SISTEM CLUSTERING DATA PENJUALAN MENGGUNAKAN ALGORITMA FUZZY C-MEANS SKRIPSI DIAN PUSPITASARI SEBAYANG 101402083

  

SISTEM CLUSTERING DATA PENJUALAN MENGGUNAKAN

ALGORITMA FUZZY C-MEANS

SKRIPSI

DIAN PUSPITASARI SEBAYANG

  

101402083 SISTEM CLUSTERING DATA PENJUALAN MENGGUNAKAN ALGORITMA FUZZY C-MEANS

  SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana

  Teknologi Informasi DIAN PUSPITASARI SEBAYANG

  101402083

  

PERSETUJUAN

  Judul : SISTEM CLUSTERING DATA PENJUALAN MENGGUNAKAN ALGORITMA FUZZY C-MEANS

  Kategori : SKRIPSI Nama : DIAN PUSPITASARI SEBAYANG Nomor Induk Mahasiswa : 101402083 Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI

  INFORMASI UNIVERSITAS SUMATERA UTARA Komisi Pembimbing : Pembimbing 2 Pembimbing 1

  

PERNYATAAN

  SISTEM CLUSTERING DATA PENJUALAN MENGGUNAKAN ALGORITMA FUZZY C-MEANS

  SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

  Medan, 10 Februari 2015

  Puji dan syukur penulis panjatkan kepada Allah SWT yang telah memberikan rahmat, karunia, taufik dan hidayah-Nya, serta segala sesuatu dalam hidup, sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi (S1)Teknologi Informasi, Fakultas Ilmu Komputer dan Teknologi Informasi.

  Ucapan terima kasih penulis sampaikan kepada semua pihak yang telah membantu penulis dalam menyelesaikan skripsi ini baik secara langsung maupun tidak langsung. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada:

  1. Keluarga penulis, Ayahanda tercinta Alm. Drs. Abdul Alik Sebayang, Ibunda tercinta Tri Murti Br. Sembiring, Abang penulis M.Safrizal Sebayang. S.Pd, dan adik penulis Debi Ardillah Sebayang beserta keluarga besar yang selalu memberikan dukungan, perhatian serta doa kepada penulis sehingga dapat

  6. Sahabat-sahabat penulis, Cassia Divina, Rafika Diaz, Indriyana Octavia, Ade Nur Fatimah, Yola Adhysta dan Sofiah Novitasari yang telah memberikan semangat, dukungan dan perhatian yang tak terungkapkan.

  7. Teman-teman penulis di FOYA: Ovy, Desi, Handra, Muslim, Rozy, Dian Pomta, Edgar, Galih, Ekatama, Baim, Fezan, Joko, Khairul dan Heri yang telah memberikan dukungannya, selalu setia membantu penulis selama perkuliahan dan tidak hanya menjadi teman tapi keluarga bagi hidup penulis.

  8. Teman-teman penulis di Teknologi Informasi USU angkatan 2010, terutama Sharfina Faza, Nurul Putri Ibrahim, Rini Jannati, Tri Annisa, Maslimona Harimita, Amelia dan Novi yang telah memberikan semangat dan menjadi teman diskusi penulis dalam menyelesaikan skripsi ini.

  9. Seluruh staf TU (Tata Usaha) serta pegawai di Program Studi S1 Teknologi Informasi

  10. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini.

  Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan

  ABSTRAK

  Perusahaan ritel meyimpan jumlah data yang besar setiap harinya karena memiliki jumlah transaksi yang sangat banyak. Data tersebut dapat diolah sehingga memperoleh informasi yang bermanfaat untuk strategi pemasaran. Salah satu informasi yang dapat diperoleh dan bermanfaat untuk strategi pemasaran adalah mengetahui pada saat kapan suatu produk banyak terjual. Untuk mengolah data tersebut digunakan teknik data mining yaitu metode clustering yang merupakan proses membagi data dalam suatu himpunan kedalam beberapa kelompok. Algoritma

  

Fuzzy C-Means(FCM) adalah salah satu metode clusteringyang merupakan algoritma

  data supersived yang setiap datanya menjadi anggota dari suatu kluster dengan derajat didefinisikan dengan level keanggotaan. Dengan menggunakan algoritma FCM, data penjualan berupa jumlah barang terjual, jumlah invoice, jenis produk dari tahun 2011 hingga tahun 2013 menghasilkan tingkat penjualan tinggi untuk seluruh produk pada bulan Juli, Agustus dan Desember. Kata kunci: Datamining, clustering, algoritma Fuzzy C-Means.

  

CLUSTERING SYSTEM FOR SALES DATA USING

FUZZY C-MEANS ALGORITHM

ABSTRACT

  Retail companies stored enormous data from every transaction each day. That data can be processed to get useful information marketing purposes. One of information that can be obtained and become useful for marketing strategy is know when one specific product generated more sales. To process the data, clustering method, one of data mining technique, is used to cluster the data into groups. Fuzzy C-Means algorithm is one of clustering method that supervised data into member of a cluster with the degree defined by member level. With FCM algorithm, sales data in the form of amount of item sold, invoice total, and types of product from 2011 to 2013 generate high sales level for all products in July, August and December.

  DAFTAR ISI Hal

  PERSETUJUAN ii

  PERNYATAAN iii

  UCAPAN TERIMA KASIH iv

  ABSTRAK vi

  ABSTRACT vii

  DAFTAR ISI viii

  DAFTAR TABEL x

  DAFTAR GAMBAR xi

  BAB 1 PENDAHULUAN

  1

  1.1 Latar Belakang

  1

  1.2 Rumusan Masalah

  2

  1.3 Batasan Masalah

  3

  1.4 Tujuan Penelitian

  3

  3.2.1 Data Cleaning

  23

  3.2.2 Penentuan variabel

  23

  3.2.3 Pengelompokan kategori produk

  23

  3.3 Pemrosesan Data

  25

  3.3.1 Penentuan parameter FCM

  25

  3.3.2 Proses algoritma FCM

  26

  3.4. Analisis Komponen Sistem

  37

  3.4.1 Data Flow Diagram (DFD)

  37

  3.4.1.1 DFD level-0

  37

  3.4.1.2 DFD level-1

  38

  3.4.2 Flowchart

  39

  3.4.3 Sitemap aplikasi

  41

  3.5 Perancangan Sistem

  41 BAB 4

  IMPLEMENTASI DAN PENGUJIAN SISTEM

  47

  4.1 Implementasi Sistem

  47

  4.2 Implementasi Perancangan Antarmuka

  47

  4.2.1 Halaman login

  48

  4.2.2 Halaman home

  48 DAFTAR TABEL Hal

Tabel 2.1 Penelitian terdahulu

  20 Tabel 3.1 Data cleaning

  23 Tabel 3.2 Jumlah penjualan perhari

  24 Tabel 3.3 Jumlah penjualan perbulan

  25 Tabel 3.4 Nilai parameter awal

  25 Tabel 3.5 Data penjualan kategori produk

  26 Tabel 3.6 Pusat klaster ke-1 iterasi pertama

  29 Tabel 3.7 Pusat klaster ke-2 iterasi pertama

  30 Tabel 3.8 Pusat klaster ke-3 iterasi pertama

  31

  DAFTAR GAMBAR Hal

Gambar 2.1 Bidang ilmu data mining

  8 Gambar 2.2 Tahapan data mining

  10 Gambar 3.1 Sampel laporan frekuensi data penjualan

  22 Gambar 3.2 DFD level 0

  38 Gambar 3.3 DFD level 1

  39 Gambar 3.4 Flowchart algoritma Fuzzy C-Means

  40 Gambar 3.5 Sitemap aplikasi

  41 Gambar 3.6 Rancangan tampilan login

  42 Gambar 3.7 Rancangan tampilan halaman home

  42

Gambar 4.8 Halaman admin

  52 Gambar 4.9 Halaman hasil input data

  56 Gambar 4.10 Proses clustering

  56 Gambar 4.11 Output clustering

  57