Penerapan Data Mining Untuk Penyusunan Layout Produk di Summit The Boutique Outlet Menggunakan Metode Association Rule

DAFTAR RIWAYAT HIDUP

Data Pribadi

Nama : Silvia Manela

Tempat/TanggalLahir : Bandung, 29 Maret 1993

Umur : 23 Tahun

JenisKelamin : Perempuan

Alamat : Jl. Abdul Halim No.89 RT.01 RW.07 Kel.Cigugur

Tengah Kec.Cimahi Tengah Kota Cimahi

No. Telepon : 085659003676

Riwayat Pendidikan

1999 - 2005 Lulus SD Negeri Pasir Kaliki 9 Kota Bandung 2005 - 2008 Lulus SMP Negeri 47 Kota Bandung

2008 - 2011 Lulus SMK Pasundan 2 Kota Bandung 2011 – 2016 Universitas Komputer Indonesia

PENERAPAN

DATA MINING

UNTUK PENYUSUNAN

LAYOUT

PRODUK DI SUMMIT THE BOUTIQUE OUTLET

MENGGUNAKAN METODE

ASSOCIATION

RULE

SKRIPSI

Diajukan untuk Menempuh Tugas Akhir Sarjana

SILVIA MANELA 10111595

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK DAN ILMU KOMPUTER

UNIVERSITAS KOMPUTER INDONESIA

2016

KATA PENGANTAR

Alhamdulillahi Rabbil ‘Alamiin, Puji syukur Alhamdulillah penulis panjatkan kepada Allah SWT yang telah melimpahkan rahmat, hidayah dan karunia-Nya, sehingga penulis dapat menyelesaikan skripsi yang berjudul

“PENERAPAN DATA MINING UNTUK PENYUSUNAN LAYOUT PRODUK

DI SUMMIT THE BOUTIQUE OUTLET MENGGUNAKAN METODE

ASSOCIATION RULE.” untuk memenuhi salah satu syarat dalam menyelesaikan studi jenjang starata satu (S1) di Program Studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Dengan keterbatasan ilmu dan pengetahuan yang dimiliki oleh penulis, penyusunan skripsi ini tidak akan terwujud tanpa mendapat dukungan, bantuan dan masukan dari berbagai pihak. Oleh karena itu melalui kata pengantar ini, penulis ingin menyampaikan terima kasih yang sebesar-besarnya kepada:

1. Allah SWT atas segala nikmat yang telah diberikan sehingga penulis dapat menyelesaikan skripsi ini.

2. Junjungan besar, Nabi Muhammad SAW yang telah menujukkan

kepada kita jalan yang lurus berupa ajaram agama islam yang sempurna dan menjadi anugerah serta rahmat bagi seluruh alam semesta.

3. Kedua orang tua yang sangat penulis sayangi, Bapak Sudirman dan Ibu Elita yang selama ini telah memberikan dukungan baik secara moril maupun materil serta kasih sayang dan juga pengorbanan kepada penulis yang tidak terbalaskan.

4. Ibu Dian Dharmayanti, S.T., M.Kom selaku Sekertaris Program Studi Teknik Informatika dan dosen pembimbing yang telah membimbing

iv

6. Ibu Ednawati Rainarli, M.SI. selaku Dosen Wali IF-13/2011.

7. Kepada Ibu Paula selaku store manager dan juga Bapak Ilham selaku Supervisor di Summit Boutique Outlet yang telah memberikan ijin kepada penulis untuk melakukan penelitian di Summit The Boutique Outlet.

8. Adik-adik penulis, Ritno Andrian dan Putri Amelia yang telah memberikan semangat serta dukungan kepada penulis dalam menyelesaikan tugas akhir ini.

9. Nirwan Saeful Ahmad yang selalu setia menemani dan bersedia meluangkan waktunya untuk membantu segala keperluan selama menyelesaikan tugas akhir ini.

10.Lizuardi Danar, Dienurra, dan Deden yang selalu menyempatkan waktunya untuk membantu, memotivasi, dan bertukar pikiran dalam penyelesaian skripsi ini.

11.Teman – teman sehidup seskripsi, Martono, Wita, Rizal, Lukman, Eza, kak Mukti, dan Kiki yang sering menjadi teman begadang dalam mengerjakan revisi skripsi juga saling menyemangati disaat merasa lelah karena revision yang rasanya gak beres – beres.

12.Teman-Teman “Minion” Fitri, Adisty, Yayah, dan Evi yang selalu memberikan dukungan, motivasi, dan juga semangat kepada penulis. 13.Sahabatku tersayang Selvi Ramanda, Friska Suprianti, dan Winda

Puspita, maaf sering nolak diajak main dan piknik tapi tetap tak hentinya memberikan semangat dan doa agar skripsi ini cepat selesai. 14.Kepada teman-teman satu bimbingan Ibu Dian Dharmayanti, S.T.,

M.Kom yang selalu datang paling awal dan pulang paling akhir diantara mahasiswa skripsi lain dan bersama – sama menjadi “kuncen” terakhir di lorong sekjur IF.

15.Bapak dan Ibu dosen serta seluruh staf pegawai Program Studi Teknik Informatika Universitas Komputer Indonesia yang telah membantu penulis selama proses perkuliahan.

16.

Serta seluruh pihak yang tidak dapat penulis sebutkan satu persatu, terima kasih atas segala bentuk dukungan untuk menyelesaikan skripsi ini.

Di dalam pembuatan skripsi ini, penulis telah berusaha semaksimal mungkin walaupun demikian penulis menyadari bahwa skripsi ini jauh dari sempurna. Untuk itu penulis akan selalu menerima segala masukan yang ditujukan untuk menyempurnakan skripsi ini. Akhir kata, penulis berharap semoga skripsi ini dapat bermanfaat bagi penulis pada khususnya dan pembaca pada umumnya.

Wassalamu’alaikum Wr. Wb.

Bandung, Agustus 2016

Penulis

vi DAFTAR ISI

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI ... vi

DAFTAR GAMBAR ... viii

DAFTAR TABEL ... x

DAFTAR SIMBOL ... xii

DAFTAR LAMPIRAN………..xv

BAB 1 PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 2

1.3 Maksud dan Tujuan ... 3

1.4 Batasan Masalah ... 3

1.5 Metodologi Penelitian ... 3

1.5.1 Metode Pengumpulan Data ... 4

1.5.2 Metode Pembangunan Data Mining ... 4

1.5.3 Metode Pembangunan Perangkat Lunak ... 6

1.6 Sistematika Penulisan ... 8

BAB 2 TINJAUAN PUSTAKA ... 9

2.1 Tentang Perusahaan ... 9

2.1.1 Struktur Organisasi Perusahaan ... 9

2.1.2 Deskripsi Kerja ... 10

2.2 Landasan Teori ... 10

2.2.1 Data ... 10

2.2.2 Basis Data ... 11

2.2.3 Database Management System ... 16

2.2.4 Data Mining ... 16

2.2.5 Association Rule ... 19

2.2.6 Algoritma CT-Pro ... 21

2.2.7 Unifief Modelling Language (UML) ... 29

3.1 Analisis Sistem ... 33

3.1.1 Analisis Masalah ... 33

3.1.2 Analisis Non Fungsional dan Kebutuhan Non Fungsional ... 75

3.1.3 Analisis Kebutuhan Fungsional ... 76

3.2 Perancangan Sistem ... 103

3.2.1 Perancangan Kelas ... 103

3.2.2 Peracangan Data ... 106

3.2.3 Perancangan Struktur Menu ... 108

3.2.4 Perancangan Antar Muka ... 109

3.2.5 Perancangan Pesan ... 112

3.2.6 Jaringan Sematik ... 112

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM ... 113

4.1 Implementasi Sistem ... 113

4.1.1 Perangkat keras yang digunakan ... 113

4.1.2 Perangkat Lunak yang Digunanakan ... 114

4.1.3 Implementasi Basis Data ... 114

4.1.4 Implemetasi antar muka ... 115

4.2 Pengujian Sistem ... 116

4.2.1 Skenario Pengujian ... 117

4.2.2 Pengujian Fungsional ... 117

4.2.3 Kesimpulan Pengujian Fungsional ... 119

4.2.4 Hasil Wawancara ... 119

4.2.5 Kesimpulan Pengujian Betha ... 120

4.2.6 Pengujian Hasil ... 120

4.2.7 Kesimpulan Pengujian Hasil ... 124

BAB 5 KESIMPULAN DAN SARAN ... 125

5.1 Kesimpulan ... 125

127

DAFTAR PUSTAKA

[1] Sugiyono, “Metode Penelitian Kuantitatif dan R&D”, Bandung: Alfabeta, 2010.

[2] Brigida Arie, "Data Mining dalam Kerangka Kerja CRM", 2012. [Online]. Available: http://Data MiningData Mining_Informatika.html. [Diakses 4 Oktober 2015].

[3] I. Sommerville, “Software Engineering”, Edisi 6, Jakarta: Erlangga, 2003. [4] F. Buku Teks Komputer: “Basis Data”, 5th ed., Bandung: Informatika,

2004.

[5] W. Sistem Basis Data, “Analisis dan Pemodelan Data”, 1st ed., Yogyakarta: Graha Ilmu, 2003.

[6] Fathansyah, “Basis Data”, Bandung: Informatika 2012.

[7] B. Santoso, Data Mining: “Teknik Pemanfaatan Data Untuk Keperluan

Bisnis”, Yogyakarta: Graha Ilmu, 2007.

[8] Kusrini, Taufiq Luthfi Emha, “Algoritma Data Mining”, Yogyakarta, Andi, 2009.

[9] J. Han and M. Kamber, Data Mining: Concepts and Techniques, 2nd ed., San Francisco: Morgan Kaufmann Publishers, 2006.

[10] K. and E. T. Luthfi, Algoritma Data Mining, Andi, 2009

[11] D. T. Larose, Discovering Knowledge In Data: “An Introduction To Data

Mining”, New Jersey: Wiley Interscience, 2005.

[12] Rohmania Putri Nurlaili, Sari Widya Sihwi dan Meiyanto Eko Sulistyo,

“Implementasi Algoritma CT-Pro untuk menemukan pola pada data siswa

SMA”, Sesindo, 2014.

[13] Y.G Sucahyo and R. P. Gopalan, “ CT-PRO: A Bpttom Up Non Recursive

Sructure”. In proc Paper presented at the IEEE ICDM Workshop on

Frequent Itemset Mning Implementation (FIMI), Brighton UK, 2004.

[14] Prabowo P. Widodo dan Herlawati. “Menggunakan UML”. Informatika

1

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Summit Boutique Outlet adalah sebuah tempat perbelanjaan yang menyediakan banyak jenis barang antara lain pakaian, aksesoris, juga oleh – oleh. Dari barang - barang yang tersedia, barang tersebut dibedakan menjadi beberapa jenis art. Setiap beberapa bulan sekali Summit memperbarui tata letak barangnya, ini dikarenakan beberapa jenis art yang jarang dibeli oleh konsumen sehingga butuh penempatan yang baru, diharapkan layout baru ini dapat membuat jenis art lebih mudah diperhatikan oleh pelanggan dan layout baru juga dimaksudkan agar toko terlihat rapi dan juga suasana baru untuk toko.

Format tampilan letak jenis art di Summit ini masih berdasarkan pandangan dari Supervisor dan tidak ada aturan khusus dari atasan toko dalam penyusunannya, yang pasti Supervisor ditugaskan untuk menentukan letak jenis art agar barang terlihat rapi dan menarik yang nantinya Supervisor akan memerintahkan Pramuniaga untuk menyusun jenis art tersebut berdasarkan letak terbaik menurutnya. Jenis art di Summit yang banyak dan barang baru dengan berbagai jenis art yang datang sering kali membuat bingung Supervisor untuk memutuskan tempat mana yang paling baik untuk meletakkan jenis art tersebut sehingga kerap kali Supervisor meletakkan barang tersebut di tempat yang kurang bagus sehingga malah membuat jenis art tersebut tidak diperhatikan oleh pelanggan, belum lagi kadang terdapat jenis art yang jarang dibeli oleh pelanggan dan butuh layout baru.

Konsumen yang datang ke Summit kebanyakan merupakan rombongan yang sering kali membeli beberapa barang secara bersama sehingga sering kali ditemukan satu transaksi penjualan dengan lebih dari satu jenis art. Banyaknya data penjualan yang ada di Summit hanya disimpan sebagai arsip semata dan tidak dimanfaatkan guna kepentingan Summit itu sendiri. Pemanfaatan data penjualan yang bisa dilakukan adalah penggalian informasi pada penjualan yang nantinya

2

akan menghasilkan pola pembelian rata – rata konsumen yang terjadi setiap hari. Pola pembelian konsumen setiap hari dapat digunakan untuk mengatasi salah satu masalah yang terjadi di Summit yaitu dalam penempatan layout barang. Oleh karena itu penulis ingin mencoba mengatasi masalah tersebut dengan mencoba memberikan rekomendasi terhadap penempatan tata letak jenis art kepada karyawan toko dengan merapkan data mining pada data penjualan di Summit The Boutique Outlet menggunakan metode Association Rule untuk melihat hubungan asosiasi antara sejumlah atribut penjualan guna mendapatkan pola pembelian dari konsumen tentang jenis art apa saja yang konsisten dibeli secara bersamaan sehingga nantinya dapat menjawab permasalah penyusunan tata letak jenis art yang baik guna memudahkan karyawan toko untuk menyusun barang juga memudahkan calon konsumen dalam memilih barang yang diinginkan.

Data mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual (Pramudiono, 2007). Dalam bidang keilmuan data mining, terdapat suatu metode yang dinamakan Association Rule. Metode ini sering disebut dengan market basket analysis karena awal mulanya yang berasal dari studi tentang database transaksi penjualan (Santoso, 2007). Association Rule bertujuan untuk menunjukan nilai asosiatif antara kategori produk yang sering dibeli bersamaan dalam satu transaksi penjualan. Dengan mengetahui kategori apa saja yang sering dibeli bersamaan maka dapat menghasilkan sebuah rekomendasi penempatan layout barang yang lebih baik dalam mengambil keputusan dalam penempatan barang.

1.2 Rumusan Masalah

Dari latar belakang yang telah dipaparkan di atas, maka dapat disimpulkan bagaimana cara menerapkan data mining pada data penjualan yang ada pada Summit The Boutique Outlet dengan menggunakan metode Association rule untuk permasalahan layout barang yang terdapat di Summit The Boutique Outlet.

3

1.3 Maksud dan Tujuan

Maksud dari skripsi ini adalah untuk menerapkan data mining pada data penjualan dengan menggunakan metode association rule untuk penyusunan layout produk di Summit The Boutique Outlet menggunakan algoritma CT- PRO.

Adapun tujuan yang ingin dicapai pada penelitian ini adalah :

1. Membantu Summit the Boutique Outlet mengetahui informasi tentang

pola pembelian konsumen.

2. Memberikan rekomendasi kepada Supervisor tentang penempatan

setiap jenis art di Summit the Boutique Outlet

1.4 Batasan Masalah

Agar penelitian terfokus pada tujuan yang ingin dicapai maka dibuatlah suatu batasan masalah mengenasi penilitian ini. Di bawah ini merupakan batasan masalah, yaitu:

1. Data yang akan dianalisis adalah data transaksi penjualan yang ada pada Summit the Boutique Outlet pada bulan januari 2014 dengan banyak data penjualan yang digunakan sebanya 353 record.

2. Metode yang digunakan adalah metode association rule dengan

menggunakan algoritma CT-PRO.

3. Hasil analisis adalah pengetahuan mengenai pola pembelian

konsumen terhadap produk yang tersedia di Summit the Boutique Outlet.

4. Metode analisis yang digunakanan dalam pembangunan perangkat

lunak ini menggunakan pendekatan analisis Pemrograman

Berorientasi Objek.

5. Aplikasi yang dibangun berbasis desktop dengan bahasa pemrograman

C# dan menggunakan databaseMYSQL.

1.5 Metodologi Penelitian

Metodologi penelitian yang digunakan adalah metode penelitian deskriptif, yaitu metode penelitian yang bertujuan untuk memberikan gambaran atau deskripsi tentang suatu keadaan secara objektif [1]. Metodologi penelitian ini

4

dibagi menjadi 2 tahap, yaitu metode pengumpulan data dan metode pembangunan perangkat lunak. Adapun metode pengumpulan data, penelitian data mining dan pembangunan perangkat lunak sebagai berikut :

1.5.1 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan pada penelitian ini adalah sebagai berikut:

1. Studi Literatur

Teknik pengumpulan data dengan cara mengumpulkan literatur, jurnal, paper, dan buku yang berkaitan dengan penelitian yang dilakukan.

2. Wawancara

Teknik pengumpulan data dengan cara berinteraksi atau

berkomunikasi secara langsung kepada responden dengan mengajukan pertanyaan yang sesuai dengan topik yang diambil.

1.5.2 Metode Pembangunan Data Mining

Dalam penelitian ini mengikuti standar dari Cross-Industry Standard for Data Mining (CRISP-DM) merupakan suatu standar yang telah dikembangkan pada tahun 1996 yang ditunjukkan untuk melakukan proses analisis dari suatu industri sebagai strategi pemecahan masalah dari bisnis satu unit penelitian [2]. Untuk data yang dapat diproses dengan CRISP-DM ini, tidak ada ketentuan atau karakteristik tertentu, karena data tersebut akan diproses kembali pada fase-fase didalamnya.

5

Gambar 1. 1 Cross-Industry Standard for Data Mining (CRISP-DM) [2]

Berikut ini adalah tahapan-tahapan yang akan dilakukan dalam penelitian ini sesuai dengan CRISP-DM:

a. Business Understanding

Penerapan data mining pada penelitian ini adalah untuk memberikan informasi tentang rekomendasi penyusunan layout jenis art di Summit the Boutique Outlet.

b. Data Understanding

Pada tahap pemahaman data ini terlebih dahulu akan mengumpulkan semua data yang diperlukan dari hasil data-data transaksi di Summit the Boutique Outlet.

c. Data Preparation

Pada tahapan ini akan dilakukan proses pemilihan dan pengolahan data yang nantinya akan diperlukan dalam tahap pemodelan sehingga pemodelan yang dilakukan dapat memberikan hasil yang maksimal sesuai dengan target yang diinginkan, data yang akan dipilih adalah data transaksi di Summit the Boutique Outlet adalah data penjualan pada bulan Januari 2014 sebanyak 353 record.

d. Modeling

Dalam tahapan pemodelan ini akan menggunakan teknik metode data mining dengan metode association rule dengan cara menemukan

6

aturan asosiatif atau pola kombinasi barang berdasarkan hasil data transaksi, sehingga dapat diketahui barang apa saja yang sering dibeli secara bersamaan oleh konsumen.

e. Evaluation

Pada tahap evaluasi ini akan dibandingkan hasil CT-Pro dilakukan oleh sistem dengan perhitungan manual, dengan mengambil beberapa sampel acak. Evaluasi ini ditujukan untuk mengukur apakah pemodelan yang dilakukan sesuai dengan tujuan pengimplementasian

data mining pada sistem ini.

f. Deployment

Setiap tahap evaluasi dimana menilai secara detail hasil dari

pemodelan, maka akan dilakukan pengimplementasian dari

keseluruhan model yang telah dirancang. Selain itu juga dilakukan penyesuaian dari model dengan sistem yang akan dibangun sehingga dapat menghasilkan suatu hasil yang sesuai dengan target pemahaman bisnis

1.5.3 Metode Pembangunan Perangkat Lunak

Dalam pembangunan aplikasi ini menggunakan model waterfall sebagai tahapan pengembangan perangkat lunak ini. Waterfall adalah model klasik yang bersifat sistematis, berurutan dalam membangun software [3]. Adapun tahapan proses tersebut adalah sebagai berikut:

7

1. Requirements analysis and definition

Tahap requirements analysis and definition adalah tahap

pengumpulan data terhadap kebutuhan sistem, batasan dan tujuan dibuatnya perangkat lunak. Tahap pengumpulan data haruslah sedetail mungkin, karena nantinya akan digunakan sebagai spesifikasi sistem yang akan dibangun.

2. System and software design

Tahap system and software design adalah tahap mendesain perangkat lunak yang dikerjakan setelah kebutuhan selesai dikumpulkan secara lengkap.

3. Implementation and unit testing

Tahap implementation and unit testing merupakan hasil dari tahap desain yang dibentuk kedalam baris kode-kode program berdasarkan bahawa pemrograman yang telah di tentukan sebelumnya. Program yang telah di buat kemudian diuji bersarkan unitnya.

4. Integration and system testing

Tahap integration and system testing adalah tahap penyatuan unit-unit program menjadi sebuah kesatuan sistem yang kemudian diuji secara keseluruhan.

5. Operation and maintenance

Tahap operation and maintenance adalah tahap pengoprasian program di lingkungannya dan melakukan pemeliharaan, seperti koreksi error yang sebelumnya tidak diketahui pada tahapan sistem testing, selain daripada itu tahapan ini juga digunakan untuk mengadaptasi terhadap kebutuhan yang baru diketahui dari kedaan lingkungan sebenarnya.

8

1.6 Sistematika Penulisan

Sistematika penulisan laporan akhir penelitian ini disusun untuk mendeskripsikan secara umum tentang penelitian yang dilakukan. Sistematika penulisan tugas akhir ini adalah sebagai berikut :

BAB 1 PENDAHULUAN

Menjelaskan tentang latar belakang permasalahan, merumuskan inti permasalahan, menentukan maksud dan tujuan penelitian, batasan masalah, yang kemudian diikuti dengan metodologi penelitian, serta sistematika penulisan.

BAB 2 LANDASAN TEORI

Membahas berbagai konsep dasar dan teori-teori yang berkaitan dengan topik penelitian yang dilakukan dan hal-hal yang berguna dalam proses analisis permasalahan serta tinjauan terhadap penelitian.

BAB 3 ANALISIS DAN PERANCANGAN

Menganalisis masalah dari data hasil penelitian, kemudian dilakukan pula proses perancangan sistem yang akan dibangun sesuai dengan analisa yang telah dilakukan.

BAB 4 IMPLEMENTASI DAN PENGUJIAN

Membahas tentang mplementasi dari tahapan-tahapan penting yang telah dilakukan sebelumnya kemudian dilakukan pengujian terhadap sistem sesuai dengan tahapan yang telah dijalani untuk memperlihatkan sejauh mana sistem yang dibangun layak digunakan.

BAB 5 KESIMPULAN DAN SARAN

Berisi kesimpulan dan saran yang diharapkan dapat menjadi masukan untuk pengembangan aplikasi dimasa yang akan datang.

BAB 2

TINJAUAN PUSTAKA

2.1 Tentang Perusahaan

Summit The Boutique Outlet adalah sebuah tempat perbelanjaan yang berada di Jl. R.E. Marthadinata Bandung yang berdiri sejak tahun 2001 dan salah satu bidang usaha yang dikelola oleh PT. The Big Price Cut Group yang berada di Jl. Cipaganti Kota Bandung. Ada banyak jenis barang yang dijual di Summit antara lain fashion, aksesoris, juga oleh – oleh khas Bandung. Dari barang yang tersedia, jenis barang tersebut dibedakan menjadi beberapa kategori barang untuk membedakan jenis barang tersebut.

2.1.1 Struktur Organisasi Perusahaan

Struktur organisasi perusahaan adalah gambar suatu bagan yang menerangkan posisi atau jabatan dan struktur kerja pegawai dalam suatu perusahaan. Berikut ini adalah struktur organisasi di Summit The Boutique Outlet:

Store Manager

Supervisor

10

2.1.2 Deskripsi Kerja

Setiap perusahaan tentu memiliki karyawan – karyawan yang

diperkerjakan untuk membuat perusahaan maju dan keryawan – karywan memiliki tugasnya masing – masing. Berikut deskripsi kerja dari masing – masing karyawan yang bekerja di Summit the boutique outlet :

1. Store Manager

Store Maneger bertugas untuk mengawasi kerja para karyawan, pengambil keputusan dan penanggung jawab semua aktifitas yang berada di Summit.

2. Supervisor

Supervisor bertugas untuk Mengawasi semua aktifitas dan membatu aktifitas di Summit.

3. Admin

Admin bertugas untuk mengelola semua data yang ada di Summit seperti data penjualan, data gudang, data barang dan lain – lain.

4. Kordinator Lapangan

Mengevaluasi absensi karyawan kepada Store manager.

5. Pramuniaga

Bertugas untuk melayani customer yang akan membeli barang di Summit, merapihkan barang, juga menyimpan letak barang untuk dipajang.

2.2 Landasan Teori

Landasan teori adalah membahas tentang materi atau teori apa saja yang digunakan sebagai bahan acuan dalam membuat tugas akhir ini. Landasan teori yang digunakan merupakan hasil studi literature baik dari buku atau situs internet.

2.2.1 Data

Data adalah sesuatu yang belum mempunyai arti bagi penerimanya dan masih memerlukan adanya suatu pengolahan. Data bisa berujut suatu keadaan, gambar, suara, huruf, angka, matematika, bahasa ataupun simbol-simbol lainnya

yang bisa kita gunakan sebagai bahan untuk melihat lingkungan, obyek, kejadian ataupun suatu konsep [4]. Dalam pendekatan basis data tidak hanya berisi basis data itu sendiri tetapi juga termasuk definisi atau deskripsi dari data yang disimpan. Definisi data disimpan dalam sistem katalog, yang berisi informasi tentang struktur tiap berkas, tipe dan format penyimpanan tiap item data, dan berbagai konstrin dari data. Semua informasi yang disimpan dalam katalog ini biasa disebut meta-data [5].

2.2.2 Basis Data

Basis data adalah mekanisme yang digunakan untuk menyimpan informasi atau data. Informasi adalah sesuatu yang kita gunakan sehari-hari untuk berbagai alasan. Dengan basis data, pengguna dapat menyimpan data secara terorganisasi. Setelah data disimpan, informasi harus mudah diambil. Kriteria dapat digunakan untuk mengambil informasi. Cara data disimpan dalam basis data menentukan seberapa mudah mencari informasi berdasarkan banyak kriteria. Data pun harus mudah ditambahkan ke dalam basis data, dimodifikasi, dan dihapus [6].

basis data sendiri dapat didefinisikan dalam sejumlah sudut pandang seperti:

1. Himpunan kelompok data (arsip) yang saling berhubungan yang diorganisasi sedemikian rupa agar kelak dapat dimanfaatkan kembali dengan cepat dan mudah.

2. Kumpulan data yang saling berhubungan yang disimpan secara bersama sedemikian rupa dan tanpa pengulangan (redudansi) yang tidak perlu, untuk memenuhi berbagai kebutuhan.

3. Kumpulan file/ tabel/ arsip yang saling berhubungan yang disimpan dalam media penyimpanan elektronis

12

2.2.2.1Operasi Dasar Basis Data

Didalam sebuah disk, basis data dapat diciptakan dan dapat pula ditiadakan. Didalam sebuah disk, kita dapat pula menempatkan beberapa (lebih dari satu) basisdata. Sementara dalam sebuah basis data, kita dapat menempatkan satu atau lebih file/tabel. Pada file/tabel inilah sesungguhnya data disimpan/ditempatkan. Setiap basis data umumnya dibuat untuk mewakili sebuah semesta data yang spesifik. Misalnya, ada basis data kepegawaian, basis data akademik, basis data inventori (pergudangan), dan sebagainya. Sementara dalam basis data akademik, misalnya, kita dapat menempatkan file mahasiswa, file

mata_kuliah, file dosen, file jadwal, file kehadiran, file nilai, dan seterusnya. Karena itu, operasi-operasi dasar yang dapat kita lakukan berkenaan dengan basis data dapat meliputi [6]:

1. Pembuatan basis data baru (create database), yang identik dengan pembuatan lemari arsip yang baru.

2. Penghapusan basis data (drop database), yang identik dengan perusakan lemari arsip (sekaligus beserta isinya, jika ada).

3. Pembuatan file/tabel dari suatu basis data (create table), yang identik dengan penambahan map arsip baru ke sebuah lemari sarsip yang telah ada.

4. Penghapusan file/tabel dari suatu basis data (drop table), yang identik dengan perusakan map arsip lama yang ada disebuah lemari arsip. 5. Penambahan/pengisian data baru ke sebuah file/tabel disebuah basis

data (insert), yang identik dengan penambahan ke lemari arsip ke sebuah map arsip.

6. Pengambilan data dari sebuah file/tabel (retrieve/search) yang identik dengan pencarian lembaran arsip dari sebuah map arsip.

7. Pengubahan data dari sebuah file/tabel (update), yang identik dengan perbaikanisi lembaran arsip yang ada di sebuah map arsip.

8. Penghapusan data dari sebuah file/tabel (delete), yang identik dengan penghapusan sebuah lembaran arsip yang ada di sebuah map arsip.

Operasi yang berkenaan dengan pembuatan objek (basis data dan tabel) merupakan operasi awal yang hanya dilakukan sekali dan berlaku seterusnya. Sedang operasi-operasi yang berkaitan dengan isi tabel (data) merupakan operasi rutin yang akan berlangsung berulang-ulang dan karena itu operasi-operasi inilah yang lebih tepat mewakili aktivitas pengelolaan (management) dan pengolahan (processing) data dalam basis data [6].

2.2.2.2Objektif Basis Data

Telah disebutkan diawal bahwa tujuan awal dan utama dalam pengelolaan data dalam sebuah basis data adalah agar kita dapat memperoleh/menemukan kembali data (yang kita cari) dengan mudah dan cepat. Di samping itu, pemanfaatan basis data untuk pengelolaan data, juga memiliki tujuan-tujuan lain [6]. Secara lebih lengkap, pemanfaatan basis data dilakukan untuk memenuhi sejumlah tujuan (objektif) seperti buku ini [6]:

1. Kecepatan dan Kemudahan (Speed)

Pemanfaatan basis data memungkinkan kita untuk dapat menyimpan data atau melakukan perubahan/manipulasi terhadap data atau menampilkan kembali data tersebut dengan lebih cepat dan mudah, daripada jika kita menyimpan data secara manual (non elektronis) atau secara elektronis (tetapi tidak dalam bentuk penerapan basis data, misalnya dalam bentuk spread sheet atau dokumen teks biasa).

2. Efisiensi Ruang Penyimpanan (Space)

Karena keterkaitan yang erat antar kelompok data dalam sebuah basis data, maka redundansi (pengulangan) data pasti akan selalu ada. Banyaknya redundansi ini tentu akan memperbesar ruang penyimpanan (baik di memori utama maupun memori sekunder) yang harus disediakan. Dengan basis data, efisiensi/optimalisasi

14

3. Keakuratan (Accuracy)

Pemanfaatan pengkodean atau pembentukan relasi antar data bersama dengan penerapan aturan/batasan (constraint) tipe data, domain data, keunikan data, dan sebagainya, yang seara ketat dapat diterapkan dalam sebuah basis data, sangat berguna untuk menekan ketidakakuratan pemasukan/penyimpanan data.

4. Ketersediaan (Availability)

Pertumbuhan data (baik dari sisi jumlah maupun jenisnya) sejalan dengan waktu akan semakin membutuhkan ruang penyimpanan yang besar. Padahal tidak semua data itu selalu kita gunakan/butuhkan. Karena itu kita dapat memilah adanya data utama/master/referensi, data transaksi, data histori hingga data kadaluarsa. Data yang sudah jarang atau bahkan tidak pernah lagi kita gunakan, dapat kita atur untuk dilepaskan dari sistem basis data yang sedang aktif (menjadi off-line) baik dengan cara penghapusan atau dengan memindahkannya ke media penyimpanan off-line (seperti removable disk atau tape). Di sisi lain, karena kepentingan pemakaian data, sebuah basis data dapat memiliki data yang disebar di banyak lokasi geografis. Data nasabah sebuah bank, misalnya, dipisah-pisah dan disimpan dilokasi yang sesuai dengan keberadaan nasabah. Dengan pemanfaatan teknologi jaringan komputer, data yang berada di suatu lokasi/cabang, dapat juga diakses (menjadi tersedia/available) bagi lokasi/cabang lain. 5. Kelengkapan (Completenes)

Lengkap/tidaknya data yang kita kelola dalam sebuah basis data bersifat relatif (baik terhadap kebutuhan pemakai maupun terhadap waktu). Bila seorang pemakai sudah menganggap bahwa data yang dipelihara sudah lengkap, maka pemakai yang lain belum tentu berpendapat sama. Atau, yang sekarang dianggap sudah lengkap, belum tentu di masa yang akan datang juga demikian. Dalam sebuah basis data, di samping data kita juga harus menyimpan struktur (baik yang mendefinisikan objek-objek dalam basis data maupun definisi

dari tiap objek, seperti struktur file/tabel atau indeks). Untuk mengakomodasi kebutuhan kelengkapan data yang semakin berkembang, maka kita tidak hanya dapat menambah record-record

data, tetapi juga dapat melakukan perubahan struktur dalam basis data, baik dalam bentuk penambahan objek baru (tabel) atau dengan penambahan field-field baru pada suatu tabel.

6. Keamanan (Security)

Memang ada sejumlah (aplikasi) pengelola basis data yang tidak menerapkan aspek keamanan dalam penggunaan basis data. Tetapi untuk sistem yang besar dan serius, aspek keamanan juga dapat diterapkan dengan ketat. Dengan begitu kita dapat menentukan siapa-siapa (pemakai) yang boleh menggunakan basis data beserta objek-objek di dalamnya dan menentukan jenis-jenis operasi apa saja yang boleh dilakukannya.

7. Kebersamaan Pemakaian (Sharability)

Pemakai basis data seringkali tidak terbatas pada satu pemakai saja, atau di satu lokasi saja atau oleh satu sistem/aplikasi saja. Data pegawai dalam basis data kepegawaian, misalnya, dapat digunakan oleh banyak pemakai, dari sejumlah departemen dalam perusahaan atau oleh banyak sistem (sistem penggajian, sistem akuntansi, sistem inventori, dan sebagainya). Basis data yang dikelola oleh sistem (aplikasi) yang mendukung lingkungan multiuser, akan dapat memenuhi kebutuhan ini, tetapi tetap dengan menjaga/menghindari (karena data yang sama diubah oleh banyak pemakai pada saat yang bersamaan) atau kondisi deadlock (karena ada banyak pemakai yang saling menunggu untuk menggunakan data).

16

2.2.3 Database Management System

Kumpulan atau gabungan database dengan perangkat lunak aplikasi yang berbasis database tersebut dinamakan Database Management System (DBMS). DBMS merupakan koleksi terpadu dari database dan program–program komputer (utilitas) yang digunakan untuk mengakses dan memelihara database. Program-program tersebut menyediakan berbagai fasilitas operasi untuk memasukan, melacak, dan memodifikasi data kedalam database, mendefinisikan data baru, serta mengolah data menjadi informasi yang dibutuhkan (DBMS = Database + Program Utilitas) [4]. Perangkat lunak yang termasuk DBMS seperti dBase,

FoxBase, Rbase, Microsoft-Access (sering juga disingkat Ms-Access) dan Borland Pradox (untuk DBMS yang sederhana) atau Borland-Interbase, MS-Sql, Sever,

Oracle Database, IBM, DB2, Informix, Sybase, MySql, PostgreSQL (untuk DBMS yang lebih kompleks dan lengkap) [6].

2.2.4 Data Mining

Data mining, sering juga disebut knowledge discovery in database (KDD), adalah kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola atau hubungan dalam set data berukuran besar. Keluaran dari data mining ini bisa dipakai untuk memperbaiki pengambilan keputusan di masa depan. Sehingga istilah pattern recognition sekarang jarang digunakan karena ia termasuk bagian dari data mining [7]. 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 mengektrasi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar (Turban, dkk. 2005) [8].

2.2.4.1Tahapan Data Mining

Berikut adalah tahapan dalam data mining : 1. Data Selection

Seleksi data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi dalam KDD dimulai. Data hasil seleksi yang akan digunakan untuk proses data mining, disimpan dalam suatu berkas, terpisah dari baris data operasional.

2. Pre-Processing/cleaning

Sebelum proses data mining dapat dilakukan, perlu dilakukan dahulu proses cleaning pada data yang menjadi fokus KDD, Knowledge Discovery Databases. Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan memeperbaiki kesalahan pada data. Juga dilakukan proses enrichment,

yaitu proses “meperkaya” data yang sudah ada dengan data atau

informasi lain yang relevan dan diperlukan untuk KDD. Pre-processing data adalah hal yang harus dilakukan dalam proses data mining karena tidak semua data atau atribut data dalam data digunakan dalam proses data mining. Proses ini dilakukan agar data yang akan digunakan sesuai dengan kebutuhan. Adapun langkah-langkah pre-processing adalah sebagai berikut :

a. Pemilihan atribut (atribut selection)

Pemilihan atribut adalah proses pemilihan atribut data yang akan digunakan sehingga dapat kita olah untuk proses mining.

b. Pembersihan data (data cleaning)

Proses menghilangkan noise dan menghilangkan data yang tidak

relevan. 3. Transformation

Coding adalah proses transformasi pada ata yang telah dipilih, sehingga data tersebut sesuai untuk proses data mining. Proses coding

18

Teknik, metode, atau algortima yang tepat sangat bergantung pada tujuan dan proses KDD secara keseluruhan.

5. Interpretation/evaluate on

Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap ini merupakan bagian dari proses KDD yang disebut interpretation. Tahap ini mencakup pemeriksaan apakah pola atau informasi yang disebut bertentangan dengan fakta atau hipotesis yang ada sebelumnya.

2.2.4.2Metode Data Mining

Secara garis besar, Han dalam bukunya menjelaskan bahwa metode data mining dapat dilihat dari dua sudut pandang pendekatan yang berbeda, yaitu pendekatan deskriptif dan pendekatan prediktif [9].

Pendekatan deskriptif adalah pendekatan dengan cara mendeskripsikan data inputan. Metode yang termasuk kedalam pendekatan ini adalah :

1. Metode deskripsi konsep/kelas, yaitu data dapat diasosiasikan dengan kelas atau konsep. Ada tiga macam pendeskripsian yaitu (1) karakteristik data, dengan membuat summary karakter umum atau fitur data suatu kelas target, (2) diskriminasi data, dengan membandingkan class target dengan satu atau sekelompok kelas pembanding, (3) gabungkan antara karakterisasi dan diskriminasi. 2. Metode association rule, yaitu menemukan aturan asosiatif atau pola

kombinasi dari suatu item yang sering terjadi dalam sebuah data. Pendekatan kedua adalah pendekatan prediktif, yaitu pendekatan yang dapat digunakan untuk memprediksi, dengan hasil berupa kelas atau cluster. Metode yang termasuk dalam pendekatan ini adalah :

1. Metode klasifikasi dan prediksi, yaitu metode analisis data yang digunakan untuk membentuk model yang mendeskripsikan kelas data yang penting, atau model yang memprediksikan trend data. Klasifikasi digunakan untuk memprediksi kelas data yang bersifat kategorial,

sedangkan prediksi untuk memodelkan fungsi yang mempunyai nilai kontinu.

2. Metode clustering, mengelompokan data untuk membentuk kelas-kelas baru atau sering disebut cluster. Metode clustering bertujuan

untuk memaksimalkan persamaan dalam satu cluster dan

meminimalkan perbedaan antar cluster.

2.2.5 Association Rule

Association Rule atau Aturan Asosiasi adalah teknik Data Mining untuk menemukan aturan asosiatif atau pola kombinasi dari suatu item. Bila kita mengambil contoh aturan asosiatif dalam suatu transaksi pembelian barang di suatu minimarket adalah kita dapat mengetahui berapa besar kemungkinan seorang konsumen membeli suatu item bersamaan dengan item lainnya (membeli roti bersama dengan selai). Karena awalnya berasal dari studi tentang database transaksi pelanggan untuk menentukan kebiasaan suatu produk dibeli bersama apa, maka association rule sering juga dinamakan market basket analysis [7].

Association Rule adalah bentuk jika “kejadian sebelumnya” kemudian “konsekuensinya” (If antecedent, then consequent), yang diikuti dengan perhitungan aturan support dan confidence. Bentuk umum dari association rule

adalah Antecedent -> Consequent. Bila kita ambil contoh dalam sebuah transaksi pembelian barang di sebuah minimarket didapat bentuk association rule roti -> selai, artinya bahwa pelanggan yang membeli roti ada kemungkinan pelanggan tersebut juga akan membeli selai, dimana tidak ada batasan dalam jumlah item-item pada bagian antecedent ataupun consequent dalam sebuah rule.

Association rule memiliki dua tahap pengerjaan, yaitu [10]: 1. Mencari kombinasi yang paling sering terjadi dari suatu itemset. 2. Mendefinisikan Condition dan Result (Generate Rule)

20

1. Support : suatu ukuran yang menunjukkan seberapa besar tingkat dominasi suatu item/itemset dari keseluruhan transaksi. Ukuran ini menentukan apakah suatu item/itemset layak untuk dicari confidence-nya (misal, dari keseluruhan transaksi yang ada, seberapa besar tingkat dominasi suatu item yang menunjukkan bahwa item A dan item B dibeli bersamaan).

2. Confidence : suatu ukuran yang menunjukkan hubungan antara 2 item secara conditional (misal, menghitung kemungkinan seberapa sering item B dibeli oleh pelanggan jika pelanggan tersebut membeli sebuah item A).

Kedua ukuran ini nantinya berguna dalam menentukan kekuatan suatu pola dengan membandingkan pola tersebut dengan nilai minimum kedua parameter tersebut yang ditentukan oleh pengguna. Bila suatu pola memenuhi kedua nilai minimum parameter yang sudah ditentukan sebelumnya, maka pola tersebut dapat disebut sebagai interesting rule atau strong rule.

2.2.5.1Metodologi Dasar Analisis Asosiasi

Metodologi dasar Association Rule terbagi menjadi dua tahap, yaitu [10]: a. Analisa pola frekuensi tinggi

Tahap ini mencari pola item yang memenuhi syarat minimum dari nilai

support dalam database. Menurut Larose, kita bebas menentukan nilai

minimum support (minsup) dan minimum confidence (mincof) sesuai kebutuhan [11]. Sebagai contoh, bila ingin menemukan data-data yang memiliki hubungan asosiasi yang kuat, minsup dan mincof-nya bisa diberi nilai yang tinggi. Sebaliknya, bila ingin melihat banyaknya variasi data tanpa terlalu mempedulikan kuat atau tidaknya hubungan asosiasi antara item-nya, nilai minsup dan mincofnya dapat diisi rendah. Untuk rekomendasi dalam menentukan minimum support dapat diambil dari perhitungan rata-rata 1 jenis produk pada data yang digunakan, seperti rumus berikut :

Persamaan 1 menjelaskan bahwa nilai support didapat dengan cara membagi jumlah transaksi yang mengandung item A (satu item) dengan jumlah total seluruh transaksi. Sedangkan untuk mencari nilai support dari 2 item menggunakan rumus berikut :

Support(A,B) = P(A ∩ B) = (Persamaan 2-2)

Persamaan 2 menjelaskan bahwa nilai support 2-itemsets didapat dengan cara membagi jumlah transaksi yang mengandung item A dan item

B (item pertama bersamaan dengan item yang lain) dengan jumlah total seluruh transaksi.

1. Pembentukan Aturan Assosiatif

Setelah semua pola frekuensi tinggi ditemukan, kemudian mencari aturan asosiatif yang memenuhi syarat minimum untuk confidence dengan menghitung confidence aturan assosiatif A -> B dari support pola frekuensi tinggi A dan B, menggunakan rumus :

Confidence = (A -> B) = (Persamaan 2-3)

Persamaan 3 menjelaskan bahwa nilai confidence diperoleh dengan cara membagi jumlah transaksi yang mengandung item A dan item B (item

pertama bersamaan dengan item yang lain) dengan jumlah transaksi yang mengandung item A (item Pertama atau item yang ada disebelah kiri).

2.2.6 Algoritma CT-Pro

22

baik pembentukan tree maupun frequent itemset mining yang dilakukan menjadi lebih cepat[12].

Langkah-langkah algoritma CT-PRO adalah sebagai berikut [13]:

1. Mencari Frequent Item, pada tahap ini terjadi proses-proses sebagai berikut:

Data-data yang telah dikumpulkan, diseleksi dan pilih data yang relevan (data yang lengkap).Data-data yang ada, kemudian dilakukan transformasi data. Kemudian masing masing data diseleksi berdasarkan

minimum support yang telah ditentukan, kemudian didapat item yang frekuen .Masing-masing item dihitung frekuensi kemunculannya sehingga dihasilkan GlobalitemTable.

2. Membangun CFP-Tree , pada tahap ini terjadi proses-proses sebagai berikut:

1. Frequent item yang telah didapatkan, diurutkan berdasarkan

Global Item tabel yang ada secara menurun (diurutkan mulai dari

item berfrekuensi terbesar hingga terkecil).

2. Dengan frequentitem yang telah terurut ini dibentuk Global CFP-Tree , aturan pembentukan Global CFP-Tree sebagai berikut: a. CFP-Tree terdiri dari tree yang memiliki root yang mewakili

indeks dari item dengan tingkat kemunculan tertinggi dan kumpulan subtree sebagai anak dari root.

b. Jika I = {i1,i2, …, ik} adalah kumpulan dari frequent item

dalam transaksi, item dalam transaksi akan dimasukkan ke dalam CFP-Tree dimulai dari root subtree yang merupakan i1 dalam item tabel.

c. Root dari CFP-Tree merupakan level-0 dari tree.

d. Setiap node dalam CFP-Tree memiliki empat field utama yakni item-id, parent-id, count yang merupakan jumlah item

pada node tersebut, dan level yang menunjukkan struktur data

tree pada node tersebut dimulai dari item yang terdapat pada

24

Dalam pencarian itemfrequent dan membangun CFP tree digunakan Algoritma sebagai berikut :

input Database D, Support Threshold σ output CFP-Tree 1 begin

2 // Step 1: Identify frequent items 3 for each transaction t ∈ D

4 for each item i ∈ t 5 if i ∈ ItemTable 6 Increment count of i 7 else

8 Insert i into GlobalItemTable with count = 1 9 end if

10 end for 11 end for

12 Sort GlobalItemTable in frequency descending order

13 Assign an index for each frequent item in the GlobalItemTable 14 // Step 2: Construct CFP-Tree

15 Construct the left most branch of the tree 16 for each transaction t ∈ D

17 Initialize mappedTrans 18 for each frequent item i ∈ t

19 mappedTrans = mappedTrans ∪ GetIndex(i) 20 end for

21 Sort mappedTrans in ascending order of item ids 22 InsertToCFPTree(mappedTrans)

23 end for 24 end

25 Procedure InsertToCFPTree(mappedTrans) 26 firstItem := mappedTrans[1]

27 currNode := root of subtree pointed by ItemTable[firstItem] 28 for each subsequent item i ∈ mappedTrans

29 if currNode has child represent i

30 Increment count[firstItem-1] of the child node 31 else

32 Create child node and set its count[firstItem-1] to 1 33 Link the node to its respective node-link

34 end if 35 end for 36 end

Gambar 2. 3 Algorithm 1 CT-PRO Algorithm: Step 1 and Step 2[13]

3. Melakukan penggalian frequent patterns, pada tahap ini terjadi proses-proses sebagai berikut :

a. Pada tahap mining ini, algoritma CT-Pro bekerja dengan melakukan bottom-up mining sehingga Global Item tabel diurutkan mulai dari item berfrekuensi terkecil hingga terbesar.

b. Untuk setiap item yang terdaftar pada Global Item tabel yang telah diurutkan, dilakukan pencarian node yang berkaitan dengan item tersebut pada Global CFP-Tree . Dari semua

node yang ditemukan untuk setiap item inilah yang disebut dengan Local Frequent item dan digunakan untuk membuat

Local Item Tabel.

c. Pada pembuatan Local item tabel ini juga dilakukan berdasarkan jumlah minimum support yang telah ditentukan.

d. Setelah itu, dibuat Local CFP-Tree berdasarkan Local Item

Tabel yang terbentuk. Aturan pembentukan Local CFP-Tree

sama dengan pembentukan Global CFP-Tree , yang

membedakan adalah pada Global CFP-Tree yang digunakan dalam pembentukan tree-nya adalah Global Item tabel yang terbentuk dari Global Item tabel data sedangkan pada Local CFP-Tree yang digunakan dalam pembentukan tree-nya adalah Local Item tabel yang terbentuk dari Local Frequent item.

e. Dari Local CFP-Tree dibentuk frequent pattern sesuai dengan item yang di-mining.

26

Berikut merupakan algoritma dalam penggalian frequent Patterns:

Gambar 2. 4 Algoritma 1 CT-PRO Penggalian Frequent Patterns[13]

Berikut ini merupakan contoh kasus penerapan metode association rule

menggunakan CFP-Tree:

Misalkan terdapat itemset seperti gambar di bawah dan ingin kita dapatkan

frequentPattern-nya. Min_support untuk itemset di bawah ini adalah 2 (20%). input CFP-Tree output Frequent Itemsets FP

1 Procedure Mining

2 for each frequent item i ∈ GlobalItemTable from the least to the most frequent 3 Initialize LocalFrequentPatternTree with i as the root

4 ConstructLocalItemTable(x)

5 for each frequent item j ∈ LocalItemTable 6 Attach i as a child of x

7 end for

8 ConstructLocalCFPTree(x) 9 RecMine(x)

10 Traverse the LocalFrequentPatternTree to print the frequent itemsets

11 end for 12 end

Procedure ConstructLocalItemTable(i)

14 for each occurrence of node i in the CFP-Tree 15 for each item j in the path to the root 16 if j ∈ LocalItemTable

17 Increment count of j 18 else

19 Insert j into LocalItemTable with count = 1

20 end if 21 end for 22 end for 23 end

Procedure ConstructLocalCFPTree(i)

25 for each occurrence of node i in the CFP-Tree 26 Initialize mappedTrans

27 for each frequent item j ∈ LocalItemTable in the path to the root

28 mappedTrans = mappedTrans ∪ GetIndex(j) 29 end for

30 Sort mappedTrans in ascending order of item ids

31 InsertToCFPTree(mappedTrans) 32 end for

33 end

34 Procedure RecMine(x) 35 for each child i of x

36 Set all counts in LocalItemTable to 0 37 for each occurrence of node i in the LocalCFPTree 38 for each item j in the path to the root

39 Increment count of j in LocalCFPTree 40 end for

41 end for

42 for each frequent item k ∈ LocalItemTable 43 Attach k as a child of i

44 end for 45 RecMine(i) 46 end for 47 end

Tabel 2. 1 Sampel Transaksi

tid item

1 C D E F G H 2 A C D E M 3 A B D E G K 4 A C D H 5 A C D J

Dari itemset di atas kita hitung jumlah kemunculan masing-masing item dan buang yang tidak memenuhi min support dan buat tabel baru dengan nama header Table secara menurun sehingga didapatkan Frequent item.berikut Hasil pencarian

item frequent item.

Tabel 2. 2 Item yang Frequent

tid item

1 C D E F G H 2 A C D E 3 A B D E G 4 A C D H 5 A C D

Didapat dari transaksi di atas item A(4),C(4),D(5),E(3),G(2) Setelah kita dapatkan

item dengan jumlah count setiap item lakukan mapping pada transaksi dengan

Index pertama yang memiliki count terbesar.Berikut merupakan Hasil Mapping Node data :

Tabel 2. 3 Mapping Transaksi

tid item

28

Setelah dilakukan mapping data selanjutnya adalah membangun Global CFP-Tree

dengan menggunakan data transaksi pada Table 2.1 berikut hasil dari pembangunan Global CFP –Tree:

Index Item Count

1 D 5

2 A 4

3 C 4

4 E 3

5 G 2

PST 1 2 3 4 5 Level 0 Level 1 Level 2 Level 3 Level 4 0 5 0 4 1 0 0 3 1 0 2 0 0 1 1 0 2 0 0 0 1 0 2 0 3 0 3 0 4 0 4 0 1 5 0 1 3 0 1 4 0 1 4 0 1

Gambar 2. 5 Hasil Global CFP-Tree

Setelah membuat Global CFP-Tree selanjutnya adalah membuat mencari

frequent Pattern dari Global- CFP - tree dengan memilih item dengan support count terkecil atau memilih node terkahir sebagai contoh pada Global CFP –Tree

pada gambar 2.3 Index node 5 merupakan node terakhir kemudian lakukan penulusuran pada node tersebut dengan menghitung setiap count dari item.Dari hasil di atas item yang memenuhi minimum support count adalah item D(2) dan E(2) selanjutnya berikan Index ide baru pada local item Table, lalu lakukan pembangunan Local CFP-Tree sebagai berikut :

Index Item Count

1

D

5

2

E

4

PST

1

2

Level 0 Level 1

0

2

0

2

1

0

Gambar 2. 6 Local CFP-Tree index 5

Setelah terbentuk Local CFP-Tree lakukan penelusuran kembali atau di sebut denga traversing yaitu penelusuran dari Path sampai root jika menghasilkan nilai

count yang telah di tentukan berati item tersebut memnuhi frequent berikut hasil projek id 5:

1

D

5

2

E

4

5

G

4

1

D

5

Gambar 2. 7 Local CFP-Tree projection 5

Dari Local CFP-Tree projection maka didapatkan itemfrequent untuk Index 5 dengan item G adalah sebagai berikut: (5,2,1:6)

2.2.7 Unifief Modelling Language (UML)

UML singkatan dari Unified Modeling Languages yang berarti bahasa pemodelan standar. Ketika kita membuat model menggunakan konsep UML ada aturan-aturan yang harus diikuti. Bagaimana elemen pada model-model yang kita buat berhubungan satu dengan yang lainnya harus mengikuti standar yang ada. UML bukan hanya sekedar diagram tetapi juga menceritakan konteksnya[14]. Berikut adalah beberapa model yang digunakan dalam perancangan aplikasi Data Mining untuk menentuan rekomendasi layout barang di Summit the Boutique Outlet untuk menggambarkan sistem dalam UML:

1. Diagram Use Case

2. Diagram Activity

3. Diagram Sequence

30

komponen, kejadian atau kelas[14]. Komponen pembentuk Use Case Diagram adalah sebagai berikut :

1. Actor

Pada dasarnya actor bukanlah bagian dari use case diagram, namun untuk dapat terciptanya suatu use case diagram diperlukan beberapa actor.

Actor tersebut mempresentasikan seseorang atau sesuatu (seperti perangkat, sistem lain) yang berinteraksi dengan sistem. Sebuah actor

mungkin hanya memberikan informasi inputan pada sistem, hanya menerima informasi dari sistem atau keduanya menerima, dan memberi informasi pada sistem. Actor hanya berinteraksi dengan use case, tetapi tidak memiliki kontrol atas use case. Actor digambarkan dengan stick man.

Actor dapat digambarkan secara secara umum atau spesifik, dimana untuk membedakannya kita dapat menggunakan relationship.

2. Use Case

Use case adalah gambaran fungsionalitas dari suatu sistem, sehingga customer atau pengguna sistem paham dan mengerti mengenai kegunaan sistem yang akan dibangun.

Catatan : Use case diagram adalah penggambaran sistem dari sudut pandang pengguna sistem tersebut (user), sehingga pembuatan use case

lebih dititikberatkan pada fungsionalitas yang ada pada sistem, bukan berdasarkan alur atau urutan kejadian.

Cara menentukan Use Case dalam suatu sistem: 1. Pola perilaku perangkat lunak aplikasi. 2. Gambaran tugas dari sebuah actor.

3. Sistem atau “benda” yang memberikan sesuatu yang bernilai kepada actor.

4. Apa yang dikerjakan oleh suatu perangkat lunak (*bukan bagaimana cara mengerjakannya).

Ada beberapa relasi yang terdapat pada use case diagram: 1. Association, menghubungkan link antar elemen.

2. Generalization, disebut juga inheritance (pewarisan), sebuah elemen dapat merupakan spesialisasi dari elemen lainnya.

3. Dependency, sebuah elemen bergantung dalam beberapa cara ke elemen lainnya.

4. Aggregation, bentuk association dimana sebuah elemen berisi elemen lainnya.

Tipe relasi/ stereotype yang mungkin terjadi pada use case diagram:

1. <<include>> , yaitu kelakuan yang harus terpenuhi agar sebuah

event dapat terjadi, dimana pada kondisi ini sebuah use case

adalah bagian dari use case lainnya.

2. <<extends>>, kelakuan yang hanya berjalan di bawah kondisi tertentu seperti menggerakkan alarm.

3. <<communicates>>, mungkin ditambahkan untuk asosiasi yang menunjukkan asosiasinya adalah communicates association. Ini merupakan pilihan selama asosiasi hanya tipe relationship yang dibolehkan antara actor dan use case.

2.2.7.2Activity Diagram

Activity diagram memiliki pengertian yaitu lebih fokus kepada menggambarkan proses bisnis dan urutan aktivitas dalam sebuah proses. Dipakai pada business modeling untuk memperlihatkan urutan aktifitas proses bisnis. Memiliki struktur diagram yang mirip flowchart atau data flow diagram pada perancangan terstruktur. Memiliki pula manfaat yaitu apabila kita membuat diagram ini terlebih dahulu dalam memodelkan sebuah proses untuk membantu memahami proses secara keseluruhan dan activity dibuat berdasarkan sebuah atau beberapa use case pada use case diagram[14].

32

diketahui objek-objek yang terlibat dalam sebuah use case beserta metode-metode sekuen juga di butuhkan untuk melihat skenario yang ada pada use case[14].

Sequence diagram biasa digunakan untuk menggambarkan skenario atau rangkaian langkah-langkah yang dilakukan sebagai respons dari sebuah event untuk menghasilkan output tertentu. Diawali dari apa yang men-trigger aktivitas tersebut, proses dan perubahan apa saja yang terjadi secara internal dan output apa yang dihasilkan. Masing-masing objek, termasuk aktor, memiliki lifeline vertikal.

Message digambarkan sebagai garis berpanah dari satu objek ke objek lainnya.

2.2.7.4Class Diagram

Diagram kelas atau class diagram menggambarkan struktur sistem dari segi pendefinisian kelas-kelas yang akan di buat untuk membangun sistem. Kelas memiliki apa yang disebut atribut dan metode atau operasi.

1. Atribut merupakan variabel-variabel yang di miliki oleh suatu kelas 2. Operasi atau metode adalah fungsi-fungsi yang dimiliki oleh suatu

kelas

Diagram kelas dibuat agar pembuat program atau programmer membuat kelas-kelas sesuai rancangan di dalam diagram kelas agar antara dokumentasi perancangan dan perangkat lunak sinkron. banyak berbagai kasus, perancangan kelas yang dibuat tidak sesuai dengan kelas-kelas yang dibuat pada perangkat lunak, sehingga tidaklah ada gunanya lagi sebuah perancangan karena apa yang dirancang dan hasil jadinya tidak sesuai[14].

BAB 5

KESIMPULAN DAN SARAN

Pada bab ini akan disimulkan hasil penelitian yang telah dilakukan serta saran untuk pengembangan penelitian lebih lanjut.

5.1 Kesimpulan

Berdasarkan hasil Implementasi dan Pengujian yang telah dilakukan pada sistem Data Mining yang telah dibagun dengan menggunakan Metode Association Rule dan Algoritma CT-Pro, maka dapat diambil kesimpulan sebagai berikut : 1. Aplikasi yang dibangun dapat menghasilkan informasi berupa jenis art apa

saja yang saling berkaitan dan sering dibeli secara bersama sebagai dasar keputusan dalam menentukan rekomendasi layout.

2. Aplikasi yang dibangun dapat membantu Supervisor memberikan informasi rekomendasi layout produk kepada pramuniaga pada saat penempatan produk dilakukan.

5.2Saran

Saran untuk pengembangan lebih lanjut, yaitu sebagai berikut :

1. Pengembangan dalam memberikan rekomendasi layout produk dengan output yang lebih dinamis lagi sehingga memudahkan dan menyenangkan Supervisor dalam menggunakan aplikasi.

2. Pengembangan dengan Menggunakan database yang tersedia di Summit Boutique Outlet sebagai pengganti import data yang pada penelitian ini menggunakan format .xlxs dalam mengeksekusi data penjualannya sehinggal aplikasi dapat digunakan dengan memilih berdasarkan data penjualan pada bulan tertentu.

29

29

count yang telah di tentukan berati item tersebut memnuhi frequent berikut hasil projek id 5:

1

D

5

2

E

4

5

G

4

1

D

5

Gambar 2. 7 Local CFP-Tree projection 5

Dari Local CFP-Tree projection maka didapatkan item frequent untuk Index 5 dengan itemG adalah sebagai berikut: (5,2,1:6)

2.2.7 Unifief Modelling Language (UML)

UML singkatan dari Unified Modeling Languages yang berarti bahasa pemodelan standar. Ketika kita membuat model menggunakan konsep UML ada aturan-aturan yang harus diikuti. Bagaimana elemen pada model-model yang kita buat berhubungan satu dengan yang lainnya harus mengikuti standar yang ada. UML bukan hanya sekedar diagram tetapi juga menceritakan konteksnya[14]. Berikut adalah beberapa model yang digunakan dalam perancangan aplikasi Data Mining untuk menentuan rekomendasi layout barang di Summit the Boutique Outlet untuk menggambarkan sistem dalam UML:

1. Diagram Use Case 2. Diagram Activity 3. Diagram Sequence 4. Diagram Class

2.2.7.1Use Case Diagram

Diagram Use Case menggambarkan apa saja aktifitas yang dilakukan oleh suatu sistem. Use Case menggambarkan fungsi tertentu dalam suatu sistem berupa

30

komponen, kejadian atau kelas[14]. Komponen pembentuk Use Case Diagram adalah sebagai berikut :

1. Actor

Pada dasarnya actor bukanlah bagian dari use case diagram, namun untuk dapat terciptanya suatu use case diagram diperlukan beberapa actor. Actor tersebut mempresentasikan seseorang atau sesuatu (seperti perangkat, sistem lain) yang berinteraksi dengan sistem. Sebuah actor mungkin hanya memberikan informasi inputan pada sistem, hanya menerima informasi dari sistem atau keduanya menerima, dan memberi informasi pada sistem. Actor hanya berinteraksi dengan use case, tetapi tidak memiliki kontrol atas use case. Actor digambarkan dengan stick man. Actor dapat digambarkan secara secara umum atau spesifik, dimana untuk membedakannya kita dapat menggunakan relationship.

2. Use Case

Use case adalah gambaran fungsionalitas dari suatu sistem, sehingga customer atau pengguna sistem paham dan mengerti mengenai kegunaan sistem yang akan dibangun.

Catatan : Use case diagram adalah penggambaran sistem dari sudut pandang pengguna sistem tersebut (user), sehingga pembuatan use case lebih dititikberatkan pada fungsionalitas yang ada pada sistem, bukan berdasarkan alur atau urutan kejadian.

Cara menentukan Use Case dalam suatu sistem: 1. Pola perilaku perangkat lunak aplikasi. 2. Gambaran tugas dari sebuah actor.

3. Sistem atau “benda” yang memberikan sesuatu yang bernilai kepada actor.

4. Apa yang dikerjakan oleh suatu perangkat lunak (*bukan bagaimana cara mengerjakannya).

Ada beberapa relasi yang terdapat pada use case diagram: 1. Association, menghubungkan link antar elemen.

31

31

2. Generalization, disebut juga inheritance (pewarisan), sebuah elemen dapat merupakan spesialisasi dari elemen lainnya.

3. Dependency, sebuah elemen bergantung dalam beberapa cara ke elemen lainnya.

4. Aggregation, bentuk association dimana sebuah elemen berisi elemen lainnya.

Tipe relasi/ stereotype yang mungkin terjadi pada use case diagram:

1. <<include>> , yaitu kelakuan yang harus terpenuhi agar sebuah event dapat terjadi, dimana pada kondisi ini sebuah use case adalah bagian dari use case lainnya.

2. <<extends>>, kelakuan yang hanya berjalan di bawah kondisi tertentu seperti menggerakkan alarm.

3. <<communicates>>, mungkin ditambahkan untuk asosiasi yang menunjukkan asosiasinya adalah communicates association. Ini merupakan pilihan selama asosiasi hanya tipe relationship yang dibolehkan antara actor dan use case.

2.2.7.2Activity Diagram

Activity diagram memiliki pengertian yaitu lebih fokus kepada menggambarkan proses bisnis dan urutan aktivitas dalam sebuah proses. Dipakai pada business modeling untuk memperlihatkan urutan aktifitas proses bisnis. Memiliki struktur diagram yang mirip flowchart atau data flow diagram pada perancangan terstruktur. Memiliki pula manfaat yaitu apabila kita membuat diagram ini terlebih dahulu dalam memodelkan sebuah proses untuk membantu memahami proses secara keseluruhan dan activity dibuat berdasarkan sebuah atau beberapa use case pada use case diagram[14].

2.2.7.3 Sequence Diagram

Diagram sekuen menggambarkan interaksi objek pada use case dengan mendeksripsikan waktu hidup objek dan pesan yang dikirimkan dan di terima antar objek. Oleh karena itu untuk menggambarkan diagram sekuen maka harus

32

diketahui objek-objek yang terlibat dalam sebuah use case beserta metode-metode sekuen juga di butuhkan untuk melihat skenario yang ada pada use case[14]. Sequence diagram biasa digunakan untuk menggambarkan skenario atau rangkaian langkah-langkah yang dilakukan sebagai respons dari sebuah event untuk menghasilkan output tertentu. Diawali dari apa yang men-trigger aktivitas tersebut, proses dan perubahan apa saja yang terjadi secara internal dan output apa yang dihasilkan. Masing-masing objek, termasuk aktor, memiliki lifeline vertikal. Message digambarkan sebagai garis berpanah dari satu objek ke objek lainnya.

2.2.7.4Class Diagram

Diagram kelas atau class diagram menggambarkan struktur sistem dari segi pendefinisian kelas-kelas yang akan di buat untuk membangun sistem. Kelas memiliki apa yang disebut atribut dan metode atau operasi.

1. Atribut merupakan variabel-variabel yang di miliki oleh suatu kelas 2. Operasi atau metode adalah fungsi-fungsi yang dimiliki oleh suatu

kelas

Diagram kelas dibuat agar pembuat program atau programmer membuat kelas-kelas sesuai rancangan di dalam diagram kelas agar antara dokumentasi perancangan dan perangkat lunak sinkron. banyak berbagai kasus, perancangan kelas yang dibuat tidak sesuai dengan kelas-kelas yang dibuat pada perangkat lunak, sehingga tidaklah ada gunanya lagi sebuah perancangan karena apa yang dirancang dan hasil jadinya tidak sesuai[14].

125

BAB 5

KESIMPULAN DAN SARAN

Pada bab ini akan disimulkan hasil penelitian yang telah dilakukan serta saran untuk pengembangan penelitian lebih lanjut.

5.1 Kesimpulan

Berdasarkan hasil Implementasi dan Pengujian yang telah dilakukan pada sistem Data Mining yang telah dibagun dengan menggunakan Metode Association Rule dan Algoritma CT-Pro, maka dapat diambil kesimpulan sebagai berikut : 1. Aplikasi yang dibangun dapat menghasilkan informasi berupa jenis art apa

saja yang saling berkaitan dan sering dibeli secara bersama sebagai dasar keputusan dalam menentukan rekomendasi layout.

2. Aplikasi yang dibangun dapat membantu Supervisor memberikan informasi rekomendasi layout produk kepada pramuniaga pada saat penempatan produk dilakukan.

5.2Saran

Saran untuk pengembangan lebih lanjut, yaitu sebagai berikut :

1. Pengembangan dalam memberikan rekomendasi layout produk dengan output yang lebih dinamis lagi sehingga memudahkan dan menyenangkan Supervisor dalam menggunakan aplikasi.

2. Pengembangan dengan Menggunakan database yang tersedia di Summit Boutique Outlet sebagai pengganti import data yang pada penelitian ini menggunakan format .xlxs dalam mengeksekusi data penjualannya sehinggal aplikasi dapat digunakan dengan memilih berdasarkan data penjualan pada bulan tertentu.