PENERAPAN DATA MINING PADA PENJUALAN SAY (1)
JURNAL PENELITIAN
1
PENERAPAN DATA MINING PADA PENJUALAN SAYUR
MENGGUNAKAN METODE MARKET BASKET ANALYSIS
CLUSTERING STUDY KASUS PASAR BARU PORONG
Elvin Dian Arta, Hindarto
Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Sidoarjo
Email : artaelvin@gmail.com
Kebutuhan masyarakat terhadap
sayuran di sekitar kota Porong khususnya di Pasar
Baru Porong dalam beberapa tahun terakhir terus
mengalami peningkatan. Di dalam dunia
perdagangan tentunya para pelaku harus selalu
memikirkan
cara
untuk
bertahan
dan
mengembangkan usaha mereka. Hal ini karena
Pasar Baru Porong merupakan tempat strategis
untuk para pedagang dan petani sayur.
Abstrak—
Data mining merupakan sebuah analisa
dari observasi data dalam jumlah besar untuk
menemukan hubungan yang tidak diketahui
sebelumnya dan metode baru untuk meringkas
data agar mudah dipahami. Clustering adalah
metode penganalisaan data, yang sering
dimasukkan sebagai salah satu metode Data
Mining,
yang
tujuannya
adalah
untuk
mengelompokkan data dengan karakteristik yang
sama ke suatu ‘wilayah’ yang sama dan data
dengan karakteristik yang berbeda ke ‘wilayah’
yang lain.
Dalam penelitian ini menghasilkan sebuah
grafik kombinasi penjualan sayur bayam,
kangkung dan sawi yang penjualannya cenderung
stabil dan meningkat (laku). Dan kombinasi
penjualan sayur kenikir dan daun singkong yang
penjualannya cenderung menurun (kurang laku).
harus dilakukan, yaitu penambahan jenis maupun
peningkatan kapasitas produk, pengurangan biaya
operasional usaha, dan peningkatan efektifitas
pemasaran serta keuntungan. Supaya memenuhi
kebutuhan bisnis di atas banyak cara dapat
ditempuh, salah satunya adalah melakukan analisis
data kebutuhan.
II.
DATA DAN METODE
2.1 Data
Analisa dimulai dengan pengumpulan data
yang diperlukan untuk penelitian seperti data sayur
yang meliputi sayur bayam, kangkung, sawi,
kenikir dan daun singkong.
2.2 Metode
Data mining merupakan analisis dari
peninjauan kumpulan data untuk menemukan
hubungan yang tidak diduga dan meringkas data
dengan cara yang berbeda dengan sebelumnya.[1]
Metode yang digunakan untuk penerapan
Kata Kunci : Sayur, Data Mining, Market Basket
data mining pada penelitian ini adalah metode
Analysis Clustering
I.
PENDAHULUAN
Market Basket Analysis clustering (pengelompokkan)
Kebutuhan masyarakat terhadap sayuran di sekitar
Analisis Market Basket adalah teknik matematis
kota Porong khususnya di Pasar Baru Porong dalam
yang biasa digunakan oleh marketing nasional untuk
beberapa tahun terakhir mengalami peningkatan.
menyatakan kesamaan antara produk individu atau
Lokasi Pasar Baru Porong tersebut cukup strategis,
kelompok
karena letaknya dekat dengan Jalan Raya Arteri
berkenaan dengan sekumpulan permasalahan bisnis
penghubung kota Sidoarjo, Pasuruan, Malang dan
yang berkaitan untuk mengetahi point of sale dari
Mojokerto. Di dalam perdagangan dan persaingan
data transaksi. [2]
Market Basket Analysis merupakan salah satu
para pelakunya harus selalu memikirkan cara untuk
terus survive serta mengembangkan usaha mereka.
Untuk mencapai hal tersebut, ada tiga kebutuhan
produk.[2]
Market
Basket
Analysis
contoh penerapan Association Rules dimana setiap
konsumen membeli sayur
yang berbeda, dalam
jumlah berbeda, dan dalam waktu yang berbeda pula.
JURNAL PENELITIAN
2
Market Basket Analysis menggunakan informasi apa
yang dibeli oleh konsumen untuk menyediakan tanda
atau informasi yaitu siapa mereka dan mengapa
mereka melakukan pembelian sayur tersebut? Market
Basket Analysis menyediakan tentang pengertian
barang dagangan dengan memberitahukan kepada
kita produk-produk mana saja yang memungkinkan
untuk dibeli dalam waktu yang bersamaan. [2]
I. HASIL DAN PEMBAHASAN
Gambar 3.2 Pengujian selama 4 bulan.
3.1. Sistem di uji sebanyak lima kali dengan
rincian sebagai berikut :
Dari gambar 3.2 hasil kombinasi 2 sayur dengan
batas minimum 1151 yaitu sebagai berikut :
a.
Pengujian selama 4 bulan.
b.
Selama bulan januari.
c.
Selama bulan pebruari.
d.
Selama bulan maret.
e.
Selama bulan april.
1. Sayur Bayam dan Kangkung dengan nilai support
50 % dan nilai confidence 77 %.
2. Sayur Kangkung dan Sawi dengan nilai support 44
% dan nilai confidence 68 %.
3. Sayur Bayam dan Sawi dengan nilai support 44 %
dan nilai confidence 66 %.
3.2 Pengujian Sistem Selama 4 Bulan.
Berikut hasil pengujian sistem selama 4 bulan
( Januari – April )
Kemudian dengan inputan batas minimum 1151
dalam sistem tidak ditemukan jumlah kombinasi 3
sayur lebih dari atau sama dengan 1151.
Selanjutnya dengan memasukkan inputan batas
minimum 902 dan menekan tombol proses 2, maka
diperoleh hasil dibawah ini .
Gambar 3.1 Pengujian selama 4 bulan.
Pada
gambar
3.1
langkah
selanjutnya
menginputkan batas minimum yang diperoleh dari
memilih hasil pada kolom jumlah di tabel kombinasi
2 sayur yaitu inputan 1151 dan 902
Gambar 3.3 Hasil dari input batas minimum 902.
Pada gambar 3.3 hasil kombinasi 2 sayur dengan
Dengan inputan batas 1151 kemudian menekan
tombol proses 2 maka akan diperoleh hasil seperti
gambar dibawah ini
batas minimum 902 yaitu sebagai berikut :
1.
Sayur Bayam dan Kangkung dengan nilai
support 50 % dan nilai confidence 77 %.
JURNAL PENELITIAN
2.
3.
4.
3
Sayur Kangkung dan Sawi dengan nilai support
44 % dan nilai confidence 68 %.
Sayur Bayam dan Sawi dengan nilai support 44
% dan nilai confidence 66 %.
Sayur Kangkung dan Kenikir dengan nilai
support 34 % dan nilai confidence 52 %.
Kemudian dengan inputan batas minimum 902
dalam sistem diperoleh jumlah kombinasi 3 sayur
yaitu :
5.
Sayur Bayam, Kangkung dan Sawi dengan
nilai support 50 % dan nilai confidence 74 %.
Gambar 3.5 Hasil dari input batas minimum 425.
Pada gambar 3.5 hasil kombinasi 2 sayur dengan
Yang artinya : 74 % dari transaksi di database yang
memuat sayur bayam dan kangkung juga memuat
batas minimum 425 yaitu sebagai berikut :
1.
Sayur Bayam dan Kangkung dengan nilai
sayur sawi. Sedangkan 50% dari seluruh transaksi
support 62 % dan nilai confidence 87 %. Nilai –
yang ada di database memuat ketiga item itu."
nilai tersebut diperoleh dari rumus berikut :
2.
3.3 Pengujian Sistem Selama Bulan Januari.
Sayur Kangkung dan Sawi dengan nilai support
57 % dan nilai confidence 80 %. Nilai – nilai
tersebut diperoleh dari rumus berikut :
3.
Sayur Bayam dan Sawi dengan nilai support 57
% dan nilai confidence 81 %.
Selanjutnya dengan memasukkan inputan batas 339
dan menekan tombol proses 2, maka diperoleh hasil
dibawah ini.
Gambar 3.4 hasil pengujian selama bulan januari
Pada
gambar
3.4
langkah
selanjutnya
menginputkan batas minimum yang diperoleh dari
kolom jumlah di tabel kombinasi 2 sayur yaitu 425
dan 339.
Gambar 3.6 Hasil dari input batas minimum 339
Pada gambar 3.6 hasil kombinasi 2 sayur dengan
batas minimum 339 yaitu sebagai berikut :
1.
Sayur Bayam dan Kangkung dengan nilai
support 62 % dan nilai confidence 87 %.
2.
Sayur Kangkung dan Sawi dengan nilai support
57 % dan nilai confidence 80 %.
3.
Sayur Bayam dan Sawi dengan nilai support 57
% dan nilai confidence 81 %.
JURNAL PENELITIAN
4.
4
Sayur Kangkung dan Kenikir dengan nilai
support 45 % dan nilai confidence 64 %.
Kombinasi itemset dengan batas nilai minimum 339
hanya terdapat 1 kombinasi yaitu sayur bayam,
kangkung dan sawi dengan nilai support 62 % dan
nilai confidence 82 %.
Yang artinya : 82 % dari transaksi di database yang
memuat sayur bayam dan kangkung juga memuat
sayur sawi. Sedangkan 62% dari seluruh transaksi
yang ada di database memuat ketiga item itu.
Gambar 3.8 Hasil dari input batas minimum 270
Pada gambar 3.8 hasil kombinasi 2 sayur dengan
batas minimum 270 yaitu sebagai berikut :
1.
Sayur Bayam dan Kangkung dengan nilai
support 56 % dan nilai confidence 59 %.
2.
Sayur Kangkung dan Sawi dengan nilai support
51 % dan nilai confidence 52 %.:
3.
Sayur Bayam dan Sawi dengan nilai support 48
% dan nilai confidence 51 %.
Dengan inputan batas minimum 270 dalam sistem
tidak ditemukan jumlah kombinasi 3 sayur lebih dari
3.4 Pengujian Sistem Selama Bulan Pebruari
atau sama dengan 270.
Selanjutnya dengan memasukkan inputan batas 220
dan menekan tombol proses 2, maka diperoleh hasil
dibawah ini.
Gambar 3.7 hasil pengujian sistem selama bulan
pebruari
Pada
gambar
3.7
langkah
Gambar 3.9 Hasil dari input batas minimum 220
selanjutnya
menginputkan batas minimum yang diperoleh dari
Pada gambar 3.9 hasil kombinasi 2 sayur dengan
kolom jumlah di tabel kombinasi 2 sayur yaitu 270
batas minimum 220 yaitu sebagai berikut :
dan 220.
1.
Sayur Bayam dan Kangkung dengan nilai
support 56 % dan nilai confidence 59 %.
2.
Sayur Kangkung dan Sawi dengan nilai support
51 % dan nilai confidence 52 %.
JURNAL PENELITIAN
3.
4.
5
Sayur Bayam dan Sawi dengan nilai support 48
Pada gambar 3.11 hasil kombinasi 2 sayur dengan
% dan nilai confidence 51 %.
batas minimum 284 yaitu sebagai berikut :
Sayur Kangkung dan Kenikir dengan nilai
1.
support 39 % dan nilai confidence 40 %. %
support 66 % dan nilai confidence 81 %.
2.
Kombinasi itemset dengan batas nilai minimum 220
hanya terdapat 1 kombinasi 3 yaitu sayur bayam,
kangkung dan sawi dengan nilai support 56 % dan
nilai confidence 70 %.
3.
penjualan yang ada di database memuat ketiga item
itu.
3.5 Pengujian Sistem Selama Bulan Maret
%
Sayur Bayam dan Sawi dengan nilai support 57
% dan nilai confidence 70 %.
Sayur Kangkung dan Kenikir dengan nilai
support 44 % dan nilai confidence 55 %.
Yang artinya : 70% dari transaksi di database yang
sayur sawi. Sedangkan 56% dari seluruh transaksi
Sayur Kangkung dan Sawi dengan nilai support
57 % dan nilai confidence 72 %.
4.
memuat sayur bayam dan kangkung juga memuat
Sayur Bayam dan Kangkung dengan nilai
Kombinasi itemset dengan batas nilai minimum 284
hanya terdapat 1 kombinasi 3 yaitu sayur bayam,
kangkung dan sawi dengan nilai support 66 % dan
nilai confidence 73 %.
Yang artinya : 73% dari transaksi di database yang
memuat sayur bayam dan kangkung juga memuat
sayur sawi. Sedangkan 66% dari seluruh transaksi
yang ada di database memuat ketiga item itu.
Selanjutnya dengan memasukkan inputan batas 368
dan menekan tombol proses 2, maka diperoleh hasil
dibawah ini.
Gambar 3.10 hasil pengujian sistem selama bulan
Maret
Pada
gambar
3.10
langkah
selanjutnya
menginputkan batas minimum yang diperoleh dari
kolom jumlah di tabel kombinasi 2 sayur yaitu 284
dan 368.
Gambar 3.12 Hasil dari input batas minimum 368
Pada gambar 3.12 hasil kombinasi 2 sayur dengan
batas minimum 368 yaitu sebagai berikut :
1.
Sayur Bayam dan Kangkung dengan nilai
support 66 % dan nilai confidence 81 %.
2.
Sayur Kangkung dan Sawi dengan nilai support
57 % dan nilai confidence 72 %.
3.
Gambar 3.11 Hasil dari input batas minimum 284
Sayur Bayam dan Sawi dengan nilai support 57
% dan nilai confidence 70 %.
JURNAL PENELITIAN
6
Kemudian dengan inputan batas minimum 368
Kemudian dengan inputan batas minimum 86 dalam
dalam sistem tidak ditemukan jumlah kombinasi 3
sistem tidak ditemukan jumlah kombinasi 3 sayur
sayur lebih dari atau sama dengan 368.
lebih dari atau sama dengan 86.
3.6 Pengujian Sistem Selama Bulan April
Selanjutnya dengan memasukkan inputan batas 51
dan menekan tombol proses 2, maka diperoleh hasil
dibawah ini.
Gambar 3.13 hasil pengujian sistem selama bulan
April
Gambar 3.15 Hasil dari input batas minimum 51
Pada
gambar
3.13
langkah
selanjutnya
menginputkan batas minimum yang diperoleh dari
kolom jumlah di tabel kombinasi 2 sayur yaitu 86 dan
Pada gambar 3.15hasil kombinasi 2 sayur dengan
batas minimum 51 yaitu sebagai berikut :
1.
51.
Sayur Bayam dan Kangkung dengan nilai
support 18 % dan nilai confidence 85 %.
2.
Sayur Kangkung dan Sawi dengan nilai support
13 % dan nilai confidence 63 %.
3.
Sayur Bayam dan Sawi dengan nilai support 12
% dan nilai confidence 60 %.
4.
Sayur Bayam dan Kenikir dengan nilai support
8 % dan nilai confidence 41 %.
5.
Sayur Kangkung dan Kenikir dengan nilai
support 8 % dan nilai confidence 42 %.
6.
Sayur Sawi dan Kenikir dengan nilai support 7
% dan nilai confidence 54 %.
7.
Sayur Kangkung dan Daun Singkong dengan
Gambar 3.14 Hasil dari input batas minimum 86
Pada gambar 3.14 hasil kombinasi 2 sayur dengan
nilai support 7 % dan nilai confidence 36 %.
batas minimum 86 yaitu sebagai berikut :
1.
Sayur Bayam dan Kangkung dengan nilai
support 18 % dan nilai confidence 85 %.
2.
Sayur Kangkung dan Sawi dengan nilai support
13 % dan nilai confidence 63 %.
3.
Sayur Bayam dan Sawi dengan nilai support 12
% dan nilai confidence
Kombinasi itemset dengan batas nilai minimum 51
terdapat 2 kombinasi 3 yaitu :
8. Sayur Bayam, Kangkung dan Sawi dengan nilai
support 18 % dan nilai confidence 63 %.
Yang artinya : 63% dari transaksi di database yang
memuat sayur bayam dan kangkung juga memuat
JURNAL PENELITIAN
7
sayur sawi. Sedangkan 18% dari seluruh transaksi
yang ada di database memuat ketiga item itu.
9. Dan kombinasi Sayur Bayam, Kangkung dan
Gambar 4.1 Tabel jumlah transaksi sayur tiap bulan
Januari
Pebrua
Bayam
Kangk
532
523
ri
524
548
t
523
514
l
696
680
ung
Sawi
Keniki
468
383
483
233
457
336
542
305
r
Daun
381
268
335
212
Kenikir dengan nilai support 18 % dan nilai
confidence 42 %.
Yang artinya : 42% dari transaksi penjualan sayur
yang telah diolah di database yang memuat sayur
bayam dan kangkung juga memuat sayur sawi.
Sedangkan 18% dari seluruh transaksi penjualan
sayur yang telah di olah di database memuat ketiga
item sayuran tersebut.
Mare Apri
singko
3.7 Grafik Rata – Rata Penjualan Sayur
ng
II.
1.
KESIMPULAN
Sistem aplikasi ini mampu mengolah data
transaksi untuk menemukan nilai support dan
confidence.
2.
Sistem aplikasi ini menghasilkan sebuah grafik
yang menunjukkan tingkat penjualan sayur
Gambar 3.16 Grafik penjualan sayur
Dari gambar 3.16
dapat dilihat peningkatan
3.
Setelah menjalankan aplikasi ini pengelolah
penjualan dan penurunan penjualan sayur dari bulan
dapat mengetahui kombinasi sayur-sayur apa
januari sampai april. dari sini dapat disimpulkan
saja yang dibeli secara bersamaan
bahwa :
1.
sayur bayam, kangkung dan sawi penjualannya
cenderung stabil dan meningkat (laku).
2.
DAFTAR PUSTAKA
Dilihat dari pada grafik kombinasi penjualan
Dilihat dari grafik kombinasi penjualan sayur
kenikir
dan
daun
singkong
cenderung menurun (kurang laku).
penjualannya
[1]
Kusrini, dan Emha Taufik Luthfi, 2009,
“Algoritma Data Mining”, Penerbit Andi,
Yogyakarta.
[2]
Siti Nurelah (2010) , Data Mining penjualan
makanan
Indonesia
dan
minuman
dengan
di
PT.FastFood
menggunakan
metode
Market Basket Analysis (MBA) studi kasus di
KFC Gajah Mada Sidoarjo , Universitas
Muhammadiyah Sidoarjo, Sidoarjo.
[3] Noor Fauziyah (2007), Penggunaan Algoritma
Apriori untuk analisa Market Basket pada
Apotek,
Universitas
Sidoarjo, Sidoarjo.
Muhammadiyah
1
PENERAPAN DATA MINING PADA PENJUALAN SAYUR
MENGGUNAKAN METODE MARKET BASKET ANALYSIS
CLUSTERING STUDY KASUS PASAR BARU PORONG
Elvin Dian Arta, Hindarto
Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Sidoarjo
Email : artaelvin@gmail.com
Kebutuhan masyarakat terhadap
sayuran di sekitar kota Porong khususnya di Pasar
Baru Porong dalam beberapa tahun terakhir terus
mengalami peningkatan. Di dalam dunia
perdagangan tentunya para pelaku harus selalu
memikirkan
cara
untuk
bertahan
dan
mengembangkan usaha mereka. Hal ini karena
Pasar Baru Porong merupakan tempat strategis
untuk para pedagang dan petani sayur.
Abstrak—
Data mining merupakan sebuah analisa
dari observasi data dalam jumlah besar untuk
menemukan hubungan yang tidak diketahui
sebelumnya dan metode baru untuk meringkas
data agar mudah dipahami. Clustering adalah
metode penganalisaan data, yang sering
dimasukkan sebagai salah satu metode Data
Mining,
yang
tujuannya
adalah
untuk
mengelompokkan data dengan karakteristik yang
sama ke suatu ‘wilayah’ yang sama dan data
dengan karakteristik yang berbeda ke ‘wilayah’
yang lain.
Dalam penelitian ini menghasilkan sebuah
grafik kombinasi penjualan sayur bayam,
kangkung dan sawi yang penjualannya cenderung
stabil dan meningkat (laku). Dan kombinasi
penjualan sayur kenikir dan daun singkong yang
penjualannya cenderung menurun (kurang laku).
harus dilakukan, yaitu penambahan jenis maupun
peningkatan kapasitas produk, pengurangan biaya
operasional usaha, dan peningkatan efektifitas
pemasaran serta keuntungan. Supaya memenuhi
kebutuhan bisnis di atas banyak cara dapat
ditempuh, salah satunya adalah melakukan analisis
data kebutuhan.
II.
DATA DAN METODE
2.1 Data
Analisa dimulai dengan pengumpulan data
yang diperlukan untuk penelitian seperti data sayur
yang meliputi sayur bayam, kangkung, sawi,
kenikir dan daun singkong.
2.2 Metode
Data mining merupakan analisis dari
peninjauan kumpulan data untuk menemukan
hubungan yang tidak diduga dan meringkas data
dengan cara yang berbeda dengan sebelumnya.[1]
Metode yang digunakan untuk penerapan
Kata Kunci : Sayur, Data Mining, Market Basket
data mining pada penelitian ini adalah metode
Analysis Clustering
I.
PENDAHULUAN
Market Basket Analysis clustering (pengelompokkan)
Kebutuhan masyarakat terhadap sayuran di sekitar
Analisis Market Basket adalah teknik matematis
kota Porong khususnya di Pasar Baru Porong dalam
yang biasa digunakan oleh marketing nasional untuk
beberapa tahun terakhir mengalami peningkatan.
menyatakan kesamaan antara produk individu atau
Lokasi Pasar Baru Porong tersebut cukup strategis,
kelompok
karena letaknya dekat dengan Jalan Raya Arteri
berkenaan dengan sekumpulan permasalahan bisnis
penghubung kota Sidoarjo, Pasuruan, Malang dan
yang berkaitan untuk mengetahi point of sale dari
Mojokerto. Di dalam perdagangan dan persaingan
data transaksi. [2]
Market Basket Analysis merupakan salah satu
para pelakunya harus selalu memikirkan cara untuk
terus survive serta mengembangkan usaha mereka.
Untuk mencapai hal tersebut, ada tiga kebutuhan
produk.[2]
Market
Basket
Analysis
contoh penerapan Association Rules dimana setiap
konsumen membeli sayur
yang berbeda, dalam
jumlah berbeda, dan dalam waktu yang berbeda pula.
JURNAL PENELITIAN
2
Market Basket Analysis menggunakan informasi apa
yang dibeli oleh konsumen untuk menyediakan tanda
atau informasi yaitu siapa mereka dan mengapa
mereka melakukan pembelian sayur tersebut? Market
Basket Analysis menyediakan tentang pengertian
barang dagangan dengan memberitahukan kepada
kita produk-produk mana saja yang memungkinkan
untuk dibeli dalam waktu yang bersamaan. [2]
I. HASIL DAN PEMBAHASAN
Gambar 3.2 Pengujian selama 4 bulan.
3.1. Sistem di uji sebanyak lima kali dengan
rincian sebagai berikut :
Dari gambar 3.2 hasil kombinasi 2 sayur dengan
batas minimum 1151 yaitu sebagai berikut :
a.
Pengujian selama 4 bulan.
b.
Selama bulan januari.
c.
Selama bulan pebruari.
d.
Selama bulan maret.
e.
Selama bulan april.
1. Sayur Bayam dan Kangkung dengan nilai support
50 % dan nilai confidence 77 %.
2. Sayur Kangkung dan Sawi dengan nilai support 44
% dan nilai confidence 68 %.
3. Sayur Bayam dan Sawi dengan nilai support 44 %
dan nilai confidence 66 %.
3.2 Pengujian Sistem Selama 4 Bulan.
Berikut hasil pengujian sistem selama 4 bulan
( Januari – April )
Kemudian dengan inputan batas minimum 1151
dalam sistem tidak ditemukan jumlah kombinasi 3
sayur lebih dari atau sama dengan 1151.
Selanjutnya dengan memasukkan inputan batas
minimum 902 dan menekan tombol proses 2, maka
diperoleh hasil dibawah ini .
Gambar 3.1 Pengujian selama 4 bulan.
Pada
gambar
3.1
langkah
selanjutnya
menginputkan batas minimum yang diperoleh dari
memilih hasil pada kolom jumlah di tabel kombinasi
2 sayur yaitu inputan 1151 dan 902
Gambar 3.3 Hasil dari input batas minimum 902.
Pada gambar 3.3 hasil kombinasi 2 sayur dengan
Dengan inputan batas 1151 kemudian menekan
tombol proses 2 maka akan diperoleh hasil seperti
gambar dibawah ini
batas minimum 902 yaitu sebagai berikut :
1.
Sayur Bayam dan Kangkung dengan nilai
support 50 % dan nilai confidence 77 %.
JURNAL PENELITIAN
2.
3.
4.
3
Sayur Kangkung dan Sawi dengan nilai support
44 % dan nilai confidence 68 %.
Sayur Bayam dan Sawi dengan nilai support 44
% dan nilai confidence 66 %.
Sayur Kangkung dan Kenikir dengan nilai
support 34 % dan nilai confidence 52 %.
Kemudian dengan inputan batas minimum 902
dalam sistem diperoleh jumlah kombinasi 3 sayur
yaitu :
5.
Sayur Bayam, Kangkung dan Sawi dengan
nilai support 50 % dan nilai confidence 74 %.
Gambar 3.5 Hasil dari input batas minimum 425.
Pada gambar 3.5 hasil kombinasi 2 sayur dengan
Yang artinya : 74 % dari transaksi di database yang
memuat sayur bayam dan kangkung juga memuat
batas minimum 425 yaitu sebagai berikut :
1.
Sayur Bayam dan Kangkung dengan nilai
sayur sawi. Sedangkan 50% dari seluruh transaksi
support 62 % dan nilai confidence 87 %. Nilai –
yang ada di database memuat ketiga item itu."
nilai tersebut diperoleh dari rumus berikut :
2.
3.3 Pengujian Sistem Selama Bulan Januari.
Sayur Kangkung dan Sawi dengan nilai support
57 % dan nilai confidence 80 %. Nilai – nilai
tersebut diperoleh dari rumus berikut :
3.
Sayur Bayam dan Sawi dengan nilai support 57
% dan nilai confidence 81 %.
Selanjutnya dengan memasukkan inputan batas 339
dan menekan tombol proses 2, maka diperoleh hasil
dibawah ini.
Gambar 3.4 hasil pengujian selama bulan januari
Pada
gambar
3.4
langkah
selanjutnya
menginputkan batas minimum yang diperoleh dari
kolom jumlah di tabel kombinasi 2 sayur yaitu 425
dan 339.
Gambar 3.6 Hasil dari input batas minimum 339
Pada gambar 3.6 hasil kombinasi 2 sayur dengan
batas minimum 339 yaitu sebagai berikut :
1.
Sayur Bayam dan Kangkung dengan nilai
support 62 % dan nilai confidence 87 %.
2.
Sayur Kangkung dan Sawi dengan nilai support
57 % dan nilai confidence 80 %.
3.
Sayur Bayam dan Sawi dengan nilai support 57
% dan nilai confidence 81 %.
JURNAL PENELITIAN
4.
4
Sayur Kangkung dan Kenikir dengan nilai
support 45 % dan nilai confidence 64 %.
Kombinasi itemset dengan batas nilai minimum 339
hanya terdapat 1 kombinasi yaitu sayur bayam,
kangkung dan sawi dengan nilai support 62 % dan
nilai confidence 82 %.
Yang artinya : 82 % dari transaksi di database yang
memuat sayur bayam dan kangkung juga memuat
sayur sawi. Sedangkan 62% dari seluruh transaksi
yang ada di database memuat ketiga item itu.
Gambar 3.8 Hasil dari input batas minimum 270
Pada gambar 3.8 hasil kombinasi 2 sayur dengan
batas minimum 270 yaitu sebagai berikut :
1.
Sayur Bayam dan Kangkung dengan nilai
support 56 % dan nilai confidence 59 %.
2.
Sayur Kangkung dan Sawi dengan nilai support
51 % dan nilai confidence 52 %.:
3.
Sayur Bayam dan Sawi dengan nilai support 48
% dan nilai confidence 51 %.
Dengan inputan batas minimum 270 dalam sistem
tidak ditemukan jumlah kombinasi 3 sayur lebih dari
3.4 Pengujian Sistem Selama Bulan Pebruari
atau sama dengan 270.
Selanjutnya dengan memasukkan inputan batas 220
dan menekan tombol proses 2, maka diperoleh hasil
dibawah ini.
Gambar 3.7 hasil pengujian sistem selama bulan
pebruari
Pada
gambar
3.7
langkah
Gambar 3.9 Hasil dari input batas minimum 220
selanjutnya
menginputkan batas minimum yang diperoleh dari
Pada gambar 3.9 hasil kombinasi 2 sayur dengan
kolom jumlah di tabel kombinasi 2 sayur yaitu 270
batas minimum 220 yaitu sebagai berikut :
dan 220.
1.
Sayur Bayam dan Kangkung dengan nilai
support 56 % dan nilai confidence 59 %.
2.
Sayur Kangkung dan Sawi dengan nilai support
51 % dan nilai confidence 52 %.
JURNAL PENELITIAN
3.
4.
5
Sayur Bayam dan Sawi dengan nilai support 48
Pada gambar 3.11 hasil kombinasi 2 sayur dengan
% dan nilai confidence 51 %.
batas minimum 284 yaitu sebagai berikut :
Sayur Kangkung dan Kenikir dengan nilai
1.
support 39 % dan nilai confidence 40 %. %
support 66 % dan nilai confidence 81 %.
2.
Kombinasi itemset dengan batas nilai minimum 220
hanya terdapat 1 kombinasi 3 yaitu sayur bayam,
kangkung dan sawi dengan nilai support 56 % dan
nilai confidence 70 %.
3.
penjualan yang ada di database memuat ketiga item
itu.
3.5 Pengujian Sistem Selama Bulan Maret
%
Sayur Bayam dan Sawi dengan nilai support 57
% dan nilai confidence 70 %.
Sayur Kangkung dan Kenikir dengan nilai
support 44 % dan nilai confidence 55 %.
Yang artinya : 70% dari transaksi di database yang
sayur sawi. Sedangkan 56% dari seluruh transaksi
Sayur Kangkung dan Sawi dengan nilai support
57 % dan nilai confidence 72 %.
4.
memuat sayur bayam dan kangkung juga memuat
Sayur Bayam dan Kangkung dengan nilai
Kombinasi itemset dengan batas nilai minimum 284
hanya terdapat 1 kombinasi 3 yaitu sayur bayam,
kangkung dan sawi dengan nilai support 66 % dan
nilai confidence 73 %.
Yang artinya : 73% dari transaksi di database yang
memuat sayur bayam dan kangkung juga memuat
sayur sawi. Sedangkan 66% dari seluruh transaksi
yang ada di database memuat ketiga item itu.
Selanjutnya dengan memasukkan inputan batas 368
dan menekan tombol proses 2, maka diperoleh hasil
dibawah ini.
Gambar 3.10 hasil pengujian sistem selama bulan
Maret
Pada
gambar
3.10
langkah
selanjutnya
menginputkan batas minimum yang diperoleh dari
kolom jumlah di tabel kombinasi 2 sayur yaitu 284
dan 368.
Gambar 3.12 Hasil dari input batas minimum 368
Pada gambar 3.12 hasil kombinasi 2 sayur dengan
batas minimum 368 yaitu sebagai berikut :
1.
Sayur Bayam dan Kangkung dengan nilai
support 66 % dan nilai confidence 81 %.
2.
Sayur Kangkung dan Sawi dengan nilai support
57 % dan nilai confidence 72 %.
3.
Gambar 3.11 Hasil dari input batas minimum 284
Sayur Bayam dan Sawi dengan nilai support 57
% dan nilai confidence 70 %.
JURNAL PENELITIAN
6
Kemudian dengan inputan batas minimum 368
Kemudian dengan inputan batas minimum 86 dalam
dalam sistem tidak ditemukan jumlah kombinasi 3
sistem tidak ditemukan jumlah kombinasi 3 sayur
sayur lebih dari atau sama dengan 368.
lebih dari atau sama dengan 86.
3.6 Pengujian Sistem Selama Bulan April
Selanjutnya dengan memasukkan inputan batas 51
dan menekan tombol proses 2, maka diperoleh hasil
dibawah ini.
Gambar 3.13 hasil pengujian sistem selama bulan
April
Gambar 3.15 Hasil dari input batas minimum 51
Pada
gambar
3.13
langkah
selanjutnya
menginputkan batas minimum yang diperoleh dari
kolom jumlah di tabel kombinasi 2 sayur yaitu 86 dan
Pada gambar 3.15hasil kombinasi 2 sayur dengan
batas minimum 51 yaitu sebagai berikut :
1.
51.
Sayur Bayam dan Kangkung dengan nilai
support 18 % dan nilai confidence 85 %.
2.
Sayur Kangkung dan Sawi dengan nilai support
13 % dan nilai confidence 63 %.
3.
Sayur Bayam dan Sawi dengan nilai support 12
% dan nilai confidence 60 %.
4.
Sayur Bayam dan Kenikir dengan nilai support
8 % dan nilai confidence 41 %.
5.
Sayur Kangkung dan Kenikir dengan nilai
support 8 % dan nilai confidence 42 %.
6.
Sayur Sawi dan Kenikir dengan nilai support 7
% dan nilai confidence 54 %.
7.
Sayur Kangkung dan Daun Singkong dengan
Gambar 3.14 Hasil dari input batas minimum 86
Pada gambar 3.14 hasil kombinasi 2 sayur dengan
nilai support 7 % dan nilai confidence 36 %.
batas minimum 86 yaitu sebagai berikut :
1.
Sayur Bayam dan Kangkung dengan nilai
support 18 % dan nilai confidence 85 %.
2.
Sayur Kangkung dan Sawi dengan nilai support
13 % dan nilai confidence 63 %.
3.
Sayur Bayam dan Sawi dengan nilai support 12
% dan nilai confidence
Kombinasi itemset dengan batas nilai minimum 51
terdapat 2 kombinasi 3 yaitu :
8. Sayur Bayam, Kangkung dan Sawi dengan nilai
support 18 % dan nilai confidence 63 %.
Yang artinya : 63% dari transaksi di database yang
memuat sayur bayam dan kangkung juga memuat
JURNAL PENELITIAN
7
sayur sawi. Sedangkan 18% dari seluruh transaksi
yang ada di database memuat ketiga item itu.
9. Dan kombinasi Sayur Bayam, Kangkung dan
Gambar 4.1 Tabel jumlah transaksi sayur tiap bulan
Januari
Pebrua
Bayam
Kangk
532
523
ri
524
548
t
523
514
l
696
680
ung
Sawi
Keniki
468
383
483
233
457
336
542
305
r
Daun
381
268
335
212
Kenikir dengan nilai support 18 % dan nilai
confidence 42 %.
Yang artinya : 42% dari transaksi penjualan sayur
yang telah diolah di database yang memuat sayur
bayam dan kangkung juga memuat sayur sawi.
Sedangkan 18% dari seluruh transaksi penjualan
sayur yang telah di olah di database memuat ketiga
item sayuran tersebut.
Mare Apri
singko
3.7 Grafik Rata – Rata Penjualan Sayur
ng
II.
1.
KESIMPULAN
Sistem aplikasi ini mampu mengolah data
transaksi untuk menemukan nilai support dan
confidence.
2.
Sistem aplikasi ini menghasilkan sebuah grafik
yang menunjukkan tingkat penjualan sayur
Gambar 3.16 Grafik penjualan sayur
Dari gambar 3.16
dapat dilihat peningkatan
3.
Setelah menjalankan aplikasi ini pengelolah
penjualan dan penurunan penjualan sayur dari bulan
dapat mengetahui kombinasi sayur-sayur apa
januari sampai april. dari sini dapat disimpulkan
saja yang dibeli secara bersamaan
bahwa :
1.
sayur bayam, kangkung dan sawi penjualannya
cenderung stabil dan meningkat (laku).
2.
DAFTAR PUSTAKA
Dilihat dari pada grafik kombinasi penjualan
Dilihat dari grafik kombinasi penjualan sayur
kenikir
dan
daun
singkong
cenderung menurun (kurang laku).
penjualannya
[1]
Kusrini, dan Emha Taufik Luthfi, 2009,
“Algoritma Data Mining”, Penerbit Andi,
Yogyakarta.
[2]
Siti Nurelah (2010) , Data Mining penjualan
makanan
Indonesia
dan
minuman
dengan
di
PT.FastFood
menggunakan
metode
Market Basket Analysis (MBA) studi kasus di
KFC Gajah Mada Sidoarjo , Universitas
Muhammadiyah Sidoarjo, Sidoarjo.
[3] Noor Fauziyah (2007), Penggunaan Algoritma
Apriori untuk analisa Market Basket pada
Apotek,
Universitas
Sidoarjo, Sidoarjo.
Muhammadiyah