Penerapan Algoritma Greedy Knapsack untu (1)
Penerapan Algoritma Greedy Knapsack untuk Optimalisasi
Poin pada Situs Anggota Direct Selling Oriflame
Vaxtra Maendhapaskha, Andi Wahju Rahardjo Emanuel
Jurusan S1 Teknik Informatika
Fakultas Teknologi Informasi, Universitas Kristen Maranatha
Jl. Prof. Drg. Suria Sumantri no. 65, Bandung 40164
email : [email protected], [email protected]
ABSTRACT
Direct Selling is a growing business in which member can involve in direct-tomarket distribution system by recruiting others as his / her downline. This
paper explores the application of Greedy Knapsack algorithm in Direct
Selling in which the goal is to optimize the member’s points by optimal
purchase of the products. The algorithm requires the definition of the weight,
profit, density and knapsack capacity to reach optimal value. In this case, the
weight is the price of the product, the profit is the points of the product, the
density is ratio of points per product and the knapsack capacity is the budget
to be spent by member. The algorithm will give recommendations in the form
of list of products that should be bought in order to optimize the member’s
points. The case study of the recommedation system is performed at Oriflame
Direct Selling company. It can be concluded based on the survey to the
members that the recommendation system based on this algorithm is useful.
Keywords: Direct Selling, Oriflame, Greedy Knapsack, recommendation
system.
1.
Pendahuluan
Sistem Direct Selling merupakan salah satu dari strategi bisnis yang
berkembang dimana sistem ini lebih menyempitkan pangsa pasar dalam sebuah
struktur yang lebih dikenal dengan sebutan downline. Sistem Direct Selling
sendiri merupakan sistem dasar dari Multi-level Marketing yang mulai
merambah ke Indonesia pada tahun 1980an. Dalam perkembangannya selama
sekitar 34 tahun, sekarang ini terdapat 300 perusahaan Direct Selling / MLM
dimana 120 perusahaan diantaranya telah memiliki SIUP dengan omset rata-rata
pada tahun 2009 mencapai Rp 7.6 triliun [1].
Seorang anggota dari sebuah perusahaan Direct Selling selain dituntut untuk
membeli produk dari perusahaan tersebut untuk dijual kembali, dan juga
dituntut untuk mendapatkan anggota yang menjadi kelompoknya atau yang
83
Jurnal Sistem Informasi, Vol. 9 No. 1, Maret 2014: 83 - 92
sering disebut downline. Sistem penghargaan yang diberikan berupa sistem poin
yang diberikan setiap kali anggota membeli suatu produk dan juga berdasarkan
kinerja dari setiap anggota downline miliknya. Seiring dengan bertambahnya
jumlah anggota dari downline, maka diperlukan suatu sarana untuk saling
menjaga komunikasi seorang anggota dengan anggota – anggota lainnya yang
menjadi downline-nya sehingga loyalitas mereka dapat selalu terjaga dan
terpelihara. Sebagai tambahan, sebuah alat bantu untuk memaksimalkan poin
yang merupakan konversi dari penjualan barang dari masing – masing anggota
juga diperlukan.
Pada paper ini dibahas mengenai penerapan algoritma Greedy Knapsack yang
ditujukan untuk memberikan rekomendasi pembelian produk untuk
memaksimalkan perolehan poin dari anggota suatu perusahaan Direct Selling .
Studi kasus yang dipergunakan adalah suatu perusahaan Direct Selling populer
di Indonesia yaitu perusahaan kosmetik Oriflame. Sistem rekomendasi berbasis
Greedy Knapsack ini diterapkan dalam suatu website yang ditujukan sebagai
sarana komunikasi antar member dan manajemen downline perusahaan tersebut.
2.
Tinjauan Pustaka
2.1. Multi-Level Marketing (MLM) dibandingkan dengan Direct Selling
MLM dan Direct Selling merupakan dua buah aktifitas pemasaran produk yang
berbeda. Definisi Multi Level Marketing (MLM) secara umum adalah model
pemasaran yang menggunakan mata rantai Up Line dan Down Line dengan
memotong jalur distribusi [1]. Keunggulan besar bisnis pemasaran Jaringan
adalah seseorang tetap bisa bekerja dan sekaligus membangun bisnis sendiri
secara paruh waktu, investasi dan resikonya juga jauh lebih kecil serta tersedia
pendidikan dan dukungan yang membimbing anda meraih kesuksesan. selain
itu, sistem pemasaran jaringan adalah piramida terbalik sehingga puncak
sistemnya terbuka bagi bagi siapa saja [2]. Pada dasarnya sistem penjualan
secara Direct Selling hampir sama, adapun perbedaan bentuk Direct Selling
berdasarkan media penjualannya, seperti face to face selling, direct mail selling,
catalog selling, dan lain sebagainya.
Perbedaan dari metode pemasaran Direct Selling dan MLM tersebut dapat
diperinci dari tabel 1 berikut ini:
84
Penerapan Algoritma Greedy Knapsack untuk Optimalisasi Poin pada Situs Anggota
Direct Selling Oriflame
(Vaxtra Maendhapaskha, Andi Wahju Rahardjo Emanuel)
Tabel 8. Perbedaan serta persamaan Direct Selling dan MLM [1]
Parameter
Teknis Menjual
Jenjang Karir
Rekrutmen Horizontal
Rekrutmen Vertikal
Pengembangan Skill
Pengembangan Sikap
Pencapaian Target
Penghargaan Hasil
Perluasan Karir
Jenis Produk
Team Work
Direct Selling
Langsung
Tidak Terbatas 1-2
duplikasi
Tidak terbatas
Tidak Terbatas 1-2
duplikasi
Tidak terbatas
Dipertanyakan
Profesional
Dipertanyakan
Tidak terbatas
Tidak Menentu
Kecil
Multi Level Marketing
Langsung
Tidak terbatas
Tidak terbatas
Tidak terbatas
Tidak terbatas
Sangat Diberdayakan
Profesional dan emosional
Diberdayakan
Tidak terbatas
Menentu
Besar
Tabel 1 di atas menjelaskan tentang perbedaan dan persamaan antara Direct
Selling dan MLM. Tabel 1 di atas menjelaskan bahwa kedua strategi tersebut
memiliki banyak persamaan. Dalam strategi Direct Selling , pembentukan
jaringan antar member lebih mengacu kepada satu titik pimpinan atau satu akar
jaringan. Sedangkan pada Multi Level Marketing lebih bersifat fleksibel dan
dapat dikatakan merupakan dari kumpulan jaringan-jaringan Direct Selling.
Maka dari itu para pelaku Direct Selling dapat disebut juga sebagai self
employee, sedangkan MLM lebih menekankan kepada pembangunan karakter
serta bisnis investasi segala arah.
2.2. Algoritma Greedy Knapsack
Masalah Knapsack merupakan suatu permasalahan untuk menemukan nilai
optimal dengan kapasitas penyimpanan yang terbatas dari pemilihan berbagai
obyek yang memiliki bobot (wi), profit (p i), dan densitas (profit per bobot atau
p i/wi) [5]. Sedangkan Algoritma Greedy merupakan metode yang paling populer
untuk memecahkan persoalan optimalisasi [3]. Algoritma Greedy membentuk
solusi langkah per langkah (step by step ). Terdapat banyak pilihan yang perlu
dieksplorasi pada setiap langkah solusi. Oleh karena itu, pada setiap langkah
harus dibuat keputusan yang terbaik dalam menentukan pilihan. Keputusan
yang telah diambil pada suatu langkah tidak dapat diubah lagi pada langkah
selanjutnya.
85
Jurnal Sistem Informasi, Vol. 9 No. 1, Maret 2014: 83 - 92
Berikut merupakan tiga pendekatan dalam kasus pemecahan Knapsack dengan
algoritma Greedy:
1. Greedy by profit: Pada setiap langkah, knapsack diisi dengan obyek yang
mempunyai profit terbesar. Strategi ini mencoba memaksimumkan
keuntungan dengan memilih objek yang paling menguntungkan terlebih
dahulu.
2. Greedy by weight: Pada setiap langkah, knapsack diisi dengan obyek yang
mempunyai berat paling ringan. Strategi ini mencoba memaksimumkan
keuntungan dengan memasukkan sebanyak mungkin objek ke dalam
knapsack.
3. Greedy by density: Pada setiap langkah, knapsack diisi dengan obyek yang
mempunyai densitas (p i /wi) terbesar. Strategi ini mencoba memaksimumkan
keuntungan dengan memilih objek yang mempunyai keuntungan per unit
berat terbesar. Pada setiap langkah, knapsack diisi dengan obyek yang
memiliki densitas terbesar yang bertujuan untuk mengoptimalkan
keuntungan berdasarkan profit per unit berat terbesar:
w2 = 5; p 1 = 15
w3 = 10; p1 = 50
w4 = 5; p 1 = 10
Kapasitas knapsack W = 16
Solusi dengan algoritma greedy ditampilkan dalam tabel 2 di bawah:
Tabel 2. Solusi algoritma Greedy [4]
Properti objek
i
wi
1
2
3
4
6
5
10
5
pi
12
15
50
10
Total bobot
Total keuntungan
pi /wi
profit
2
3
5
2
0
1
1
0
15
65
Greedy by
bobot
1
1
0
1
16
37
densitas
0
1
1
0
15
65
Solusi
Optimal
0
1
1
0
15
65
Pada tabel 2 diatas, algoritma Greedy dengan strategi pemilihan objek
berdasarkan profit dan density memberikan solusi optimal, sedangkan pemilihan
objek berdasarkan bobot tidak memberikan solusi optimal.
86
Penerapan Algoritma Greedy Knapsack untuk Optimalisasi Poin pada Situs Anggota
Direct Selling Oriflame
(Vaxtra Maendhapaskha, Andi Wahju Rahardjo Emanuel)
3.
Analisis dan Desain
Obyektif yang diinginkan dari seorang anggota atau member dari perusahaan
Direct Selling adalah bagaimana cara untuk mengoptimalkan poin melalui
pembelian berbagai produk dengan anggaran yang telah ditentukan.
Permasalahan ini merupakan salah satu bentuk dari masalah Knapsack yang
dapat diselesaikan dengan algoritma Greedy. Pada aplikasi yang dikembangkan
yang memanfaatkan algoritma Greedy Knapsack seperti yang dijelaskan diatas,
yang menjadi bobot (w) adalah harga produk, profit (p ) adalah nilai poin dari
produk, densitasnya (p/w) adalah nilai poin per harga produk, sedangkan
kapasitas knapsack adalah total anggaran yang akan dibelanjakan oleh seorang
anggota.
Berikut merupakan hasil analisis dan desain beberapa diagram sebagai
gambaran besar implementasi penerapan algoritma knapsack pada aplikasi yang
diwujudkan dalam sub-sistem “Rekomendasi Pembelian Produk” pada gambar
1 dibawah ini.
Gambar 1. Arsitektur Sistem Keseluruhan [4]
87
Jurnal Sistem Informasi, Vol. 9 No. 1, Maret 2014: 83 - 92
Gambar 1 di atas merupakan gambaran secara keseluruhan arsitektur sistem dari
website yang akan dirancang. Pengguna dari website tersebut dibagi menjadi
dua otoritas (member dan administrator ) dimana masing-masing otoritas
memiliki hak akses yang berbeda beserta fitur-fitur website yang dapat
digunakan berdasarkan otoritas pengguna
Sistem rekomendasi yang disediakan oleh aplikasi, dapat digunakan seorang
member untuk mendapatkan sebuah informasi tentang rekomendasi produk
yang hendak dibeli member. Proses pertama yang dilakukan sistem yaitu
dengan mengambil semua informasi produk dalam katalog dimana dari
kumpulan produk tersebut akan dilakukan pensortiran berdarkan poin terbesar,
harga terendah, dan densitas terbesar dengan jumlah harga produk tidak
melebihi nominal yang dimasukan member. Setelah pengelompokan selesai,
sistem akan membandingkan ketiga pengelompokan dan memilih poin manakah
yang lebih optimum. Setelah itu sistem akan memberikan daftar produk dengan
poin optimum tersebut. Berikut merupakan gambaran diagram DFD pada subsistem rekomendasi produk seperti yang ditunjukkan pada gambar 2 dibawah
ini.
88
Penerapan Algoritma Greedy Knapsack untuk Optimalisasi Poin pada Situs Anggota
Direct Selling Oriflame
(Vaxtra Maendhapaskha, Andi Wahju Rahardjo Emanuel)
Id katalog
Nominal budget
pembelanjaan
9.1
Proses
pengambilan daftar
produk dalam
katalog
Katalog
Informasi katalog
Informasi katalog
9.2
Perhitungan poin
optimal dengan
memilih poin
terbesar dahulu
Poin optimal berdasarkan poin terbesar
Member
9.3
Perhitungan poin
optimal dengan
memilih harga
terendah dahulu
Poin optimal berdasarkan poin terbesar
Poin optimal bedasarkan harga terendah
9.4
Perhitungan poin
optimal dengan
memilih tingkat
densitas terbesar
dahulu
Poin optimal berdasarkan poin terbesar
Poin optimal berdasarkan harga terendah
Poin optimal berdasarkan tingkat densitas terbesar
Rekomendasi pembelanjaan
member
9.5
Proses
perbandingan
ketiga perhitungan
untuk
mendapatkan poin
paling optimal
Informasi poin optimal
Katalog
Data barang
poin optimal
9.6
Memberikan
rekomendasi daftar
barang yang
dibelanjakan
Informasi daftar barang
dengan poin optimal
Gambar 2. DFD Sub-sistem Rekomendasi Produk [4]
89
Jurnal Sistem Informasi, Vol. 9 No. 1, Maret 2014: 83 - 92
Gambar 3. Entity Relationship Diagram keseluruhan Sistem [4]
Gambar 3 di atas merupakan diagram ERD dari aplikasi dimana pada diagram
tersebut digambarkan data-data yang disimpan dalam aplikasi. data-data
tersebut merupakan data utama aplikasi yang akan diolah lebih lanjut menjadi
informasi bagi pengguna baik member maupun administrator .
Tampilan rekomendasi produk untuk memaksimalkan poin pada situs Direct
Selling yang dikembangkan dapat dilihat pada gambar 4 berikut ini.
90
Penerapan Algoritma Greedy Knapsack untuk Optimalisasi Poin pada Situs Anggota
Direct Selling Oriflame
(Vaxtra Maendhapaskha, Andi Wahju Rahardjo Emanuel)
Gambar 4. Tampilan sistem rekomendasi pada situs web [4]
Gambar 4 di atas merupakan tampilan halaman utama website seorang member .
Pada awalnya member memasukan nominal uang pada textbox di atas tabel
daftar produk. Ketika member setelah klik proses, sistem akan memberikan
daftar produk rekomendasi dalam bentuk tabel lengkap dengan nama, harga
beli, harga jual, poin, barang rekomendasi, dan diskon.
Proses pengujian yang dilakukan untuk sistem ini berupa survey ke pengguna
yaitu sampel 20 anggota dari Oriflame. Dari hasil survey didapatkan bahwa 17
dari 20 orang responden (85%) menyatakan sangat setuju dan setuju bahwa
rekomendasi yang diberikan berdasarkan algoritma ini dianggap membantu
dalam pemilihan produk apa saja yang harus dibeli.
4.
Kesimpulan
Direct Selling adalah salah satu bentuk pemasaran yang tengah berkembang
dengan pesat di Indonesia. Seorang anggota atau member dari perusahaan
tersebut dituntut untuk membeli berbagai produk untuk dijual kembali dan juga
merekrut anggota dibawahnya atau downline-nya. Bentuk penghargaan yang
diberikan berupa perolehan poin berdasarkan produk yang dibeli. Paper ini
membahas penerapan algoritma Greedy untuk memecahkan permasalahan
Knapsack berupa optimalisasi poin dari seorang anggota berdasarkan produk –
produk yang dibeli dimana masing – masing produk tersebut memilik nilai poin
91
Jurnal Sistem Informasi, Vol. 9 No. 1, Maret 2014: 83 - 92
yang beragam. Penerapan algoritma ini diimplementasikan dalam sebuah
website yang dibangun sebagai sarana komunikasi antara seorang anggota
dengan anggota – anggota lainnya yang menjadi downline.
Berdasarkan hasil survey ke sampel 20 pengguna yang merupakan anggota
Oriflame, dapat disimpulkan bahwa algoritma Greedy Knapsack dapat
dipergunakan untuk memberikan solusi optimalisasi poin untuk para anggota
perusahaan Direct Selling tersebut.
Daftar Pustaka
[1] APLI, "Perbedaan Direct Selling Dengan Piramida [Online]," p. www.apli.or.id,
diakses 20 Januari 2014.
[2] R. T. Kiyosaki, Rich Dad's The Business School For People Who Like Helping
People, Jakarta: PT Gramedia Pustaka Utama, 2003.
[3] R. Munir, Algoritma dan Pemrograman dalam bahasa pascal dan C, Bandung: Cv.
Informatika, 2001.
[4] V. Maendhapaskha, Rekomendasi Pembelian Produk pada Jaringan Direct Selling
dengan Algoritma Knapsack, Tugas Akhir Jurusan S1 Teknik Informatika Fakultas
Teknologi Informasi UK. Maranatha Bandung, Februari 2014.
[5] D. Wu, Lecture 14: Greedy Algorithms, The Hongkong University of Science and
Technology
(Lecture
Notes).
Available:
http://www.cse.ust.hk/~dekai/271/notes/L14/L14.pdf . Diakses: 3 Maret 2014
92
Poin pada Situs Anggota Direct Selling Oriflame
Vaxtra Maendhapaskha, Andi Wahju Rahardjo Emanuel
Jurusan S1 Teknik Informatika
Fakultas Teknologi Informasi, Universitas Kristen Maranatha
Jl. Prof. Drg. Suria Sumantri no. 65, Bandung 40164
email : [email protected], [email protected]
ABSTRACT
Direct Selling is a growing business in which member can involve in direct-tomarket distribution system by recruiting others as his / her downline. This
paper explores the application of Greedy Knapsack algorithm in Direct
Selling in which the goal is to optimize the member’s points by optimal
purchase of the products. The algorithm requires the definition of the weight,
profit, density and knapsack capacity to reach optimal value. In this case, the
weight is the price of the product, the profit is the points of the product, the
density is ratio of points per product and the knapsack capacity is the budget
to be spent by member. The algorithm will give recommendations in the form
of list of products that should be bought in order to optimize the member’s
points. The case study of the recommedation system is performed at Oriflame
Direct Selling company. It can be concluded based on the survey to the
members that the recommendation system based on this algorithm is useful.
Keywords: Direct Selling, Oriflame, Greedy Knapsack, recommendation
system.
1.
Pendahuluan
Sistem Direct Selling merupakan salah satu dari strategi bisnis yang
berkembang dimana sistem ini lebih menyempitkan pangsa pasar dalam sebuah
struktur yang lebih dikenal dengan sebutan downline. Sistem Direct Selling
sendiri merupakan sistem dasar dari Multi-level Marketing yang mulai
merambah ke Indonesia pada tahun 1980an. Dalam perkembangannya selama
sekitar 34 tahun, sekarang ini terdapat 300 perusahaan Direct Selling / MLM
dimana 120 perusahaan diantaranya telah memiliki SIUP dengan omset rata-rata
pada tahun 2009 mencapai Rp 7.6 triliun [1].
Seorang anggota dari sebuah perusahaan Direct Selling selain dituntut untuk
membeli produk dari perusahaan tersebut untuk dijual kembali, dan juga
dituntut untuk mendapatkan anggota yang menjadi kelompoknya atau yang
83
Jurnal Sistem Informasi, Vol. 9 No. 1, Maret 2014: 83 - 92
sering disebut downline. Sistem penghargaan yang diberikan berupa sistem poin
yang diberikan setiap kali anggota membeli suatu produk dan juga berdasarkan
kinerja dari setiap anggota downline miliknya. Seiring dengan bertambahnya
jumlah anggota dari downline, maka diperlukan suatu sarana untuk saling
menjaga komunikasi seorang anggota dengan anggota – anggota lainnya yang
menjadi downline-nya sehingga loyalitas mereka dapat selalu terjaga dan
terpelihara. Sebagai tambahan, sebuah alat bantu untuk memaksimalkan poin
yang merupakan konversi dari penjualan barang dari masing – masing anggota
juga diperlukan.
Pada paper ini dibahas mengenai penerapan algoritma Greedy Knapsack yang
ditujukan untuk memberikan rekomendasi pembelian produk untuk
memaksimalkan perolehan poin dari anggota suatu perusahaan Direct Selling .
Studi kasus yang dipergunakan adalah suatu perusahaan Direct Selling populer
di Indonesia yaitu perusahaan kosmetik Oriflame. Sistem rekomendasi berbasis
Greedy Knapsack ini diterapkan dalam suatu website yang ditujukan sebagai
sarana komunikasi antar member dan manajemen downline perusahaan tersebut.
2.
Tinjauan Pustaka
2.1. Multi-Level Marketing (MLM) dibandingkan dengan Direct Selling
MLM dan Direct Selling merupakan dua buah aktifitas pemasaran produk yang
berbeda. Definisi Multi Level Marketing (MLM) secara umum adalah model
pemasaran yang menggunakan mata rantai Up Line dan Down Line dengan
memotong jalur distribusi [1]. Keunggulan besar bisnis pemasaran Jaringan
adalah seseorang tetap bisa bekerja dan sekaligus membangun bisnis sendiri
secara paruh waktu, investasi dan resikonya juga jauh lebih kecil serta tersedia
pendidikan dan dukungan yang membimbing anda meraih kesuksesan. selain
itu, sistem pemasaran jaringan adalah piramida terbalik sehingga puncak
sistemnya terbuka bagi bagi siapa saja [2]. Pada dasarnya sistem penjualan
secara Direct Selling hampir sama, adapun perbedaan bentuk Direct Selling
berdasarkan media penjualannya, seperti face to face selling, direct mail selling,
catalog selling, dan lain sebagainya.
Perbedaan dari metode pemasaran Direct Selling dan MLM tersebut dapat
diperinci dari tabel 1 berikut ini:
84
Penerapan Algoritma Greedy Knapsack untuk Optimalisasi Poin pada Situs Anggota
Direct Selling Oriflame
(Vaxtra Maendhapaskha, Andi Wahju Rahardjo Emanuel)
Tabel 8. Perbedaan serta persamaan Direct Selling dan MLM [1]
Parameter
Teknis Menjual
Jenjang Karir
Rekrutmen Horizontal
Rekrutmen Vertikal
Pengembangan Skill
Pengembangan Sikap
Pencapaian Target
Penghargaan Hasil
Perluasan Karir
Jenis Produk
Team Work
Direct Selling
Langsung
Tidak Terbatas 1-2
duplikasi
Tidak terbatas
Tidak Terbatas 1-2
duplikasi
Tidak terbatas
Dipertanyakan
Profesional
Dipertanyakan
Tidak terbatas
Tidak Menentu
Kecil
Multi Level Marketing
Langsung
Tidak terbatas
Tidak terbatas
Tidak terbatas
Tidak terbatas
Sangat Diberdayakan
Profesional dan emosional
Diberdayakan
Tidak terbatas
Menentu
Besar
Tabel 1 di atas menjelaskan tentang perbedaan dan persamaan antara Direct
Selling dan MLM. Tabel 1 di atas menjelaskan bahwa kedua strategi tersebut
memiliki banyak persamaan. Dalam strategi Direct Selling , pembentukan
jaringan antar member lebih mengacu kepada satu titik pimpinan atau satu akar
jaringan. Sedangkan pada Multi Level Marketing lebih bersifat fleksibel dan
dapat dikatakan merupakan dari kumpulan jaringan-jaringan Direct Selling.
Maka dari itu para pelaku Direct Selling dapat disebut juga sebagai self
employee, sedangkan MLM lebih menekankan kepada pembangunan karakter
serta bisnis investasi segala arah.
2.2. Algoritma Greedy Knapsack
Masalah Knapsack merupakan suatu permasalahan untuk menemukan nilai
optimal dengan kapasitas penyimpanan yang terbatas dari pemilihan berbagai
obyek yang memiliki bobot (wi), profit (p i), dan densitas (profit per bobot atau
p i/wi) [5]. Sedangkan Algoritma Greedy merupakan metode yang paling populer
untuk memecahkan persoalan optimalisasi [3]. Algoritma Greedy membentuk
solusi langkah per langkah (step by step ). Terdapat banyak pilihan yang perlu
dieksplorasi pada setiap langkah solusi. Oleh karena itu, pada setiap langkah
harus dibuat keputusan yang terbaik dalam menentukan pilihan. Keputusan
yang telah diambil pada suatu langkah tidak dapat diubah lagi pada langkah
selanjutnya.
85
Jurnal Sistem Informasi, Vol. 9 No. 1, Maret 2014: 83 - 92
Berikut merupakan tiga pendekatan dalam kasus pemecahan Knapsack dengan
algoritma Greedy:
1. Greedy by profit: Pada setiap langkah, knapsack diisi dengan obyek yang
mempunyai profit terbesar. Strategi ini mencoba memaksimumkan
keuntungan dengan memilih objek yang paling menguntungkan terlebih
dahulu.
2. Greedy by weight: Pada setiap langkah, knapsack diisi dengan obyek yang
mempunyai berat paling ringan. Strategi ini mencoba memaksimumkan
keuntungan dengan memasukkan sebanyak mungkin objek ke dalam
knapsack.
3. Greedy by density: Pada setiap langkah, knapsack diisi dengan obyek yang
mempunyai densitas (p i /wi) terbesar. Strategi ini mencoba memaksimumkan
keuntungan dengan memilih objek yang mempunyai keuntungan per unit
berat terbesar. Pada setiap langkah, knapsack diisi dengan obyek yang
memiliki densitas terbesar yang bertujuan untuk mengoptimalkan
keuntungan berdasarkan profit per unit berat terbesar:
w2 = 5; p 1 = 15
w3 = 10; p1 = 50
w4 = 5; p 1 = 10
Kapasitas knapsack W = 16
Solusi dengan algoritma greedy ditampilkan dalam tabel 2 di bawah:
Tabel 2. Solusi algoritma Greedy [4]
Properti objek
i
wi
1
2
3
4
6
5
10
5
pi
12
15
50
10
Total bobot
Total keuntungan
pi /wi
profit
2
3
5
2
0
1
1
0
15
65
Greedy by
bobot
1
1
0
1
16
37
densitas
0
1
1
0
15
65
Solusi
Optimal
0
1
1
0
15
65
Pada tabel 2 diatas, algoritma Greedy dengan strategi pemilihan objek
berdasarkan profit dan density memberikan solusi optimal, sedangkan pemilihan
objek berdasarkan bobot tidak memberikan solusi optimal.
86
Penerapan Algoritma Greedy Knapsack untuk Optimalisasi Poin pada Situs Anggota
Direct Selling Oriflame
(Vaxtra Maendhapaskha, Andi Wahju Rahardjo Emanuel)
3.
Analisis dan Desain
Obyektif yang diinginkan dari seorang anggota atau member dari perusahaan
Direct Selling adalah bagaimana cara untuk mengoptimalkan poin melalui
pembelian berbagai produk dengan anggaran yang telah ditentukan.
Permasalahan ini merupakan salah satu bentuk dari masalah Knapsack yang
dapat diselesaikan dengan algoritma Greedy. Pada aplikasi yang dikembangkan
yang memanfaatkan algoritma Greedy Knapsack seperti yang dijelaskan diatas,
yang menjadi bobot (w) adalah harga produk, profit (p ) adalah nilai poin dari
produk, densitasnya (p/w) adalah nilai poin per harga produk, sedangkan
kapasitas knapsack adalah total anggaran yang akan dibelanjakan oleh seorang
anggota.
Berikut merupakan hasil analisis dan desain beberapa diagram sebagai
gambaran besar implementasi penerapan algoritma knapsack pada aplikasi yang
diwujudkan dalam sub-sistem “Rekomendasi Pembelian Produk” pada gambar
1 dibawah ini.
Gambar 1. Arsitektur Sistem Keseluruhan [4]
87
Jurnal Sistem Informasi, Vol. 9 No. 1, Maret 2014: 83 - 92
Gambar 1 di atas merupakan gambaran secara keseluruhan arsitektur sistem dari
website yang akan dirancang. Pengguna dari website tersebut dibagi menjadi
dua otoritas (member dan administrator ) dimana masing-masing otoritas
memiliki hak akses yang berbeda beserta fitur-fitur website yang dapat
digunakan berdasarkan otoritas pengguna
Sistem rekomendasi yang disediakan oleh aplikasi, dapat digunakan seorang
member untuk mendapatkan sebuah informasi tentang rekomendasi produk
yang hendak dibeli member. Proses pertama yang dilakukan sistem yaitu
dengan mengambil semua informasi produk dalam katalog dimana dari
kumpulan produk tersebut akan dilakukan pensortiran berdarkan poin terbesar,
harga terendah, dan densitas terbesar dengan jumlah harga produk tidak
melebihi nominal yang dimasukan member. Setelah pengelompokan selesai,
sistem akan membandingkan ketiga pengelompokan dan memilih poin manakah
yang lebih optimum. Setelah itu sistem akan memberikan daftar produk dengan
poin optimum tersebut. Berikut merupakan gambaran diagram DFD pada subsistem rekomendasi produk seperti yang ditunjukkan pada gambar 2 dibawah
ini.
88
Penerapan Algoritma Greedy Knapsack untuk Optimalisasi Poin pada Situs Anggota
Direct Selling Oriflame
(Vaxtra Maendhapaskha, Andi Wahju Rahardjo Emanuel)
Id katalog
Nominal budget
pembelanjaan
9.1
Proses
pengambilan daftar
produk dalam
katalog
Katalog
Informasi katalog
Informasi katalog
9.2
Perhitungan poin
optimal dengan
memilih poin
terbesar dahulu
Poin optimal berdasarkan poin terbesar
Member
9.3
Perhitungan poin
optimal dengan
memilih harga
terendah dahulu
Poin optimal berdasarkan poin terbesar
Poin optimal bedasarkan harga terendah
9.4
Perhitungan poin
optimal dengan
memilih tingkat
densitas terbesar
dahulu
Poin optimal berdasarkan poin terbesar
Poin optimal berdasarkan harga terendah
Poin optimal berdasarkan tingkat densitas terbesar
Rekomendasi pembelanjaan
member
9.5
Proses
perbandingan
ketiga perhitungan
untuk
mendapatkan poin
paling optimal
Informasi poin optimal
Katalog
Data barang
poin optimal
9.6
Memberikan
rekomendasi daftar
barang yang
dibelanjakan
Informasi daftar barang
dengan poin optimal
Gambar 2. DFD Sub-sistem Rekomendasi Produk [4]
89
Jurnal Sistem Informasi, Vol. 9 No. 1, Maret 2014: 83 - 92
Gambar 3. Entity Relationship Diagram keseluruhan Sistem [4]
Gambar 3 di atas merupakan diagram ERD dari aplikasi dimana pada diagram
tersebut digambarkan data-data yang disimpan dalam aplikasi. data-data
tersebut merupakan data utama aplikasi yang akan diolah lebih lanjut menjadi
informasi bagi pengguna baik member maupun administrator .
Tampilan rekomendasi produk untuk memaksimalkan poin pada situs Direct
Selling yang dikembangkan dapat dilihat pada gambar 4 berikut ini.
90
Penerapan Algoritma Greedy Knapsack untuk Optimalisasi Poin pada Situs Anggota
Direct Selling Oriflame
(Vaxtra Maendhapaskha, Andi Wahju Rahardjo Emanuel)
Gambar 4. Tampilan sistem rekomendasi pada situs web [4]
Gambar 4 di atas merupakan tampilan halaman utama website seorang member .
Pada awalnya member memasukan nominal uang pada textbox di atas tabel
daftar produk. Ketika member setelah klik proses, sistem akan memberikan
daftar produk rekomendasi dalam bentuk tabel lengkap dengan nama, harga
beli, harga jual, poin, barang rekomendasi, dan diskon.
Proses pengujian yang dilakukan untuk sistem ini berupa survey ke pengguna
yaitu sampel 20 anggota dari Oriflame. Dari hasil survey didapatkan bahwa 17
dari 20 orang responden (85%) menyatakan sangat setuju dan setuju bahwa
rekomendasi yang diberikan berdasarkan algoritma ini dianggap membantu
dalam pemilihan produk apa saja yang harus dibeli.
4.
Kesimpulan
Direct Selling adalah salah satu bentuk pemasaran yang tengah berkembang
dengan pesat di Indonesia. Seorang anggota atau member dari perusahaan
tersebut dituntut untuk membeli berbagai produk untuk dijual kembali dan juga
merekrut anggota dibawahnya atau downline-nya. Bentuk penghargaan yang
diberikan berupa perolehan poin berdasarkan produk yang dibeli. Paper ini
membahas penerapan algoritma Greedy untuk memecahkan permasalahan
Knapsack berupa optimalisasi poin dari seorang anggota berdasarkan produk –
produk yang dibeli dimana masing – masing produk tersebut memilik nilai poin
91
Jurnal Sistem Informasi, Vol. 9 No. 1, Maret 2014: 83 - 92
yang beragam. Penerapan algoritma ini diimplementasikan dalam sebuah
website yang dibangun sebagai sarana komunikasi antara seorang anggota
dengan anggota – anggota lainnya yang menjadi downline.
Berdasarkan hasil survey ke sampel 20 pengguna yang merupakan anggota
Oriflame, dapat disimpulkan bahwa algoritma Greedy Knapsack dapat
dipergunakan untuk memberikan solusi optimalisasi poin untuk para anggota
perusahaan Direct Selling tersebut.
Daftar Pustaka
[1] APLI, "Perbedaan Direct Selling Dengan Piramida [Online]," p. www.apli.or.id,
diakses 20 Januari 2014.
[2] R. T. Kiyosaki, Rich Dad's The Business School For People Who Like Helping
People, Jakarta: PT Gramedia Pustaka Utama, 2003.
[3] R. Munir, Algoritma dan Pemrograman dalam bahasa pascal dan C, Bandung: Cv.
Informatika, 2001.
[4] V. Maendhapaskha, Rekomendasi Pembelian Produk pada Jaringan Direct Selling
dengan Algoritma Knapsack, Tugas Akhir Jurusan S1 Teknik Informatika Fakultas
Teknologi Informasi UK. Maranatha Bandung, Februari 2014.
[5] D. Wu, Lecture 14: Greedy Algorithms, The Hongkong University of Science and
Technology
(Lecture
Notes).
Available:
http://www.cse.ust.hk/~dekai/271/notes/L14/L14.pdf . Diakses: 3 Maret 2014
92