Data Min Support Data Min Confidence

Info Login Info Negara Info Komoditas Info Relasi Info Min Support Info Min Confidence Info Hasil Aturan Asosiasi

Gambar 3.7 DFD Level-0 Untuk Proses Membuat Perbandingan Algoritma Apriori dan Algoritma CT-Pro

Dari gambar 3.7 diatas dapat dijelaskan proses input dan output dari sistem yaitu yang dimulai dari user memasukkan data login, data komoditas, data negara, data relasi, data min support dan data min confidence kemudian sistem akan memproses dengan beberapa langkah sesuai dengan tahapan dari kedua algoritma. Dan hasil akhir dari sistem mining ini akan menghasilkan kombinasi komoditas dengan negara yang terbanyak baik itu ekspor maupun impor.

2. DFD Level 1 Untuk Proses Perbandingan Algoritma Apriori dan Algoritma CT-Pro

Dari DFD Level-0 tersebut diatas, proses input/output sistem dapat dikembangkan lagi seperti terlihat pada Gambar 3.8.

P1 Login

User

Login Data Login

P2 Komoditas Komoditas

Data Komoditas

P3 Negara Negara

Data Negara P4 Relasi Relasi Ekspor Relasi Impor Data Relasi Data Relasi Info Relasi Info Negara Info Login Info Komoditas P5 Apriori P6 CT-Pro Info Relasi

Info Relasi Ekspor

Info Relasi Ekspor Info Relasi Impor

Info Relasi Impor Data Negara Info Negara Data Komoditas Info Komoditas Data Login Info Login Data Relasi Info Relasi

Data Min Support Data Min Confidence

Info Apriori Ekspor / Apriori Impor

Data Min Support Data Min Confidence

Info CT-Pro Ekspor / CT-Pro Impor

Gambar 3.8 DFD Level-1 Untuk Proses Perbandingan Algoritma Apriori dan Algoritma CT-Pro

3. DFD Level 2 Untuk Proses Relasi

Dari DFD Level-1 tersebut diatas, proses P4 Relasi dapat dikembangkan menjadi dua bagian yaitu Relasi Ekspor untuk data ekspor seperti terlihat pada Gambar 3.9 dan Relasi Impor untuk data impor seperti terlihat pada Gambar 3.10.

42

P4.1 Relasi

Ekspor Relasi_Ekspor

Data Relasi_Ekspor

Info Relasi_Ekspor User

Data Relasi_Ekspor

Info Relasi_Ekspor

Gambar 3.9 DFD Level-2 untuk Relasi Ekspor

P4.2 Relasi

Impor Relasi_Impor

Data Relasi_Impor

Info Relasi_Impor User

Data Relasi_Impor

Info Relasi_Impor

Gambar 3.10 DFD Level-2 untuk Relasi Impor

4. DFD Level 2 Untuk Proses Algoritma Apriori

Dari DFD Level-1 tersebut diatas, proses P5 Apriori dapat dikembangkan lagi seperti terlihat pada Gambar 3.11.

P5.1 Cari C1 dan L1

User

Kombinasi_Gabung Data Min Support

Data Relasi

Info Hasil C1 dan L1

P5.2 Cari C2

P5.3 Cari L2 Hasil akhir_Kombinasi Data Hasil L2

Info Hasil L2

Info Hasil L1

Info Hasil C2

P5.4 L2 dengan nilai

Confidence Info Hasil L2 Info Hasil C1 dan L1

Data Min Support Data Relasi

Info Hasil C2

Data Nilai Min Confidence

Hasil_Confidence Data L2

Info Hasil_Confidence Info Hasil Aturan Asosiasi

Gambar 3.11 DFD Level-2 untuk proses Algoritma Apriori

5. DFD Level 2 Untuk Proses Algoritma Apriori

Dari DFD Level-1 pada Gambar 3.8, proses P6 CT-Pro dapat dikembangkan lagi seperti terlihat pada Gambar 3.12.

44

P6.1 Cari

Frequent item Gabung_CTPro

User

Data Komoditas Data Negara

Data Relasi Data Min Support

Data Komoditas Data Negara

Data Relasi Data Min Support

Info Frequent item Info Frequent item

P6.2 Buat CFP Tree

Data Ekspor/Impor berdasarkan Frequent Item

P6.3 Cari Local Frequent

Item

Gobal CFP Tree

P6.4 Buat Local CFP Tree P6.5 Tentukan Frequent Pattern

Local Item Table

Local CFP Tree

Frequent Komoditas Frequent Negara Data Komoditas Data Relasi Data Min Confidence Info Frequent Komoditas

Data Negara Data Relasi Data Min Confidence

Info Frequent Komoditas Data Komoditas

Data Negara Data Relasi Data Min Confidence

P6.6 Cari Kombinasi

Frequent

Hasil Frequent Pattern

Hasil_CT-Pro Data Komoditas

Data Negara Info Hasil_CT-Pro Info Hasil Aturan Asosiasi

6. DFD Level 3 Untuk Olah Data Relasi

Dari DFD Level-2 untuk proses relasi dapat dikembangkan dalam bentuk DFD Level 3 untuk olah data relasi, baik itu olah data relasi ekspor maupun olah data impor. Kedua DFD tersebut dapat dilihat pada Gambar 3.13 dan Gambar 3.14.

P4.1.1 Tambah Relasi

Ekspor

Relasi_Ekspor Data Relasi_Ekspor yg

akan ditambah

User

Data Relasi_Ekspor yg akan ditambah

Info Relasi_Ekspor yg sudah ditambah

Info Relasi_Ekspor yg sudah ditambah

P4.1.2 Edit

Relasi Ekspor Relasi_Ekspor Data Relasi_Ekspor yg

akan diedit

Info Relasi_Ekspor yg sudah diedit Data Relasi_Ekspor yg

akan diedit

Info Relasi_Ekspor yg sudah diedit

P4.1.3 Hapus

Relasi Ekspor Relasi_Ekspor Data Relasi_Ekspor yg

akan dihapus

Info Relasi_Ekspor yg sudah dihapus Data Relasi_Ekspor yg

akan dihapus

Info Relasi_Ekspor yg sudah dihapus

Gambar 3.13 DFD Level-3 untuk proses olah data relasi ekspor

P4.2.1 Tambah Relasi

Impor

Relasi_Impor Data Relasi_Impor yg

akan ditambah

User

Data Relasi_Impor yg akan ditambah

Info Relasi_Impor yg sudah ditambah

Info Relasi_Impor yg sudah ditambah

P4.2.2 Edit

Relasi Impor Relasi_Impor Data Relasi_Impor yg

akan diedit

Info Relasi_Impor yg sudah diedit Data Relasi_Impor yg

akan diedit

Info Relasi_Impor yg sudah diedit

P4.2.3 Hapus

Relasi Impor Relasi_Impor Data Relasi_Impor yg

akan dihapus

Info Relasi_Impor yg sudah dihapus Data Relasi_Impor yg

akan dihapus

Info Relasi_Impor yg sudah dihapus

46

3.3.2 Perancangan flowchart sistem

Perancangan alur kerja dari sistem yang dirancang dapat dilihat pada Gambar 3.15. Start Tampil halaman utama Komoditas? Negara? T Ekspor? T Apriori Ekspor T CT-Pro Ekspor T Impor? T Apriori Impor? T CT-Pro Impor T End T Tampil Data Komoditas Tampil Data Negara Tampil Data Ekspor Tampil Data Impor Y Y Y Y Y Y Y Y Tahapan algoritma apriori Tahapan algoritma apriori Tahapan algoritma ct-pro Tahapan algoritma ct-pro

Perancangan alur kerja sistem tersebut dimulai dengan start, maka akan tampil halaman utama dari sistem. Dari tampilan utama sistem tersebut, terdapat beberapa menu yang dapat dipilih. Apabila user memilih menu komoditas maka akan tampil data komoditas, jika tidak maka dapat memilih menu negara maka akan tampil data negara. Apabila user memilih menu ekspor maka akan tampil data kegiatan ekspor. Kemudian apabila user memilih Apriori Ekspor maka sistem akan menampilkan proses asosiasi apriori dengan memasukkan nilai minimum support dan minimum

confidence serta jumlah transaksinya dan apabila user memilih CT-Pro Ekspor maka

sistem akan menampilkan proses asosiasi ct-pro dengan memasukkan nilai minimum

support dan minimum confidence serta jumlah transaksinya. Demikian juga halnya

apabila user memilih menu impor, apriori impor dan ct-pro impor.

3.3.3 Perancangan database

Perancangan database dalam sistem ini yaitu berupa perancangan struktur tabel komoditas, tabel negara, tabel ekspor dan tabel impor.

1. Tabel User

Pada tabel user seperti yang terlihat pada Tabel 3.12 berfungsi sebagai data login untuk memulai sebuah sistem.

Tabel 3.12 Tabel User

Nama Field Type Length Key Keterangan

id_user int 10 * ID user

username Varchar 30 Username

48

2. Tabel Komoditas

Pada tabel komoditas seperti yang terlihat pada Tabel 3.13 berfungsi untuk menyimpan data komoditas ekspor ataupun impor.

Tabel 3.13 Tabel Komoditas

Nama Field Type Length Key Keterangan

id_negara int 10 * ID Negara

nama_negara Varchar 30 Nama Negara

3. Tabel Negara

Pada tabel negara seperti yang terlihat pada Tabel 3.14 berfungsi untuk menyimpan data negara tujuan ekspor ataupun impor.

Tabel 3.14 Tabel Negara

Nama Field Type Length Key Keterangan

id_komoditas int 10 * ID Komoditas

nama_ko moditas Varchar 30 Nama Komoditas

deskripsi Text Deskripsi

4. Tabel Relasi

Pada tabel relasi seperti yang terlihat pada Tabel 3.15 berfungsi untuk menyimpan data relasi antara negara dengan komoditas pada tanggal tertentu.

Tabel 3.15 Tabel Relasi

Nama Field Type Length Key Keterangan

id_relasi int 10 * ID Relasi

Tabel 3.15 Tabel Relasi (Lanjutan)

Nama Field Type Length Key Keterangan

id_komoditas int 10 ID Komoditas

id_negara int 10 ID Negara

tgl_relasi Date Tanggal Relasi

5. Tabel Kombinasi Gabung

Pada tabel kombinasi gabung seperti yang terlihat pada Tabel 3.16 berfungsi untuk mmenyimpan data kombinasi antara negara dengan komoditas.

Tabel 3.16 Tabel Kombinasi Gabung

Nama Field Type Length Key Keterangan

id_komoditas int 10 * Id_komoditas

id_negara int 10 Id_negara

6. Tabel Hasil Akhir Kombinasi

Tabel hasil akhir kombinasi seperti pada Tabel 3.17 berfungsi untuk menyimpan data hasil akhir kombinasi yang telah memenuhi nilai minimum confidence dan minimum

support.

Tabel 3.17 Tabel Hasil Akhir Kombinasi

Nama Field Type Length Key Keterangan

id_hasil_akhir int 10 * id_hasil_akhir

id_komoditas int 10 id_komoditas

id_negara int 10 id_negara

50

Tabel 3.17 Tabel Hasil Akhir Kombinasi (Lanjutan)

Nama Field Type Length Key Keterangan

hasil_support varchar 30 hasil_support

final_hasil varchar 30 final_hasil

7. Tabel Hasil Confidence

Tabel 3.18 berfungsi untuk menyimpan hasil data akhir yang memenuhi nilai minimum confidence yang merupakan kesimpulan akhir.

Tabel 3.18 Tabel Hasil Confidence

Nama Field Type Length Key Keterangan

id_ hasil_confidence int 10 * id_ hasil_confidence

id_komoditas int 10 id_komoditas

id_negara int 10 id_negara

hasil_confidence varchar 30 hasil_confidence

8. Tabel Gabung CT-Pro

Tabel gabung ct-pro pada Tabel 3.19 berfungsi untuk menyimpan data kombinasi antara negara dengan komoditas.

Tabel 3.19 Tabel Gabung CT-Pro

Nama Field Type Length Key Keterangan

id_item int 10 * Id_item

item_gabung int 10 Item_gabung

count_gabung varchar 30 Count_gabung

9. Tabel Frequent Komoditas

Tabel frequent komoditas seperti pada Tabel 3.20 berfungsi untuk menyimpan data jumlah frekuensi komoditas.

Tabel 3.20 Tabel Frequent Komoditas

Nama Field Type Length Key Keterangan

id_frequent_komoditas int 10 * id_frequent_komoditas

kode_relasi int 10 kode_relasi

id_komoditas int 10 id_komoditas

10. Tabel Frequent Negara

Tabel frequent negara seperti pada Tabel 3.21 berfungsi untuk menyimpan data jumlah frekuensi komoditas.

Tabel 3.21 Tabel Frequent Negara

Nama Field Type Length Key Keterangan

id_frequent_negara int 10 * id_frequent_negara

kode_relasi int 10 kode_relasi

id_negara int 10 id_negara

11. Tabel Hasil CT-Pro

Tabel hasil ct-pro pada Tabel 3.22 berfungsi untuk menyimpan hasil data akhir yang memenuhi nilai minimum confidence yang merupakan kesimpulan akhir.

Tabel 3.22 Tabel Hasil CT-Pro

Nama Field Type Length Key Keterangan

id_ hasil_ct-pro int 10 * id_ hasil_ct-pro

52

Tabel 3.22 Tabel Hasil CT-Pro (Lanjutan)

Nama Field Type Length Key Keterangan

id_negara int 10 id_negara

confidence varchar 40 confidence

3.3.4 Perancangan interface sistem

Perancangan tampilan sistem yang akan dibuat adalah sebagai berikut :

1. Perancangan Login

Gambar 3.16 menjelaskan tampilan untuk form login dari sistem yang akan dibuat :

Login Username

Password

1

3 2

Gambar 3.16 Form Login Keterangan :

1. Untuk mengisi username 2. Untuk mengisi Password 3. Untuk memulai sistem

2. Perancangan Halaman Utama

Gambar 3.17 menjelaskan perancangan halaman utama dari sistem, dalam halaman ini terdapat beberapa pilihan.

Ekspor Impor Data Mining Komoditas Pertanian

Dashboard Komoditas Negara Ekspor

Impor CT-Pro Ekspor

Apriori Ekspor

Apriori Impor CT-Pro Impor

Halaman Admin Welcome 1

2 3 4 5 6 7 8

9

10

Gambar 3.17 Halaman Utama Keterangan :

1. Tombol untuk ke menu utama 2. Tombol untuk ke menu komoditas 3. Tombol untuk ke menu negara 4. Tombol untuk ke menu Ekspor

5. Tombol untuk ke menu proses Apriori Ekspor 6. Tombol untuk ke menu proses CT-Pro Ekspor 7. Tombol untuk ke menu Impor

8. Tombol untuk ke menu proses Apriori Impor 9. Tombol untuk ke menu proses CT-Pro Impor 10.Halaman Admin

54

3. Perancangan Menu Komoditas

Gambar 3.18 menjelaskan merupakan perancangan menu komoditas yang berguna sebagai menu untuk data komoditas dan Gambar 3.19 menjelaskan tampilan untuk edit komoditas.

Tabel Komoditas

No Kode Komoditas Nama Komoditas Opsi

Edit Delete

3

5

6 2

1

4

Gambar 3.18 Menu Komoditas Keterangan :

1. Daftar nomor komoditas yag berfungsi sebagai id komoditas 2. Daftar Kode komoditas

3. Daftar Nama komoditas

4. Menu untuk menambah komoditas 5. Menu delete komoditas

6. Menu edit komoditas

Edit Komoditas

Nama Komoditas

Deskripsi

Simpan

1

3 2

Keterangan :

1. Untuk mengisi nama komoditas 2. Untuk mengisi deskripsi komoditas

3. Menu untuk menyimpan data komoditas baru

4. Perancangan Menu Negara

Gambar 3.20 menjelaskan perancangan menu komoditas yang berguna sebagai menu untuk data komoditas dan Gambar 3.21 menjelaskan tampilan untuk edit komoditas.

Tabel Negara

No Nama Negara Opsi

Edit Delete

3

5 2

1

4

Gambar 3.20 Menu Negara Keterangan :

1. Daftar nomor komoditas yag berfungsi sebagai id negara 2. Daftar nama negara

3. Menu edit komoditas

4. Menu untuk menambah negara 5. Menu delete komoditas

56

Edit Negara

Nama Negara

Simpan

1

2

Gambar 3.21 Menu Edit Negara

Keterangan :

1. Untuk mengisi nama negara

2. Menu untuk menyimpan data negara baru

5. Perancangan Menu Ekspor

Menu ekspor merupakan menu yang berisi data kegiatan ekspor komoditas pertanian yang dapat dilihat pada Gambar 3.22 dan juga pada Gambar 3.23 yang merupakan menu input ekspor.

Tabel Ekspor

No Nama Negara Opsi

Edit Delete

3 2 1

Kode Relasi Nama

Komoditas Tanggal Komoditas

4

5

6

7

8

Gambar 3.22 Menu Ekspor Keterangan :

1. Daftar nomor kegiatan ekspor

3. Daftar nama komoditas 4. Daftar nama negara

5. Menu untuk tambah ekspor 6. Menu delete ekspor

7. Menu edit ekspor 8. Menu tanggal ekspor

Input Ekspor Kode Relasi

Simpan

1

5 Nama Komoditas

Nama Negara Tanggal Ekspor

2

3

4

Gambar 3.23 Menu Input Ekspor

Keterangan :

1. Untuk mengisi relasi antara komoditas dan negara 2. Menu daftar nama komoditas

3. Menu daftar nama negara 4. Menu tanggal ekspor

5. Menu untuk menyimpan daftar baru ataupun perubahan data

6. Perancangan Menu Apriori Ekspor

Menu Apriori Ekspor ini bermanfaat untuk proses mining dari sistem, dimana dalam menu ini dapat diisi nilai minimum support dan minimum confidence seperti terlihat pada Gambar 3.24 dan pada Gambar 3.25 merupakan hasil dari proses mining.

58

Apriori

Minimum Support

Minimum Confidence

Proses

1

3 2

Gambar 3.24 Menu Apriori Ekspor

Keterangan :

1. Untuk mengisi nilai minimum support 2. Untuk mengisi nilai minimum confidence 3. Menu untuk proses mining

Analisis dengan Apriori

Nomor Kesimpulan Confidence

Lama Proses : ... detik 2

1 ₃

4

Gambar 3.25 Analisis dengan Apriori Keterangan :

1. Daftar nomor hasil mining 2. Kesimpulan dari proses mining 3. Nilai confidence

4. Waktu dalam proses sistem

7. Perancangan Menu CT-Pro Ekspor

Menu CT-Pro Ekspor ini bermanfaat untuk proses mining dari sistem, dimana dalam menu ini dapat diisi nilai minimum support dan minimum confidence seperti terlihat pada Gambar 3.26 dan pada Gambar 3.27 merupakan hasil dari proses mining.

CT-Pro

Minimum Support

Minimum Confidence

Proses

1

3 2

Gambar 3.26 Menu CT-Pro Ekspor

Keterangan :

1. Untuk mengisi nilai minimum support 2. Untuk mengisi nilai minimum confidence 3. Menu untuk proses mining

Analisis dengan CT-Pro

Nomor Kesimpulan Confidence

Lama Proses : ... detik 2

1 ₃

4

Gambar 3.27 Analisis dengan CT-Pro Keterangan :

1. Daftar nomor hasil mining 2. Kesimpulan dari proses mining 3. Nilai confidence

4. Waktu dalam proses sistem

Untuk perancangan tampilan Impor, Apriori Impor dan CT-Pro Impor tidak penulis tampilkan. Hal ini dikarenakan ketiga tampilan tersebut memiliki model tampilan yang sama dengan perancangan ekspor.

BAB 4

IMPLEMENTASI DAN PENGUJIAN SISTEM

Implementasi yang akan dijabarkan pada bab ini berdasarkan perancangan sistem pada bab sebelumnya. Dan untuk pengujian sistem dilakukan dengan menentukan nilai minimum support dan minimum confidence yang berbeda yang akan menghasilkan aturan asosiasi yang berbeda-beda.

4.1 Implementasi

Implementasi sistem dengan menerapkan algoritma Apriori dan algoritma CT-Pro untuk menemukan pola frekuensi ekspor/impor terbanyak oleh pengguna jasa, diaplikasikan kedalam bahasa pemrograman PHP. Dalam implementasi dari sistem ini membutuhkan perangkat keras (hardware) dan perangkat lunak (software). Adapun hardware dan software yang akan dibutuhkan sebagai berikut :

1. Perangkat Keras (Hardware)

a. Micro Processor minimal Pentium 4 b. Harddisk minimal 40GB

c. RAM berkapasitas 512MB d. Monitor

e. Keyboard f. Mouse

2. Perangkat Lunak (Software) a. PHP 5.3.8

b. MySql 5.5.16

c. Adobe Dreamweaver CS6 d. Mozilla Firefox 14.0

Adapun tampilan dari aplikasi sistem yang menerapakan algoritma Apriori dan algoritma CT-Pro adalah sebagai berikut :

a. Tampilan Form Menu Login

Gambar 4.1 Form Menu Login

Pada form login seperti terlihat pada Gambar 4.1, user dapat mengisi username dan password dengan benar untuk dapat menjalankan sistem menuju menu utama.

b. Tampilan Form Menu Utama

Gambar 4.2 Form Menu Utama

Tampilan form utama pada Gambar 4.2 merupakan halaman utama dari sistem yang terdapat beberapa menu pilihan. Pada menu utama ini dapat terlihat beberapa menu pilihan yang dapat dipilih user untuk menjalankan sistem.

62

c. Tampilan Form Menu Komoditas

Menu komoditas digunakan untuk memasukkan data komoditas baik itu untuk ekspor maupun impor ke dalam sistem adapun tampilannya dapat dilihat pada Gambar 4.3.

Gambar 4.3 Form Menu Komoditas

Pada menu komoditas terdapat pilihan menu input, menu edit dan menu delete. Menu delete berguna untuk menghapus data komoditas yang telah dimasukkan sebelumnya. Menu input berguna untuk memasukkan data komoditas ke dalam sistem, menu ini disimbolkan dengan lambang anak panah ke bawah dan tampilan untuk menu edit ini dapat dilihat pada Gambar 4.4.

Gambar 4.4 Form Menu Input Komoditas

Menu edit berguna untuk mengedit data komoditas yang telah dimasukkan sebelumnya dan tampilan untuk menu edit komoditas ini dapat dilihat pada Gambar 4.5

64

d. Tampilan Form Menu Negara

Menu negara digunakan untuk memasukkan data negara baik itu untuk ekspor maupun impor ke dalam sistem adapun tampilannya dapat dilihat pada Gambar 4.6.

Gambar 4.6 Form Menu Negara

Pada menu negara terdapat juga pilihan menu input, menu edit dan menu delete. Menu delete berguna untuk menghapus data negara yang telah dimasukkan sebelumnya. Menu input berguna untuk memasukkan data negara ke dalam sistem, menu ini disimbolkan dengan lambang anak panah ke bawah dan tampilan untuk menu input ini dapat dilihat pada Gambar 4.7.

Gambar 4.7 Form Menu Input Negara

Menu edit berguna untuk mengedit data negara yang telah dimasukkan sebelumnya dan tampilan untuk menu edit komoditas ini dapat dilihat pada Gambar 4.8.

THE COMPARISON OF APRIORI ALGORITHM AND CT-Pro ALGORITHM ON EXPORT AND IMPORT COMMODITIES

ABSTRACT

To generate accurate information from a large-capacity data required a method of data mining . Association Rule mining is one of technique mining, it has a function to find associative rule between a combination of items . An associative rules can be determined by two parameters , namely support and confidence . Association Rule Mining has several algorithms , two of them Apriori algorithm and CT-Proalgorithm. Apriori algorithm search a frequent itemset by applying the iterative process. CT-Pro algorithm make Compressed FP - Tree ( CFP - Tree ), which uses a bottom - up approach in which the items in the item table and CFP - Tree is done scan of the smallest to the largest . In this research, compare between Apriori algorithm and CT-Pro algorithm to determine the frequency of most commodities by country of destination with its parameters is time . Results obtained CT-Pro algorithm has a shorter time in the mining process than the Apriori algorithm.

DAFTAR ISI

Hal

PERSETUJUAN ii

PERNYATAAN iii

UCAPAN TERIMA KASIH iv

ABSTRAK v

ABSTRACT vi

DAFTAR ISI vii

DAFTAR TABEL ix

DAFTAR GAMBAR x

BAB 1 PENDAHULUAN

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Batasan Masalah 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

1.6 Metodologi Peneliti 3

1.7 Sistematika Penulisan 4

BAB 2 TINJAUAN PUSTAKA

2.1 Data Mining 6

2.2 Pengelompokkan Data Mining 9

2.3 Aturan Asosiasi (Assosiation Rule) 11

2.4 Metodologi Dasar Analisis Aturan Asosiasi 12

2.5 Algoritma Apriori 13

2.6 Algoritma CT-Pro 14

viii

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

3.1 Analisis Masalah 16

3.2 Analisis Data 17

3.2.1 Algoritma Apriori 22

3.2.2 Algoritma CT-Pro 30

3.3 Perancangan Sistem 39

3.3.1 Data Flow Diagram (DFD) 39

3.3.2 Perancangan Flowchart Sistem 46

3.3.3 Perancangan Database 47

3.3.4 Perancangan Interface Sistem 52

BAB 4 IMPLEMENTASI

4.1 Implementasi 60

4.2 Pengujian Sistem 69

BAB 5 KESIMPULAN DAN SARAN

5.1 Kesimpulan 76

5.2 Saran 76

Lampiran

DAFTAR TABEL

Hal.

Tabel 3.1 Data Ekspor 18

Tabel 3.2 C1 (Kandidat 1-itemset) 24

Tabel 3.3 L1 (Large 1-itemset) 26

Tabel 3.4 C2 (Kandidat 2-itemset) 27

Tabel 3.5 L2 (Large 2-itemset) 29

Tabel 3.6 Confidence L2 29

Tabel 3.7 Aturan Asosiasi 29

Tabel 3.8 Frequent Item 32

Tabel 3.9 Frequent List 34

Tabel 3.10 Data Ekspor Berdasarkan Frequent List 34

Tabel 3.11 Global Item Tabel 35

Tabel 3.12 Tabel User 47

Tabel 3.13 Tabel Komoditas 48

Tabel 3.14 Tabel Negara 48

Tabel 3.15 Tabel Relasi 48

Tabel 3.16 Tabel Kombinasi Gabung 49

Tabel 3.17 Tabel Hasil Akhir Kombinasi 49

Tabel 3.18 Tabel Hasil Confidence 50

Tabel 3.19 Tabel Gabung CT-Pro 50

Tabel 3.20 Tabel Frequent Komoditas 51

Tabel 3.21 Tabel Frequent Negara 51

Tabel 3.22 Tabel Hasil CT-Pro 51

DAFTAR GAMBAR

Hal.

Gambar 2.1 Tahapan Data Mining 7

Gambar 3.1 Analisis Masalah Untuk Menghasilkan Informasi Baru 17

Gambar 3.2 Flowchart Algoritma Apriori 23

Gambar 3.3 Flowchart Algoritma CT-Pro 31

Gambar 3.4 Global CFP-Tree 36

Gambar 3.5 Local CFP-Tree 37

Gambar 3.6 Proses Pencarian Kombinasi 38

Gambar 3.7 DFD Level-0 Untuk Proses Membuat Perbandinga n Algoritma

Apriori dan Algoritma CT-Pro 40

Gambar 3.8 DFD Level-1 Untuk Proses Perbandingan Algoritma Apriori

Dan Algoritma CT-Pro 41

Gambar 3.9 DFD Level-2 Untuk Relasi Ekspor 42

Gambar 3.10 DFD Level-2 Untuk Relasi Impor 42

Gambar 3.11 DFD Level-2 Untuk Proses Algoritma Apriori 43 Gambar 3.12 DFD Level-2 Untuk Proses Algoritma CT-Pro 44 Gambar 3.13 DFD Level-3 Untuk Proses Olah Data Relasi Ekspor 45 Gambar 3.14 DFD Level-3 Untuk Proses Olah Data Relasi Impor 45

Gambar 3.15 Flowchart Sistem 46

Gambar 3.16 Form Login 52

Gambar 3.17 Halaman Utama 53

Gambar 3.18 Menu Komoditas 54

Gambar 3.19 Menu Edit Komoditas 54

Gambar 3.20 Menu Negara 55

Gambar 3.21 Menu Edit Negara 56

Gambar 3.22 Menu Ekspor 56

xi

Gambar 3.26 Menu CT-Pro Ekspor 59

Gambar 3.27 Analisis Dengan CT-Pro 59

Gambar 4.1 Form Menu Login 61

Gambar 4.2 Form Menu Utama 61

Gambar 4.3 Form Menu Komoditas 62

Gambar 4.4 Form Menu Input Komoditas 63

Gambar 4.5 Form Menu Edit Komoditas 63

Gambar 4.6 Form Menu Negara 64

Gambar 4.7 Form Menu Input Negara 65

Gambar 4.8 Form Menu Edit Negara 65

Gambar 4.9 Form Menu Ekspor 66

Gambar 4.10 Form Menu Input Ekspor 67

Gambar 4.11 Form Edit Ekspor 67

Gambar 4.12 Form Menu Input Parameter Apriori / CT-Pro 68

Gambar 4.13 Form Menu Hasil Asosiasi 68

Gambar 4.14 Pengujian 1 Untuk Proses Apriori 69

Gambar 4.15 Pengujian 1 Untuk Proses CT-Pro 69

Gambar 4.16 Pengujian 2 Untuk Proses Apriori 70

Gambar 4.17 Pengujian 2 Untuk Proses CT-Pro 70

Gambar 4.18 Pengujian 3 Untuk Proses Apriori 71

Gambar 4.19 Pengujian 3 Untuk Proses CT-Pro 71

Gambar 4.20 Pengujian 4 Untuk Proses Apriori 72

Gambar 4.21 Pengujian 4 Untuk Proses CT-Pro 72

Gambar 4.22 Pengujian 5 Untuk Proses Apriori 73

Gambar 4.23 Pengujian 5 Untuk Proses CT-Pro 73