Perancangan Tampilan Antarmuka ANALISIS DAN PERANCANGAN

Login to Admin Username Password Login Tabel 3.25 Data Barang Nama Field Type Length Keterangan id_barang Integer 10 Nama_barang Varchar 30 2. Struktur Tabel Transaksi Tabel Transaksi berguna untuk menyimpan data transaksi penjualan. Struktur Tabel transaksi dapat dilihat tabel 3.13. Tabel 3.26 Data Transaksi Nama Field Type Length Keterangan id_transaksi Integer 10 Id Transaksi kode_transaksi Integer 10 Kode Transaksi tgl_transaksi Date 5 Tgl Transaksi id_barang Integer 10 Id Barang Keterangan : = Primary Key = Foregn Key

3.4 Perancangan Tampilan Antarmuka

Perancangan tampilan program dari aplikasi data mining yang akan dibuat adalah sebagai berikut : 3.4.1 Perancangan Form Login 1 2 Universitas Sumatera Utara Menu Utama Projek: Datamining Supermarket Algoritma Apriori dan FPGrowth Tanggal : xx-xx-xx About Me Barang Transaksi Home Algoritma Apriori Algoritma FP-Growth Halaman Admin Logout Gambar 3.21 Perancangan Form Login Untuk masuk ke dalam sistem, terlebih dahulu memasukan username1 dan password2, dan jika keduanya sudah sesuai maka klik login. Dan sudah dapat masuk ke sistem. 3.4.2 Perancangan Menu Utama Gambar 3.22 Perancangan Menu Utama Keterangan gambar: 3. Nama Projek Datamining Supermarket Algoritma Apriori dan FP-Growth 4. Tanggal 5. Menu home 6. About me, menu tentang penulis 7. Menu barang berisikan menginput dan penyimpanan nama barang 8. Menu transaksi berisikan pengolahan transaksi barang 9. Menu logout untuk keluar dari sistem 10. Algoritma Apriori, untuk proses mining dengan algoritma Apriori 11. Algoritma FP-Growth, untuk proses mining dengan algoritma FP-Growth 12. Halaman admin Pada menu utama, terdapat beberapa sub menu, yaitu: home, about me, barang, transaksi, dan logout. Terdapat juga tombol untuk proses mining dengan algoritma apriori dan algoritma FP-Growth. Menu barang digunakan untuk mengolah barang. 1 1 3 2 8 9 4 5 6 7 3 Universitas Sumatera Utara 3.4.3 Perancangan Transaksi Gambar 3.23 Perancangan Data Transaksi Pada Perancangan Transaksi terdapat tanggal transaksi. Di dalam pengelolaan transaksi, dapat menambah transaksi dengan mengklik yang ditandai no 5, dan dapat melihat data transaksi yang sudah di input, dengan memilih kode transaksi yang ditandai no 2, dan dapat memilih kode transaksi sesuai yang diinginkan dengan cara mengklik search ditandai no 3.No 4 adalah no nama barang yang diinput, sedangkan no 5 adalah kode transaksi, No 6 Tanggal transaksi, no 7 nama-nama barang, no 8 adalah options delete dan edit yaitu untuk menghapus atau mengedit nama barang. 3.4.4 Perancangan Olah Barang Transaksi Projek: Datamining Supermarket Algoritma Apriori dan FPGrowth Tanggal : xx-xx-xx About Me Barang Transaksi Home Algoritma Apriori Algoritma FP-Growth Data Transaksi Penjualan Barang Logout + Transaksi Kode Transaksi Search No Kode Transaksi Tanggal Transaksi Transaksi Barang Options 1 2 3 5 4 6 7 8 Olah Data Barang Projek: Datamining Supermarket Algoritma Apriori dan FPGrowth Tanggal : xx-xx-xx About Me Barang Transaksi Home Algoritma Apriori Algoritma FP-Growth Olah Data Barang Logout Nama Barang cansel Publish Barang Id Barang Nama Barang Options 1 3 4 6 5 1 Universitas Sumatera Utara Scanning Data Transaksi Dengan Algoritma Apriori Algoritma Apriori Scanning Data Transaksi Dengan Algoritma Apriori Minimum support Minimum confidence Kirm Kueri Jumlah transaksi Gambar 3.24 Perancangan Olah Barang Pada perancangan olah barang, dapat menambah, mengedit, dan menghapus data barang. Dengan cara menginput nama barang yang ditandai no 5, untuk menampilkan barang yang sudah diinput dapat mengklik publish yang ditandai no 3 , dan untuk membatalkan dengan dengan mengklik cansel yang ditandai no 2. No 4 merupakan id barang, dan no. 5 merupakan nama barang yang sudah diinput, dan pada no 6 merupakan options dimana nama barang yang sudah diinput dapat dihapus dengan mengklik delete dan dapat diedit dengan mengklik edit. 3.4.5 Perancangan Apriori 1 2 3 Universitas Sumatera Utara Gambar 3.25 Perancangan Proses Mining dengan Algoritma Apriori Pada proses mining Apriori, dengan menginput minimum support yang ditandai no 5, minimum confidence yang ditandai no 2, dan jumlah transaksi yang ditandai no 3, kemudian kirm queri yang ditandai no 4. Maka tampil output, yaitu rule yang dihasilkan dengan menggunakan apriori. 3.4.6 Perancangan FP-Growth 4 Universitas Sumatera Utara Scanning Data Transaksi Dengan Algoritma FP-Growth Algoritma FP-Growth Scanning Data Transaksi Dengan Algoritma FP-Growth Minimum support Minimum confidence Kirm Kueri Jumlah transaksi Gambar 3.26 Perancangan Proses Mining dengan Algortima FP-Growth Pada proses mining FP-Growth, dengan menginput minimum support yang ditandai no 1, minimum confidence yang ditandai no 2, dan jumlah transaksi yang ditandai no 3, setelah semua diinput kemudian kirm queri yang ditandai no 4. Maka tampil output, yaitu rule yang dihasilkan dengan menggunakan FP-Growth.

3.4.7 Perancangan Tampilan Out put FP-Growth

Setelah dikirm queri, maka tampil minimum confidence, minimum support, jumlah transaksi, dan tampil table kesimpulanrule dengan menggunakan apriori yang berisi kombinasi item yang sering dibeli konsumen. Waktu proses filtering juga tampil. 1 2 3 4 Algoritma FP-Growth Scanning Data Transaksi Dengan Algoritma FP-Growth Minimum support : xx Minimum confidence : xx Jumlah transaksi : xx Tabel Kesimpulan Waktu proses filtering : xx Gambar 3.27 Tampilan Output FP-Growth 1 2 Universitas Sumatera Utara Setelah dikirim queri data yang sudah diinput, maka tampil table kesimpulan berupa kombinasi barang dengan menggunakan algoritma FP-Growth yang ditandai no. 1, dan waktu proses filtering yang ditandai no. 2.

3.4.8 Perancangan Tampilan Out Put Apriori

Setelah dikirm queri, maka tampil minimum confidence, minimum support, jumlah transaksi, dan tampil table kesimpulanrule dengan menggunakan FP-Growth yang berisi kombinasi item yang sering dibeli konsumen. Waktu proses filtering juga tampil. Setelah dikirim queri maka tampil output dengan menggunakan algoritma FP-Growth. yang berupa Tabel kesimpulan yang ditandai no. 1. Tabel kesimpulan berisi korelasi barang pembelian yang merupakan informasi yang sangat berguna. Waktu proses dfiltering juga muncul yang ditandai no.2.

BAB 4 IMPLEMENTASI