APLIKASI PROMOSI PAKET PENJUALAN BARANG
“APLIKASI PROMOSI PAKET PENJUALAN BARANG PADA MINIMARKET KUMALA BANJARBARU DENGAN ALGORITMA APRIORI ” SKRIPSI
Diajukan Sebagai Salah Satu Syarat Untuk Menyelesaikan Jenjang Strata
Satu Pada STMIK BANJARBARU OLEH
YUSAK TODING BUA 3101 0801 1215
PROGRAM STUDI SISTEM INFORMASI SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER BANJARBARU (STMIK BANJARBARU) BANJARBARU 2012
“APLIKASI PROMOSI PAKET PENJUALAN BARANG PADA MINIMARKET KUMALA BANJARBARU DENGAN ALGORITMA APRIORI ” SKRIPSI
Diajukan Sebagai Salah Satu Syarat Untuk Menyelesaikan Jenjang Strata Satu
Pada STMIK BANJARBARU OLEH
YUSAK TODING BUA 3101 0801 1215
PROGRAM STUDI SISTEM INFORMASI SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER BANJARBARU (STMIK BANJARBARU) BANJARBARU
PROGRAN STUDI SISTEM INFORMASI SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER BANJARBARU
(STMIK BANJARBARU)
PERSETUJUAN SKRIPSI
Nama
: YUSAK TODING BUA
Nim
Program Studi
: Sistem Informasi
Judul Skripsi : Aplikasi Promosi Paket Penjualan Barang Pada Minimarket
Kumala Banjarbaru Dengan Algoritma Apriori
Telah disetujui untuk disidangkan pada Sidang Skripsi Progam Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika & Komputer Banjarbaru (STMIK BANJARBARU)
Banjarbaru, 27 Juli 2012 Mengetahui,
Ketua Jurusan Sistem Informasi
Pembimbing Utama,
Bahar A.Rahman, ST., M.Kom Nidia Rosmawanti,M.Kom NIK. 1002 046
NIK .1002 031
PENGESAHAN SKRIPSI
Nama : YUSAK TODING BUA Nim
: 3101 0801 1215 Program Studi
: Sistem Informasi Judul Skripsi
: Aplikasi Promosi Paket Penjualan Barang Pada Minimarket Kumala Banjarbaru Dengan Algoritma Apriori
Telah disidangkan dan dinyatakan Lulus Sidang Skripsi pada Jenjang Strata Satu Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru (STMIK BANJARBARU) pada tanggal 08 Agustus 2012.
SUSUNAN TIM PENGUJI
No NAMA PENGUJI
JABATAN
TANDA TANGAN
1 Nidia Rosmawanti, M.Kom
Ketua
2 Bahar A. Rahman, ST, M.Kom
Sekretaris
3 Dra. Hj. Ruliah S., M.Kom
Anggota
Banjarbaru, 08 Agustus 2012 Mengetahui :
Mengesahkan :
Ketua Jurusan Sistem Informasi, Ketua STMIK Banjarbaru,
Bahar A.Rahman, ST., M.Kom Drs. H. Sushermanto,M.Kom NIK. 1002 046
NIK. 091 062 001
PERNYATAAN KEASLIAN SKRIPSI
Nama : YUSAK TODING BUA Nim
: 3101 0801 1215 Program Studi
: Sistem Informasi Judul Skripsi
: Aplikasi Promosi Paket Penjualan Barang Pada Minimarket Kumala Banjarbaru Dengan Algoritma Apriori
Dengan ini saya menyatakan bahwa dalam Skripsi ini adalah tulisan saya sendiri, begitu pula kode - kode program yang disertakan pada laporan ini. Dan Skripsi ini belum pernah diajukan untuk memperoleh gelar kesarjanaan di suatu Perguruan Tinggi lain, dan sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang sama yang pernah ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis diacu dalam naskah ini dan disebutkan dalam daftar pustaka.
Banjarbaru, 27 Juli 2012
(Yusak Toding Bua)
Yusak Toding Bua, 3101 0801 1215 Aplikasi Promosi Paket Penjualan Barang Pada Minimarket Kumala Banjarbaru dengan Algoritma Apriori, dibawah bimbingan Nidia Rosmawanti, M.Kom 123+XV hal / 15 tabel / 38 gambar / 7 lampiran / 11 pustaka (2003-2010)
ABSTRAK
Banyak cara di mana sebuah perusahaan, toko, atau pasar untuk meningkatkan penjualan mereka, dan juga strategi yang digunakan. Satu hal tentang strategi yang digunakan oleh manajemen adalah perangkat lunak aplikasi dengan sistem informasi.
Sebuah era yang terus berkembang teknologi informasi setiap kali perlu ke adanya inovasi baru. Agar tak terkesan monoton dalam proses menjual produk dan diharapkan dapat memberikan manfaat bagi mereka yang menggunakan, karena bisa jadi meningkatkan penjualan dengan memberikan rekomendasi kepada pembeli. Untuk pembeli dapat memilih paket barang terkait dengan item sebelumnya dibeli item.
Pelaksanaan pemilihan promosi penjualan paket barang menggunakan algoritma apriori pada penjualan sistem menyediakan manfaat untuk dapat meningkatkan penjualan produk di sebuah perusahaan, toko, atau pasar dengan sistem semakin banyak produk yang ditawarkan masih ada kaitan dengan barang yang telah dibeli oleh pembeli.
Kata kunci : Analisis Asosiasi, Analisa Keranjang Belanja, Algoritma Apriori.
Yusak Toding Bua, 3101 0801 1215 Applications Promotion Package Goods At Minimarket Kumala Banjarbaru with Apriori Algorithm, directed by Nidia Rosmawanti, M.Kom 123+XV pages / 15 figures / 38 images / 7 attachments / 11 Bibliography (2003- 2010)
ABSTRACT
Many ways in which a company, store, or market to increase their sales, and also the strategy used. One thing about the strategies used by management is the application software with information systems.
An era of growing information technology whenever necessary to
a new innovation. So as not to seem monotonous in the process of selling product and is expected to provide benefits for those who use, because it could be to increase sales by providing recommendations to the buyer. For buyers can choose packages of goods relating to items previously purchased items.
The implementation of sales promotion goods package using apriori algorithm on the sale of the system provides benefits to increase product sales in a company, store, or a market with a system that offered more and more products are still no link to the item that was purchased by the buyer.
Key words : Analysis of the Association, Analysis of Shopping Cart, Apriori algorithm.
KATA PENGANTAR
Segala puji dan syukur kepada Tuhan Yang Maha Kuasa atas segala berkat, anugerah dan karunia yang telah dilimpahkan-Nya sehingga penulis dapat tersusunlah Skripsi yang berjudul “ Aplikasi Promosi Paket Penjualan Barang Pada Minimarket Kumala Banjarbaru dengan Algoritma Apriori “ dalam rangka menempuh ujian akhir untuk memperoleh gelar Sarjana Komputer pada Jenjang Strata Satu Program Studi Sistem Informasi di Sekolah Tinggi Manajemen Informatika & Komputer Banjarbaru..
Penulis menyadari bahwa dalam penulisan laporan ini masih banyak yang belum lengkap. Hal ini dikarenakan terbatasnya kemampuan yang penulis miliki, namun demikian penulis berharap masukan berupa saran-saran dan kritik yang kiranya akan memberikan manfaat bagi rekan-rekan di STMIK Banjarbaru selain bermanfaat bagi penulis sendiri.
Pada kesempatan ini, penulis mengucapkan terima kasih yang sebesar- besarnya kepada:
1. Ibu Dra.Hj.Ruliah M.Kom selaku Ketua Yayasan Mandiri yang menaungi STMIK Banjarbaru
2. Bapak Drs. H. Sushermanto, M.Kom sebagai pimpinan STMIK Banjarbaru.
3. Bapak Bahar A. Rahman, S.T, M.Kom selaku Ketua Jurusan Sistem Informasi.
4. Nidia Rosmawanti, M.Kom selaku dosen pembimbing yang telah memberikan banyak bimbingan dan bantuan selama penelitian dan penyusunan skripsi ini.
5. Ayahanda dan Ibunda tercinta kalian adalah penyemangat dalam hidupku. serta seluruh keluarga Besar di Tana Toraja, terima kasih untuk doa dan dukungan yang telah di berikan.
6. Seluruh keluargaku yang berada di Nabire, Biak, Sorong, Sampit, Balikpapan, Banjarmasin, Batulicin, dan yang tak bisa disebutkan satu persatu terima kasih karena selalu memberikan dukungan dan semangat sehingga saya dapat menyelesaikan laporan ini.
7. Seluruh teman-teman Jurusan Sistem Informasi, dan sobat-sobat yang lain terima kasih atas segala bantuan dan dorongan yang diberikan selama penulisan laporan ini.
8. Seluruh teman – teman yang berada di dalam maupun luar negeri, terima kasih atas saran – saran dan bantuan ide dan semangatnya.
Akhir kata, penulis mohon maaf atas kekeliruan dan kesalahan yang terdapat dalam Skripsi ini dan berharap semoga Skripsi ini dapat memberikan manfaat bagi kemajuan Teknologi Sistem Informasi di Indonesia.
Banjarbaru, 27 Juli 2012
Penulis
BAB I PENDAHULUAN
1.1. Latar Belakang
Seiring perkembangan teknologi informasi yang samakin lama maju dan berkembang sangatlah mempunyai peran yang sangat penting dalam pengumpulan, pemrosesan serta pendistribusian data. Demikian juga dalam bidang usaha perekonomian, teknologi sangat berperan dalam kegiatan jual beli barang dan jasa.
Perlunya sebuah ide kreatif dan inovatif agar para pengusaha dapat menjalankan kegiatan bisnisnya berjalan dengan baik dan berkembang. Yang pada saat ini tingkat penjualan barang ke konsumen sangat tinggi, sehingga perlu adanya daya tarik konsumen supaya mereka tertarik untuk membeli sebuah barang.
Demikian juga pada kegiatan usaha minimarket Kumala Banjarbaru, yang kegiatan usahanya adalah menjual produk-produk keperluan rumah tangga kepada konsumen. Maka demikian diperlukan sebuah manajemen produk yang dapat mengelola produk-produk yang dijual, seperti menentukan stok barang yang akan dipesan, mengetahui tingkat pembelian sebuah barang. Sehingga minimarket Kumala Banjarbaru dapat meningkatkan pendapatan usaha yang dijalani.
Salah satu cara yang bisa dilakukan untuk mengetahui kondisi pasar (konsumen) adalah dengan mengamati data transaksi penjualan. Data transaksi penjualan disimpan dalam basis data server dalam jumlah yang sangat besar. Data inilah yang kemudian diolah sehingga dihasilkan laporan penjualan dan laporan laba rugi swalayan. Tujuan dari data mining yaitu untuk menemukan hubungan atau pola-pola yang memberikan manfaat ke pada pihak perusahaan atau organisasi (1). Maka dari itu diusulkanlah sebuah aplikasi yang dapat membantu pengusaha untuk menentukan strategi pemasaran menggunakan aturan asosiasi data mining dengan algoritma Apriori.
1.2. Permasalahan Penelitian
1.2.1. Identifikasi Masalah
Dari latar belakang diatas dapat diidentifikasi masalah yang dapat diambil, adalah kurangnya minat berbelanja di Minimarket Kumala Banjarbaru karena karena kurang bersaingnya promosi yang diberikan.
1.2.2. Ruang Lingkup Masalah
Adapun ruang lingkup permasalahan yang akan dibahas, antara lain :
1. Aplikasi ini merupakan Aplikasi tambahan untuk mencari pola asosiasi transaksi penjualan pada Minimarket Kumala Banjarbaru.
2. Aplikasi ini akan menghasilkan sebuah informasi yang akan digunakan untuk pengambilan keputusan.
1.2.3. Rumusan Masalah
Bagaimana membuat sebuah aplikasi rekomendasi promosi paket penjualan barang pada Minimarket Kumala Banjarbaru menggunakan algoritma apriori.
1.3. Tujuan dan Manfaat Penelitian
Adapun tujuan dari penulisan tugas akhir ini adalah membuat aplikasi rekomendasi promosi paket penjualan barang pada Minimarket Kumala Banjarbaru menggunakan algoritma apriori.
Manfaat dari penulisan tugas akhir ini adalah menyediakan aplikasi rekomendasi promosi paket penjualan barang pada Minimarket Kumala Banjarbaru untuk meningkatkan kegiatan penjualan barang.
1.4 Sistematika Penulisan
Sistematika penulisan pada laporan pkl ini adalah sebagai berikut: BAB I PENDAHULUAN
Berisi latar belakang masalah, perumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi pemecahan masalah, dan sistematika penulisan.
BAB II LANDASAN TEORI Pada bab ini menguraikan tentang Teori-teori dasar yang akan digunakan sebagai landasan dalam penyusunan skripsi ini. Teori-teori yang dimaksud adalah seputar : pengertian data mining, aturan asosiasi, algoritma apriori, information retrieval, UML, Delphi 2009 dan Ms. SQL Server 2008 R2.
BAB III METODOLOGI DAN PERANCANGAN SISTEM Bab ini berisi analisa kebutuhan dan rancangan sistem yang digunakan, meliputi (diagram konteks, use case diagram, sequence diagram, activity diagram, perancangan database , dan desain antarmuka) dan yang terakhir teknik analisis.
BAB IV IMPLEMENTASI DAN UJI COBA SISTEM Bab ini menjelaskan tentang penerapan rancangan program ke dalam bahasa pemrograman, analisis hasil.
BAB V KESIMPULAN DAN SARAN Berisi kesimpulan dari seluruh rangkaian penelitian dan saran-saran dari penulis untuk pengembangan skripsi ini lebih lanjut.
BAB II LANDASAN TEORI DAN KERANGKA PEMIKIRAN
2.1. Tinjauan Pustaka
Yogi Yusuf W., F. Rian Pratikto, Gerry T. (2006) dari Jurusan Teknik Industri Universitas Katolik Parahyangan Bandung, meneliti tentang penerapan data mining dalam penentuan aturan asosiasi antar jenis item. Penelitian ini menyimpulkan bahwa data mining dapat membantu manajemen dalam tindakan pengambilan keputusan berupa data-data masa lalu.
Muhammad Afif Syaifullah (2010) dari Jurusan Teknik Informatika STMIK AMIKOM Yogyakarta, meneliti tentang implementasi data mining algoritma Apriori pada sistem penjualan. Penelitian ini menyimpulkan bahwa teknik data mining dengan algoritma apriori dapat diimplementasikan pada sistem penjualan. Dengan aplikasi yang berbasis teknologi informasi dihasilkan sebuah metode yang bisa meningkatkan penjualan dengan cara memberikan saran kepada konsumen.
Eko Wahyu Tyas D (2008) dari Program Studi Ilmu Komputer Universitas Brawijaya Malang, meneliti tentang penerapan metode association rule menggunakan algoritma Apriori untuk analisa pola data hasil tangkapan ikan. Penelitian ini menyimpulkan bahwa Metode Association Rule dengan menggunakan algoritma Apriori dapat digunakan untuk menyelesaikan permasalahan data tangkapan ikan. Setiap daerah memiliki pola dan kecenderungan yang berbeda-beda. Hal ini ditunjukkan oleh perbedaan rule yang dihasilkan dalam proses pengujian dengan nilai minimum support dan minimum confidence yang telah ditentukan.
2.2. Landasan Teori
2.2.1. Data Mining Data mining memiliki hakikat sebagai disiplin ilmu yang tujuan
utamanya adalah untuk menemukan, menggali atau menambang pengetahuan dari data atau informasi yang kita miliki. Banyak definisi bagi istilah data mining, antara lain :
1. Data Mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan didalam database. Data Mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. (2)
2. Data Mining merupakan bidang dari bebrapa bidang keilmuan yang menyatukan teknik dari pembelajaran mesin, pengenalan pola, statistik, database dan visualisasi untuk penanganan permasalahan pengambilan informsi dari database yang besar. (3)
Menurut Larose (2005), terdapat enam fungsi dalam data mining, yaitu
1. Fungsi deskripsi
2. Fungsi Estiminasi
3. Fungsi Prediksi
4. Fungsi Klasifikasi
5. Fungsi Pengelompokan
6. Fungsi Asosiasi Adapun tahap-tahap penggunaan data mining mengacu pada Kusrini dan Luthfi (2009), sebagai berikut
1. Data Selection , pemilihan data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi dimulai. Data yang telah diseleksi akan dipisahkan dari basis data operasional.
2. Pre-Processing / Cleaning, mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten dan memperbaiki kesalahan pada data.
3. Transformation , Pengkodeaan adalah proses tranformasi pada data yang telah dipilh sehingga data tersebut sesuai untuk proses data mining.
4. Data Mining, Proses mencari pola atau informasi menarik dalam data terpilih menggunakan teknik atau metode tertentu.
5. Interpretation, Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan.
2.2.2. Aturan Asosiasi
Association rules digunakan untuk menemukan hubungan di antara data atau bagaimana suatu kelompok data mempengaruhi suatu keberadaan data yang lain (4). Aturan yang menyatakan asosiasi antara atribut sering disebut affinity analysis atau market basket analysis. Analisis asosiasi dikenal juga sebagai salah satu teknik data mining, sehingga menarik para peneliti untuk menghasilkan algoritma yang efesien dalam pencarian pola frekuensi tinggi.
Dalam association rules , suatu kelompok item dinamakan itemset . Support dari itemset X adalah persentase transaksi di D yang mengandung
X , biasa ditulis dengan supp(X) . Pencarian association rules dilakukan melalui dua tahap yaitu pencarian frequent itemset dan penyusunan rules . Jika support suatu itemset lebih besar atau sama dengan minimum support σ, maka itemset tersebut dapat dikatakan sebagai frequent itemset atau
frequent pattern yang tidak memenuhi dinamakan infrequent . Confidence adalah nilai ukuran seberapa besar valid tidaknya suatu association rules .
Confidence suatu rule R (X= > Y) adalah proporsi dari semua transaksi yang mengandung baik X maupun Y dengan yang mengandung X , biasa ditulis sebagai conf(R) . Sebuah association rule dengan confidence sama atau lebih besar dari minimum confidence γ dapat dikatakan sebagai valid association rule . (5).
2.2.3. Algoritma Apriori Apriori adalah suatu algoritma yang sudah sangat dikenal dalam melakukan pencarian frequent itemset dengan menggunakan teknik association rule. (6) .
Algoritma ini dicetuskan oleh Agrawal. Ide dasarnya adalah menghitung pola kemunculan item yang muncul dalam data transaksi dengan beberapa iterasi. Iterasi ke i berarti mendapatkan semua frequent i- itemset (suatu itemset yang jumlah item anggotanya sejumlah i ). Langkah umum tiap iterasi adalah menghasilkan candidate itemset kemudian dihitung nilai support dari tiap candidate . Untuk menghasilkan candidate , pada dasarnya dapat dilakukan dengan menyusun kombinasi item-item yang sudah ditemukan sebelumnya. Algoritma ini didasari oleh hukum Apriori , jika sebuah itemset ternyata infrequent , maka seharusnya superset -nya juga infrequent sehingga tidak perlu diperiksa lagi.
Pada iterasi pertama, setiap jenis item yang ditemukan dalam data dijadikan candidate untuk frequent 1-itemsets . Sedangkan candidate di iterasi berikutnya didapatkan dari frequent itemset yang ditemukan di iterasi sebelumnya. Proses akan berhenti jika tidak ada lagi kombinasi candidate yang bisa dibuat. (6)
2.2.4. Itemset, Support, Confidance Association rule selalu berkenaan dengan sekumpulan item , karena itulah kumpulan dari item-item disebut itemset. Bila dalam aturan asosiasi terdapat n jenis item, maka itu dapat disebut n itemset. Untuk menentukan
anggota itemset dimulai dari yang terkecil 1 itemset, 2 itemset , 3 itemset , sampai n itemset . Support (nilai penunjang) adalah presentase kombinasi item dalam sekumpulan data. Nilai support sebuah item dapat diperoleh dengan membagi jumlah item dengan jumlah transaksi.
Sedangkan untuk mendapatkan nilai support dari dua itemset atau lebih dengan cara membagi gabungan itemset dengan jumlah transaksi.
Confidance (nilai kepastian) adalah presentase nilai kekuatan hubungan antar item dalam association rule. Nilai Confidance suatu itemset dapat
diperoleh dengan cara membagi jumlah transaksi yang mengandung beberapa itemset dengan jumlah transaksi itemset pertama.
2.2.5. Information Retrieval
1. Precision (Ketepatan)
Precision ialah perbandingan jumlah dokumen relevan yang didapatkan sistem dengan jumlah seluruh dokumen yang terambil oleh
sistem baik relevan maupun tidak relevan.
2. Recall (Perolehan)
Recall merupakan istilah yang digunakan untuk dokumen terpanggil yang relevan dengan pertanyaan (query) yang dimasukkan
pengguna dalam suatu sistem temu balik informasi.
3. F -Measure (F1) F-Measure adalah salah satu metrik evaluasi umum yang digunakan mengevaluasi performa algoritma. Nilai F-Measure yang seimbang antara precision dan recall didapatkan dengan memberikan nilai beban = 2.
2.2.6. Unified Modelling Language (UML)
Unified Modelling Language (UML) adalah sebuah "bahasa" yg telah menjadi standar dalam industri untuk visualisasi, merancang dan mendokumentasikan sistem piranti lunak. UML menawarkan sebuah standar untuk merancang model sebuah sistem. Dengan menggunakan UML kita dapat membuat model untuk semua jenis aplikasi piranti lunak, dimana aplikasi tersebut dapat berjalan pada piranti keras, sistem operasi dan jaringan apapun, serta ditulis dalam bahasa pemrograman apapun. Tetapi karena UML juga menggunakan class dan operation dalam konsep dasarnya, maka ia lebih cocok untuk penulisan piranti lunak dalam bahasa bahasa berorientasi objek seperti C++, Java, C# atau VB.NET. Walaupun demikian, UML tetap dapat digunakan untuk modeling aplikasi prosedural dalam VB atau C. (Dharwiyanti & Wahono, 2003)
2.2.6. Embarcedero Delphi 2009
Delphi 2009 adalah versi delphi yang diperkenalkan oleh perusahaan software Embarcadero Technologies yang telak mengakuisisi aplikasi delphi yang sebelumnya dimiliki Borland. Delphi 2009 adalah aplikasi development tool yang digunakan nuntuk membuat aplikasi berbasis windows dan web secara cepat dan mudah, antara lain :
a. Aplikasi databse klien yang dapat mengakses langsung ke database server.
b. Aplikasi server.
c. Aplikasi web.
d. Website dan webservices
e. ActiveX control .
Delphi 2009 memiliki fitur terbaru yang tidak dimiliki oleh versi sebelumnya adalah :
a. VCL Control baru VCL ( Visual Control Library ) Delphi 2009 mendukung tampilan Windows Vista dan Windows 7 dari Microsoft.
b. Dukungan Unicode pada IDE dan VCL Berfungsi menterjemahkan karakter dari satu wilayah ke wilayah lain.
Sebagai contoh, bila pengembang berada di Indonesia dan klien berada di Jepang, aplikasi yang dibuat dapat langsung di alihkan ke karakter Jepang.
c. Dua fitur utama bahasa baru “Generics and Anonymous Method”.(Wahana Komputer, 2009).
Gambar 2. 1 Tampilan IDE Code Gear Delphi 2009
2.2.7. Microsoft SQL Server 2008 R2
Microsoft SQL Server 2008 R2 adalah platform data yang paling canggih, terpercaya, dan terukur dirilis hingga saat ini. Membangun kesuksesan dari SQL Server 2008, SQL Server 2008 R2 telah membuat dampak pada organisasi di seluruh dunia dengan kemampuan yang inovatif, memberdayakan pengguna akhir melalui self-service business intelligence (BI), meningkatkan efisiensi dan kolaborasi antara database Microsoft SQL Server 2008 R2 adalah platform data yang paling canggih, terpercaya, dan terukur dirilis hingga saat ini. Membangun kesuksesan dari SQL Server 2008, SQL Server 2008 R2 telah membuat dampak pada organisasi di seluruh dunia dengan kemampuan yang inovatif, memberdayakan pengguna akhir melalui self-service business intelligence (BI), meningkatkan efisiensi dan kolaborasi antara database
SQL Server 2008 sangatlah handal, dan memiliki berbagai fitur penting yang dibutuhkan oleh perusahaan dan para database administrator, seperti :
1. Ringan dan mudah untuk diinstall : file instalasi dari software ini bisa dibilang cukup kecil dan tidak membutuhkan waktu yang lama untuk didownload. Proses instalasi pun terbilang mudah dan cepat jika dibandingkan dengan kompetitor lainnya.
2. Administrasi yang mudah : dengan SQL Server 2008 ini, sudah bukan zamannya lagi melakukan tune up manual kepada database Anda supaya dapat berjalan dengan lancar seperti yang diharapkan. Micorosoft menyediakan berbagai update dan patch secara otomatis untuk SQL Server 2008 yang menjadikan performa database Anda akan selalu tinggi dengan menggunakan software ini.
3. Tersedia sebuah alat management gratis : jika Anda ingin mencoba untuk mengatur lebih dalam dan lebih detail lagi tentang sistem database Anda, bisa saja. Microsoft menyediakan SQL Server Management Studio Express yang bisa Anda koneksikan untuk mengatur database SQL Server 2008 Anda.
4. Terkoneksi dengan baik dengan Visual Studio Express Edition : tidak perlu lagi untuk berurusan dengan berbagai text yang membuat pusing. Visual Studio sekarang bisa Anda koneksikan langsung secara grafis dengan software ini. Mudah dan cepat.
5. Mudah dipakai : selesai di-install, Anda dapat langsung menggunakan database tanpa masalah. Ingin mengekspor database Anda ke luar server? Tidak masalah, semuanya jadi mudah dengan SQL Server 2008. (8)
2.3. Kerangka Pemikiran PERMASALAHAN
Kurangnya minat berbelanja di Minimarket Kumala Banjarbaru karena karena kurang bersaingnya
promosi yang diberikan
APPROACH
Algoritma Apriori
SOFTWARE DEVELOPMENT
UML Whitebox
Code Gear
Microsoft SQL
Delphi 2009
Server 2008 R2
Blackbox
SOFTWARE IMPLEMENTATION
Minimarket Kumala Banjarbaru
SOFTWARE MEASUREMENT
User Acceptance Precision, Recall, F-Measure
RESULT
Aplikasi promosi paket penjualan barang pada Minimarket Kumala
Banjarbaru
Gambar 2. 2 Kerangka Pemikiran
BAB III METODE PENELITIAN
3.1. Analisa Kebutuhan
3.1.1 Metode Pemilihan Sampel
Sistem pencarian pola asosiasi ini dibangun dengan menggunakan algoritma Apriori yang akan digunakan pada Minimarket Kumala Banjarbaru.
Tujuan analisis kebutuhan untuk mendefinisikan fungsi yang akan digunakan, input serta output sistem.
3.1.2 Metode Pengumpulan Sampel
Metode yang digunakan dalam pengumpulan data untuk penelitian adalah dengan menggunakan metode observasi.
a) Observasi Observasi digunakan dengan melihat secara langsung kegiatan transaksi penjualan.
b) Kepustakaan ( Library Research ) Merupakan teknik pengambilan data dengan cara membaca serta mempelajari lisensi buku-buku yang berhubungan dengan objek yang diteliti, serta informasi yang ada di media internet. Guna mendapatkan teori dan konsep yang dapat digunakan dalam mendukung suatu penelitian.
a. Wawancara ( Interview ) Wawancara memungkinkan analis sistem sebagai petanya untuk mengumpulkan data, secara tatap muka langsung dengan orang yang diwawancarai.
Wawancara yang dilakukan dengan cara tanya jawab dengan sumber data yaitu para pelanggan yang berbelanja di minimarket Kumala Banjarbaru.
3.2. Perancangan Penelitian
1. Tahapan Masalah ( Problem ) Pada tahapan ini akan membahas tentang permasalahan yang ada pada penelitian, permasalahan yang ada adalah Pengambilan keputusan manajemen penjualan masih secara manual hanya dengan pengamatan yang subyektif.
2. Tahapan Pendekatan ( Approach ) Pada tahapan ini akan membahas tentang pendekatan yang digunakan dalam pembuatan aplikasi, yaitu dengan association rule data mining menggunakan algoritma Apriori
3. Tahapan Pengembangan ( Software Development ) Pada tahapan ini akan membahas tentang pengembangan aplikasi, yaitu meliputi proses perancangan Storyboard dan Unified Modeling Language (UML). Setelah proses perancangan selesai, maka dilanjutkan dengan proses coding untuk pembuatan aplikasi sistem penunjang keputusan, proses coding yang ada dalam membuat aplikasi sistem penunjang keputusan ini yaitu dengan menggunakan Code Gear Delphi 2009. Setelah itu dilanjutkan lagi dengan proses penguji atau proses testing pada aplikasi tersebut menggunakan Whitebox dan Blackbox . Dengan menggunakan metode pengujian Whitebox, perekayasa sistem dapat melakukan test case yang dapat memberikan jaminan bahwa semua jalur independen pada suatu modul telah digunakan paling tidak satu kali. Dan pengujian Blackbox merupakan pengujian interface oleh pengguna setelah sistem selesai dibuat dan di uji coba kepada pengguna. Metode pengujian ini didasarkan pada spesifikasi sistem, dalam sistem ini pengujian dilakukan dengan mengujikan semua navigasi yang ada, pengujian ini memastikan apakah proses-proses yang dilakukan menghasilkan output yang sesuai dengan rancangan yang dibuat.
4. Tahapan Penerapan ( Software Implementasi ) Pada tahapan ini akan membahas tentang implementasi, aplikasi pencarian pola asosiasi ini akan diterapkan pada Minimarket Kumala Banjarbaru.
5. Tahapan Pengukuran ( Software Measurement) Kuisioner ( user acceptance ) merupakan pengujian yang dilakukan secara objektif dimana program aplikasi akan diuji secara langsung kepada pegawai mini market Kumala Banjarbaru dengan membuat kuesioner mengenai kepuasan user dengan kandungan point syarat user friendly .
Aplikasi diimplementasikan untuk mendapatkan data Precission Recall & F1 yang mana data tersebut adalah data tentang kecocokan (antara permintaan informasi dengan jawaban terhadap permintaan itu.
6. Tahapan Hasil ( Result ) Pada tahapan ini akan membahas tentang hasil yang merupakan tujuan akhir yang ingin dicapai, yaitu terciptanya aplikasi pencarian pola asosiasi dengan menggunakan metode yang dapat membantu manajemen penjualan mengambilan keputusan.
3.2.1. Context Diagram
Diagram konteks memberikan gambaran umum mengenai interaksi yang terjadi antara administrator, sistem, dan database. Diagram konteks dari sistem ini ditunjukan pada gambar 3.1.
Gambar 3. 1 Context Diagram
3.2.2. Use Case Diagram
Gambar dibawah ini menjelaskan bagaimana interaksi administrator dalam login, menginput data user, data barang, data transaksi dan menginputkan aturan asosiasi (minimum transaksi, minimum support , minimum confidence ).
uc Use Case
SISTEM APRIORI
Data Produk
Login
Data Transaksi
Administrator
Pola Apriori
Gambar 3. 2 Use Case Diagram
3.2.3. Activity Diagram
Activity diagram menggambarkan berbagai alir aktifitas dalam sebuah sistem yang sedang dirancang, bagaimana masing-masing alir berawal, decision yang mungkin terjadi dan bagaimana mereka berakhir. Activity diagram juga dapat menggambarkan proses parallel yang mungkin terjadi pada beberapa eksekusi.
act Domain Model
Masukan Username dan Passw ord
Ditolak
Diterima
Gambar 3. 3 Activity Diagram Login
Activity Diagram Login menjelaskan proses sistem pengenalan pengguna aplikasi. Dimana user harus memasukan username dan password yang dimiliki.
act Domain Model
Masukan Barcode
Input data Baru
Tampilkan Data
Edit Data
Hapus Data
Gambar 3. 4 Activity Diagram Data Master Activity Diagram Data Master menjelaskan proses penginputan data master yang digunakan untuk pemrosesan algoritma apriori.
act Domain Model
Masukan Barcode / Nama Barang
Masukan Jumlah Barang
Tambah Item
Masukan Uang Bayar
Gambar 3. 5 Activity Diagram Transaksi
Activity Diagram Transaksi menjelaskan proses penginputan transaksi pembelian barang.
act Domain Model
Masukan Min Transaksi, Min Support & Min Confidence
Cari Kombinasi Itemset yang memenuhi syarat
Hitung Support dan Confidence Item
Tampilkan Hasil
Gambar 3. 6 Activity Diagram Pola Asosiasi
Activity Diagram Transaksi menjelaskan proses pencarian pola asosiasi data mining menggunakan algoritma apriori untuk mendapatkan kombinasi item
3.2.4. Sequance Diagram Sequence diagram menggambarkan interaksi antar objek di dalam dan di sekitar sistem (termasuk pengguna, display, dan sebagainya) berupa message yang digambarkan terhadap waktu. Sequence diagram terdiri atas waktu dan objek-objek terkait. Sequence diagram biasa digunakan untuk menggambarkan scenario atau rangkaian langkah-langkah yang dilakukan sebagai respons dari sebuah event untuk menghasilkan output tertentu, proses dan perubahan apa saja yang terjadi secara internal dan output apa yang dihasilkan.
sd Domain Model
Masukan Username dan Password()
Login()
Cek data()
Tampilkan Hasil()
Gambar 3. 7 Sequance Diagram Login
Pada sequance diagram login, administrator melakukan proses login dengan cara memasukan username dan password pada form login, kemudian sistem akan melakukan verifikasi ke dalam database, apabila login diterima maka akan muncul pesan login berhasil dan dapat melanjutkan ke proses selanjutnya. Jika login ditolak maka akan muncul pesan kesalahan dan tidak dapat melanjutkan ke proses selanjutnya sampai login diterima.
sd Domain Model
Masukan Data()
Cek data()
Simpan Data()
T ampilkan Hasil()
Data Ada()
Data Ada()
Edit Data()
Simpan data()
T ampilkan Hasil()
Hapus Data()
Data dihapus()
T ampilkan Hasil()
Gambar 3. 8 Squance Diagram Data Master Pada sequance diagram data master user dapat melakukan beberapa jenis
kegiatan yang terdapat dalam sequance diagram , antarlain melihat data, menambah data, mengedit data dan menghapus data dari database.
sd Domain Model
Masiukan item()
Tampung Item()
Tambah lagi()
Input Bayar()
Proses Data()
Simpan Data()
Tampilkan Hasil()
Gambar 3. 9 Squance Diagram Transaksi
Pada sequance diagram data transaksi, user dapat melakukan beberapa jenis kegiatan yang terdapat dalam sequance diagram , antarlain melihat memasukan item barang, menambah item, serta proses pembayaran.
sd Domain Model
Input Min Transaksi, Min Support, Min Confidence()
Koneksi Database()
Proses Apriori()
Menampilkan Hasil()
Tampilkan Hasil Rule Apriori()
Gambar 3. 10 Squance Diagram Pola Asosiasi Pada sequance diagram Pola Asosiasi, user dapat melakukan beberapa
jenis kegiatan yang terdapat dalam sequance diagram , antarlain melihat memasukan minimal transaksi, minimal support dan minimal confidance, kemudian hasil dari algoritma ditampilkan.
3.3. Teknik Analisis
3.3.1 Analisis Masukan dan Keluaran Sistem
Data pada penelitian ini terdiri dari data barang, data transaksi. Hasil analisis masukan dari data adalah :
1. Data Barang Masukan dari data barang adalah kode barang, nama barang, harga jual, harga retail, dan satuan barang.
2. Data Transaksi Data transaksi dibagi menjadi dua bagian :
a. Data Transaksi Masukan dari data transaksi adalah kode transaksi, total bayar, bayar, kembali, tanggal dan jam.
b. Data Detil Transaksi
Masukan dari data detil transaksi adalah kode transaksi, kode barang, jumlah dan total harga.
Untuk analisa sendiri menggunakan data sample pada range 01/10/2011 sampai 31/12/2011 dimana data yang digunakan berjumlah 718 data transaksi yang dapat dilihat pada Lampiran 1 dan 113 data barang ( itemset) yang dapat dilihat pada Lampiran 2.
Setelah data transaksi dan data barang terkumpul, maka dibuatlah kombinasi antar 2 item / 2-itemset dengan frequent itemset = 3, data 2- itemset yang memenuhi kriteria frequent itemset dapat dilihat pada
Lampiran 3.
Untuk tahap selanjutnya adalah mencari nilai support dan confidence dari itemset yang telah ditetapkan.
A. Support
M inimal support yang ditentukan adalah 2%. Support dapat dihitung dengan menggunakan rumus :
Data nilai support dari 2-itemset dapat dilihat pada Lampiran 4.
B. Confidance Setelah data f requent itemset dengan nilai support yang telah didapatkan tahap selanjutnya adalah menghitung confidence. Minimal confidence yang ditentukan adalah 50%.
Data nilai confidence dari 2-itemset dapat dilihat pada Lampiran 5.
C. Final Aturan Asosiasi ( Strong Rule )
Strong rule digunakan untuk mencari kombinasi itemset terkuat.
Tabel 3. 1 Strong Rule Min Sup 2%, Min Conf 50% Item1
Support Confidence POND"S WHITE BFF 100ML PEPSODENT WHITE 190GR
Item2
2,79% 66,67% DETTOL SOAP ORG 120GR
SURF ACTIVE CLEAN 1 KG
GILLETE VECTOR HRG
2,37% 62,96% PROMOSI
PEPSODENT WHITE 190GR
PANTENE SHP HARI FALL
2,51% 62,07% 750ML
POND"S WHITE BFF 100ML
DETTOL HW SENSITIVE
SURF SCTIVE CLEAN LF.2
2,65% 61,29% 200 ML
KG WALL"S MAGNUM
WAFLE CRUNCOX 19*11GR 2,65% 61,29%
ALMOND WALLS 70G MARJAN COCO PANDAN
NATA DE COCO 110G 3,20% 60,53%
630ML PANTENE SHP HARI FALL POND"S WHITE BFF 100ML 60,00%
750ML
COCA-COLA 1,5 LITER SPRITE 1,5 LITER JUMBO 58,33%
2,92% ULTRA MILK CHOCO
JUMBO
55,56% 1000ML
CHARM B.FIT EMW ISI 5
3,48% DC BALITA MADU 3+DHA
WIPOL CLASIC PINE
2,23% 55,17% 800GR
REFFIL 900ML
SAMBAL BANGO MANIS REF.600 ML 53,57%
PDS.INDFT.BTL.BSR.340ML
ULTRA MILK CHOCO
CHARM B.FIT EMW ISI 5 3,48% 53,19%
1000ML COCA-COLA 1,5 LITER
FANTA APPLE 1.5 LT 50,00%
JUMBO
DETTOL SOAP ORG 120GR SURF ACTIVE CLEAN 1 KG 50,00%
Dari data pada tabel 3.1 dapat kita ambil beberapa alternatif kombinasi itemset yang dapat dijadikan sebagai promosi paket barang, sebagai berikut :
1. JIKA membeli POND"S WHITE BFF 100ML MAKA akan membeli PEPSODENT WHITE 190GR dengan SUPPORT 2,79 % dan CONFIDENCE 66,67 %
2. JIKA membeli DETTOL SOAP ORG 120GR 4+1 MAKA akan membeli SURF ACTIVE CLEAN 1 KG dengan SUPPORT 3,34 % dan CONFIDENCE 66,67 %
3. JIKA membeli GILLETE VECTOR HRG PROMOSI MAKA akan membeli PEPSODENT WHITE 190GR dengan SUPPORT 2,37 % dan CONFIDENCE 62,96 %
4. JIKA membeli PANTENE SHP HARI FALL 750ML MAKA akan membeli POND"S WHITE BFF 100ML dengan SUPPORT 2,51 % dan CONFIDENCE 62,07 %
5. JIKA membeli DETTOL HW SENSITIVE 200 ML MAKA akan membeli SURF SCTIVE CLEAN LF.2 KG dengan SUPPORT 2,65 % dan CONFIDENCE 61,29 %
6. JIKA membeli WAFLE CRUNCOX 19*11GR MAKA akan membeli WALL"S MAGNUM ALMOND WALLS 70G dengan SUPPORT 2,65 % dan CONFIDENCE 61,29 %
7. JIKA membeli NATA DE COCO 110G MAKA akan membeli MARJAN COCO PANDAN 630ML dengan SUPPORT 3,20 % dan CONFIDENCE 60,53 %
8. JIKA membeli POND"S WHITE BFF 100ML MAKA akan membeli PANTENE SHP HARI FALL 750ML dengan SUPPORT 2,51 % dan CONFIDENCE 60,00 %
9. JIKA membeli SPRITE 1,5 LITER JUMBO MAKA akan membeli COCA-COLA 1,5 LITER JUMBO dengan SUPPORT 2,92 % dan CONFIDENCE 58,33 %
10. JIKA membeli ULTRA MILK CHOCO 1000ML MAKA akan membeli CHARM B.FIT EMW ISI 5 dengan SUPPORT 3,48 % dan CONFIDENCE 55,56 %
11. JIKA membeli DC BALITA MADU 3+DHA 800GR MAKA akan membeli WIPOL CLASIC PINE REFFIL 900ML dengan SUPPORT 2,23 % dan CONFIDENCE 55,17 %
12. JIKA membeli BANGO MANIS REF.600 ML MAKA akan membeli SAMBAL PDS.INDFT.BTL.BSR.340ML dengan SUPPORT 2,09 % dan CONFIDENCE 53,57 %
13. JIKA membeli CHARM B.FIT EMW ISI 5 MAKA akan membeli ULTRA MILK CHOCO 1000ML dengan SUPPORT 3,48 % dan CONFIDENCE 53,19 %
14. JIKA membeli FANTA APPLE 1.5 LT MAKA akan membeli COCA- COLA 1,5 LITER JUMBO dengan SUPPORT 2,23 % dan CONFIDENCE 50,00 %
15. JIKA membeli SURF ACTIVE CLEAN 1 KG MAKA akan membeli DETTOL SOAP ORG 120GR 4+1 dengan SUPPORT 3,34 % dan CONFIDENCE 50,00 %
3.4. Rancangan Sistem
3.4.1. Desain Database
1. Tabel Login Nama Tabel
: Login
Fungsi
: Untuk informasi login pengguna
Kunci utama
: username
Tabel 3. 2 Tabel Login
Nama Field
Keterangan username
Tipe Data
Nama user(PK) Password
Varchar(50)
Varchar(50)
Kata kunci
2. Tabel Orders Nama Tabel
: Orders
Fungsi
: Untuk menampung data transaksi
Kunci utama
: OrderID
Tabel 3. 3 Tabel Orders
Nama Field
Keterangan OrderID
Tipe Data
Kode Transaksi (PK) TotalBayar
Int
Total Bayar Bayar
Real
Bayar Kembali
Real
Real
Kembalian
Tanggal
Tanggal Transaksi Jam
Date
Time
Jam Transaksi
3. Tabel Oder Details Nama Tabel
: Order Details
Fungsi : Untuk menampung data item transaksi Kunci utama
:- Tabel 3. 4 Tabel Order Details
Nama Field
Keterangan OrderID
Tipe Data
Kode Transaksi (FK) ProductID
Int
Kode Barang (FK) Harga
Int
Harga Barang Jumlah
Real
Jumlah Pembelian Total
Int
Real
Total Harga
4. Tabel Products Nama Tabel
: Products
Fungsi : Untuk menampung data produk/barang Kunci utama
: ProductID
Tabel 3. 5 Tabel Products
Nama Field
Keterangan ProductID
Tipe Data
Kode Barang (PK) Barcode
Int
Barcode Barang NamaBarang
Varchar(20)
Nama Barang HargaJual
Varchar(50)
Harga Jual Supplier HargaRetail
Real
Harga Jual Toko Satuan
Real
Varchar(10)
Satuan Barang
5. Tabel Results Nama Tabel
: Results
Fungsi : Untuk menampung data hasil proses algoritma Kunci utama
Tabel 3. 6 Tabel Results
Nama Field
Keterangan ItemA
Tipe Data
Item A Apriori ItemB
Varchar(50)
Varchar(50)
Item B Apriori Nilai Support
Support
Real
Kombinasi A dan B Nilai Confidence
Confidence
Real
Kombinasi A dan B
3.4.2. Relasi Antar Table
Perancangan database dari sistem yang digambarkan sebagai berikut:
Orders
Order Details
OrderID Int <pk>
Products TotalBayar real
OrderID
int
ProductID int <pk> Bayar
ProductID int
varchar(20) Kembali
NamaBarang varchar(50) Tanggal
HargaJual real Jam
time HargaRetail real
username varchar(50) <pk>
varchar(50) password varchar(50)
Confidence real
Gambar 3. 11 Relasi antar tabel
3.4.3. Desain Interface
Desain interface “Aplikasi Promosi Paket Penjualan Barang Pada Minimarket Kumala Banjarbaru Dengan Algoritma Apriori ” yang akan dibangun adalah sebagai berikut :
1. Desain Form Utama
SISTEM APRIORI
File Data Barang Transaksi Cari Pola
Laporan
USERNAME
Enter Text
PASSWORD
Enter Text
Gambar 3. 12 Desain Interface Form Utama
Keterangan : Pada form utama terdapat panel login yang digunakan untuk identifikasi pemakai. Setelah aplikasi menerima username dan password yang diinputkan oleh user maka menu aplikasi dapat digunakan.
2. Desain Form Data Barang
Form Barang
ProductID
Enter Text
Barcode
Enter Text
Nama Barang
Enter Text
Harga Jual
Enter Text
Harga Retail
Enter Text
Satuan
Enter Text
Nama Barang
H. Jual
H. Retail
Product ID
Cari Berdasarkan
ProductID
Barcode
Nama Barang
Cari Data
Keluar
Enter Text
Gambar 3. 13 Desain Interface Form Data Barang
Keterangan : Pada form ini enam komponen , empat buah tombol aksi (simpan, batal dan hapus) dan pencarian.
3. Desain Form Transaksi
Transaksi
No. Transaksi 99999999999999
Total Harga
Rp. 999.999.999.999
Barcode Enter Text
Harga
Enter Text
Nama Barang Enter Text
Jumlah
Enter Text
Tambah Item
Barcode Nama Barang
Total Text
Harga
Jumlah
Text Text
Text Text
Enter Text
Simpan
Kembali
Enter Text
Gambar 3. 14 Desain Interface Form Transaksi Keterangan :
Pada form ini empat komponen inputan (Barcode, nama barang, jumlah, dan pembayaran), dua buah tombol aksi (tambah item dan simpan data).
4. Desain Form Pola Asosiasi
Application Title
Min. Transaksi
Min. Support
Min. Confidence
Jumlah Transaksi
Gambar 3. 15 Desain Interface Form Pola Asosiasi
Keterangan : Pada form ini tiga komponen inputan (minimum transaksi, minimum support, minimum confidence ), dan tombol proses.
5. Desain Form Cetak Data Barang
Cetak Data Barang
Seluruh Data
Pilih Data (ProductID)
Gambar 3. 16 Desan Interface Form Cetak Data Barang Keterangan :
Pada form ini digunakan untuk mencetak laporan data barang
6. Desain Form Cetak Data Transaksi
Cetak Transaksi
Pilih Data (OrderID)
Enter Text
Cetak
Tutup
Gambar 3. 17 Desain Interface Cetak Data Transaksi Keterangan :
Pada form ini digunakan untuk mencetak laporan data barang
7. Desain Interface Laporan Data Barang
Laporan Data Barang
ProductID Barcode
Nama Barang
Harga Jual
Harga Retail Satuan
999999 xxxxxx 999999
xxxxxxxxxxxxx xxxxxxxxxxxx
xxxxxxxxxxxxx xxxxxxxxxxxx
999999 xxxxxx
Gambar 3. 18 Desain Laporan Data Barang
Keterangan : Pada desain laporan ini digunakan untuk mencetak laporan data barang
8. Desain Interface Laporan Data Transaksi
Data Transaksi
Total Bayar
Harga Jual
Harga Retail
Gambar 3. 19 Desain Laporan Data Transaksi
Keterangan : Pada desain laporan ini digunakan untuk mencetak laporan data transaksi penjualan
9. Desain Interface Laporan Hasil Analisis Apriori
Hasil Analisis Apriori
Item A
Item B
Gambar 3. 20 Desain Laporan Hasil Analisis Apriori
Keterangan : Pada desain laporan ini digunakan untuk mencetak laporan hasil algoritma apriori.
BAB IV HASIL DAN PEMBAHASAN
4.1. Hasil
Perangkat keras yang digunakan membuat dan menjalankan program adalah sebagai berikut :
1. Perangkat Keras: - Intel Core i5 2400K 3,3 Ghz - RAM 6 GB - HDD 2,2 TB - Monitor Minimal Resolution 1024 X 768
2. Perangkat Lunak: - Sistem Operasi Windows 7 - Embarcadero Code Gear Delphi 2009 - Microsoft SQL Server 2008 R2 - Microsoft SQL Management Studio - Microsoft SQL Server Native Client 10 ODBC
4.1.1 Implementasi
1. Form Utama
Pada form utama terdapat beberapa fungsi, diantaranya adalah sebagai form login dan menu utama.
Gambar 4. 1 Form Utama
2. Form Data Barang
Form data barang merupakan form data master, dimana berfungsi menyimpan informasi data produk yang akan di jual.
Gambar 4. 2 Form Data Barang
3. Form Transaksi Penjualan
Form data transaksi penjualan merupakan form yang berfungsi sebagai menyimpan data transaksi penjualan, dimana data penjualan tersebut akan di proses menggunakan algoritma apriori.
Gambar 4. 3 Form Transaksi Penjualan
4. Form Pola Asosiasi
Form pola asosiasi merupakan form yang bertugas untuk mencari pola transaksi dari data penjualan. Form pola asosiasi ini menggunakan algoritma apriori untuk memproses datanya.
Gambar 4. 4 Form Pola Asosiasi
5. Form Cetak Laporan Data Barang
Form ini mempunyai fungsi untuk membuat laporan data barang.
Gambar 4. 5 Form Cetak Laporan Data Batang
6. Form Cetak Data Transaksi
Form ini mempunyai fungsi untuk membuat laporan data transaksi.
Gambar 4. 6 Form Cetak Laporan Data Transaksi
7. Laporan Data Barang
Gambar 4. 7 Laporan Data Barang
Pada laporan data barang digunakan untuk melaporkan data seperti productID, barcode, nama barang, harga jual, harga retail, dan satuan barang.
8. Laporan Data Transaksi
Gambar 4. 8 Laporan Data Transaksi
9. Laporan Hasil Analisis Apriori
Gambar 4. 9 Laporan Hasil Analisis Apriori
Pada laporan hasil analisis apriori ini digunakan untuk melaporkan data seperti Item A dan Itemnh B beserta nilai support dan confidence.
4.2. Pembahasan
4.2.1. Pengujian White Box
White box testing merupakan metode perancangan test case yang menggunakan struktur kontrol dari perancangan prosedural untuk mendapatkan test case. Dengan menggunakan metode white box, analis sistem akan dapat memperoleh test case yang:
1. Menjamin seluruh independent path di dalam modul yang dikerjakan sekurang-kurangnya sekali
2. Mengerjakan seluruh keputusan logikal
3. Mengerjakan seluruh loop yang sesuai dengan batasannya
4. Mengerjakan seluruh struktur data internal yang menjamin validitas Dalam hal ini, pengujian tidak dilakukan terhadap keseluruhan program
tetapi hanya dilakukan pada sampel pengujian untuk pemilihan paket promosi penjualan.
Pengukuran kuantitatif terhadap kompleksitas logis suatu program (kompleksitas siklomatis) dari grafik alir dapat diperoleh dengan perhitungan:
Dimana :
E = jumlah edge grafik alir yang ditandakan dengan gambar panah N = Jumlah simpul grafik alir yang ditandakan dengan gambar lingkaran Dibawah ini adalah pengujian dari pemilihan paket promosi penjualan menggunakan algoritma apriori data mining.
Start
Input Variable
Proses
Hasil Paket Promosi Penjualan
Finish
Gambar 4. 10 Diagram Alir Program Gambar 4. 10 Diagram Alir Program
Memo1.Clear; x:= StrToInt(edt1.Text); y:= StrToInt(EdtMinConfidence.Text); if (x< = 0) or (x> 100) then
begin ShowMessage('Masukan nilai dari 1-100'); edt1.Clear;
1 edt1.SetFocus;
end else if (y< = 0) or (y> 100) then begin
ShowMessage('Masukan nilai dari 1-100'); EdtMinConfidence.Clear; EdtMinConfidence.SetFocus;
end else begin
min_transaksi := StrToInt(EdtMinTransaksi.text); min_support := StrToInt(edt1.Text); min_confidence := StrToFloat(EdtMinConfidence.Text); with DM.qry1 do
2 begin Close;
SQL.Text := ' SELECT count(OrderId) '+
' FROM Orders '; Open; edtEdtTotalTransaksi.Text := Fields[0] .AsString; total_transaksi := Fields[0] .AsInteger;
//= = = = = = = = = = = Hapus data terdahulu= = = = = = = = = = = = = = = = = //
Close; SQL.Text := 'DROP TABLE Results'; try
ExecSQL; except end;
Close; SQL.Text :=
3 ' CREATE TABLE Results ( '+
' ItemA Varchar(50), '+ ' ItemB Varchar(50), '+ ' Supp REAL, '+ ' conf REAL)';
try ExecSQL; except end;
//= = = = = = = = = = mengambil item yang memenuhi syarat (C1)= = = = = = = = = // C := 1;
Close; SQL.Text := 'DROP TABLE C1'; try
ExecSQL; except end;
Close; SQL.Text :=
' CREATE TABLE C1 ( '+ ' ITEM1 INTEGER, '+
4 ' JML INTEGER)'; try ExecSQL; except end;
Close; SQL.Text :=
' INSERT INTO C1 '+ ' SELECT ProductId, count(OrderId) '+ ' FROM [Order Details] '+ ' GROUP BY Productid '+ ' HAVING count(OrderId) > = ' +
FloatToStr(min_transaksi) + ' ORDER BY ProductId'; ExecSQL;
//= = = = = end of mengambil item yang memenuhi syarat (C1)= = = = = = = = = //
//= = = = = = = = mengambil item yang memenuhi syarat (C2 dst)= = = = = = = = //
while not keluar do begin inc(C);
Close; SQL.Text := 'DROP TABLE C' + IntToStr(C); try
ExecSQL; except end;
//buat tabel Close; SQL.Text := ' CREATE TABLE C' + IntToStr(C) + ' ( '; for i := 1 to C do
5 SQL.Add(' ITEM' + IntToStr(i) + ' INTEGER, ');
SQL.Add(' JML INTEGER)');
try ExecSQL; except end;
//isi tabel Close; SQL.Text := 'INSERT INTO C'+ IntToStr(C) +
' SELECT DISTINCT ';
for i := 1 to C-1 do SQL.Add (' P.ITEM' + IntToStr(i) + ', ');
SQL.Add(' Q.ITEM' + IntToStr(C-1) + ', '+
' (SELECT COUNT(O.ORDERID) '+ ' FROM ORDERS O '+
' WHERE (SELECT COUNT (*) FROM [ORDER DETAILS] D '+
' WHERE D.PRODUCTID IN (');
for i := 1 to C-1 do SQL.Add (' P.ITEM' + IntToStr(i) + ', ');