DATA MINING UNTUK PENJUALAN PRODUK SUPER
BAB III
PEMBAHASAN
3.1 Profile Instansi
PT. Batu Mutiara Indah yang sering di kenal dengan supermarket
batu plaza berdiri pada tahun 1997 dan beralamat di Jl. Gajah Mada 1
Batu. Terletak di dekat obyek wisata alun-alun kota batu sehingga
supermarket batu plaza mempunyai letak yang sangat strategis untuk
menunjang kegiatan bisnis. Pendirian supermarket batu plaza dilatarbelakangi oleh perkembangan kota batu sehingga dibutuhkan sarana
belanja bagi masyarakat umum yang betul-betul memihak masyarakat
umum baik konsumen, pedagang serta pelaku ekonomi di lingkungan
sekitar Kota Batu. Supermarket batu plaza memiliki nuansa yang berbeda
dengan minimarket-minimarket yang sudah ada, juga memiliki filosofi dan
orientasi yang berbeda.
3.2 Analisa Masalah
PT.Batu Mutiara Indah yang lebih dikenal dengan supermarket batu
plaza merupakan salah satu unit usaha yang bergerak dalam bidang
perdagangan kebutuhan pokok yang diharapkan dapat menyediakan
kebutuhan pokok sehari-hari bagi masyarakat pada umumnya dengan
kualitas baik dan harga yang terjangkau. Dimana perusahaan ini dituntut
57
58
untuk memberi pelayanan kepada konsumen dan mempermudah
konsumen dalam pembelian barang, sehingga dapat menentukan strategi
penjualan yang tepat dan akurat. Supermarket batu plaza terdapat
beberapa permasalahan yang kerap muncul mengenai penjualan barang
dan perusahaan sulit mendapatkan informasi-informasi strategis seperti
tingkat penjualan per periode. Ketersediaan data penjualan yang besar di
supermarket batu plaza tidak digunakan semaksimal mungkin, sehingga
data penjualan tersebut tidak dimanfaatkan secara optimal dan belum
adanya sistem yang dapat menyelesaikan permasalahan saat ini untuk
merancang sebuah strategi bisnis dalam meningkatkan penjualan.
Maka dengan dibangun sistem untuk membuat analisis terhadap
data transaksi pembelian barang untuk mengetahui pola dan hubungan
keterkaitan antar data. Dari pola yang dihasilkan dapat diketahui
hubungan antar data dalam pembelian barang dengan nilai support dan
confidence yang telah ditentukan sebelumnya. Pola yang dihasilkan dapat
memberikan informasi yang berharga bagi pihak terkait. Dalam sistem ini
digunakan algoritma association rules mining untuk mendapatkan
frequent itemset. Hal ini bertujuan untuk menemukan asosiasi dan
hubungan antar item dalam kumpulan data transaksi pembelian barang.
59
3.3 Pemodelan Sistem
Dalam pembuatan data mining ini metode yang digunakan aturan
asosiasi menggunakan algoritma association rules mining. Metode ini
digunakan untuk mencari hubungan dalam data pembelian barang.
Untuk melakukan analisa terhadap data transaksi pembelian barang
dilakukan proses sebagai berikut:
1. Sistem menerima data dari transaksi pembelian barang yang telah
tersimpan di dalam database
2. Pengguna memasukkan nilai
confidence.
3. Sistem men-scan
database
minimum
untuk
support dan minimum
mendapatkan
kandidat
1-
itemset dan menghitung nilai supportnya.
4. Nilai support dibandingkan dengan nilai minimal confidence yang
ditentukan. Jika nilainya lebih besar atau sama dari minimal
confidence maka termasuk dalam large itemset.
5. Nilai yang memenuhi
large
itemset diikutkan dalam
iterasi
selanjutnya, tetapi jika tidak memenuhi, maka tidak diikutkan.
6. Pada iterasi kedua, sistem menggunakan hasil dari large itemset
dari iterasi pertama untuk membentuk kandidat 2-itemset. Untuk
iterasi selanjutnya sistem menggunakan large itemset dari iterasi
sebelumnya untuk memebentuk itemset berikutnya.
7. Sistem menggabungkan antara 1-itemset dengan 2-itemset yang
memenuhi large itemset. Jika gabungan dari item tersebut tidak
memenuhi large itemset, maka akan dihapus.
8. Dari hasil frequet itemset tersebut diperoleh association rule
dengan nilai confidence yang memenuhi nilai minimal confidence dan
minimal confidence.
60
Berikut ini akan dijelaskan mengenai diagram blok dari sistem
yang akan dibuat:
Min Support &
Min_Confidence
Preprocessing :
Data Cleaning
Data Integration
Data Transformation
Data Transaksi
Proses algoritma apriori
Gambar 3.1 Diagram Blok Sistem
Aturan asosiasi
1. Data transaksi penjualan di ambil dari database sebagai input data
yang akan diproses. Selain itu juga diinputkan minimal support dan
minimal confidence sebagai syarat aturan asosiasi yang akan
dibentuk.
2. Sebelum proses Data Minning dapat dilaksanakan, perlu dilakukan
proses cleaning mencakup antara lain, membuang atribut data yang
tidak diperlukan, duplikasi data, data integration penggabungan
sumber-sumber data, data transformasi data dalam bentuk data set
yang dapat di proses.
Tabel 3.1 Contoh : Awal Data Transaksi Penjualan
NOTRAN
S
TS012013
00001
TS012013
00001
TS012013
00001
TS012013
00001
TS012013
00002
TS012013
00002
TS012013
00002
TS012013
00003
TS012013
00003
TS012013
00003
URUT
AN
1
2
3
4
1
2
3
1
2
3
KODE_BAR
ANG
0JCE010030
0BGTT001077
0BGTT001077
0MMB024030
0MMB024030
0MMB024030
0JCE010030
0RBK005083
0JCE010030
0JCE010030
SAT
UAN
HRG_
JUAL
Susu Cair Indomilk
Stroberi 195ml
Pcs
2237.55
1
01/01/2013
Gula KBA
Kg
8600
1
01/01/2013
Gula KBA
Indomie Goreng
Kriuk Bawang
Indomie Goreng
Kriuk Bawang
Indomie Goreng
Kriuk Bawang
Susu Cair Indomilk
Stroberi 195ml
Kg
8600
1
01/01/2013
Pcs
1354.56
2
01/01/2013
Pcs
1354.56
2
01/01/2013
Pcs
1354.56
2
01/01/2013
Pcs
2237.55
1
01/01/2013
Roti Tawar
Susu Cair Indomilk
Stroberi 195ml
Susu Cair Indomilk
Stroberi 195ml
BH
7000
1
01/01/2013
Pcs
2237.55
1
01/01/2013
Pcs
2237.55
1
01/01/2013
NAMA_BARANG
QTY
TGL_TRANS
DISKO
N
0
JML_
RETUR
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
61
Tabel 3.2 Contoh : Data Transaksi Penjualan yang sudah di cleaning
NOTRAN
S
TS012013
00001
TS012013
00001
TS012013
00001
TS012013
00001
TS012013
00002
TS012013
00002
TS012013
00002
TS012013
00003
TS012013
00003
TS012013
00003
URUT
AN
1
2
3
4
1
2
3
1
2
3
KODE_BAR
ANG
0JCE010030
0BGTT001077
0BGTT001077
0MMB024030
0MMB024030
0MMB024030
0JCE010030
0RBK005083
0JCE010030
0JCE010030
SAT
UAN
HRG_
JUAL
Susu Cair Indomilk
Stroberi 195ml
Pcs
2237.55
1
01/01/2013
Gula KBA
Kg
8600
1
01/01/2013
Gula KBA
Indomie Goreng
Kriuk Bawang
Indomie Goreng
Kriuk Bawang
Indomie Goreng
Kriuk Bawang
Susu Cair Indomilk
Stroberi 195ml
Kg
8600
1
01/01/2013
Pcs
1354.56
2
01/01/2013
Pcs
1354.56
2
01/01/2013
Pcs
1354.56
2
01/01/2013
Pcs
2237.55
1
01/01/2013
Roti Tawar
Susu Cair Indomilk
Stroberi 195ml
Susu Cair Indomilk
Stroberi 195ml
BH
7000
1
01/01/2013
Pcs
2237.55
1
01/01/2013
Pcs
2237.55
1
01/01/2013
NAMA_BARANG
QTY
TGL_TRANS
DISKO
N
0
JML_
RETUR
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Tabel 3.3 Contoh : Data Transaksi Penjualan yang sudah di Integration
NOTRANS
TS01201300001
TS01201300001
TS01201300001
TS01201300002
TS01201300002
TS01201300003
TS01201300003
KODE_BARANG
0JCE010-030
0BGTT001-077
0MMB024-030
0MMB024-030
0JCE010-030
0RBK005-083
0JCE010-030
NAMA_BARANG
Susu Cair Indomilk Stroberi 195ml
Gula KBA
Indomie Goreng Kriuk Bawang
Indomie Goreng Kriuk Bawang
Susu Cair Indomilk Stroberi 195ml
Roti Tawar
Susu Cair Indomilk Stroberi 195ml
Tabel 3.4 Contoh : Data Transformation
ATRIBUT
NOTRANS
KETERANGAN
Nomor transaksi yang dimiliki setiap transaksi
KODE_BARANG
pembelian konsumen.
Kode barang yang dimiliki barang yang ada di
NAMA_BARANG
supermarket batu plaza.
Merupakan nama barang yang ada di supermarket
batu plaza.
3. Data tersebut dilakukan proses data mining yaitu pencarian pola
penjualan menggunakan algoritma association rules mining sampai
batas maksimal tiga item.
62
4. Setelah proses selesai maka didapatkan hasil berupa aturan asosiasi
yang memenuhi kriteria minimal support dan minimal confidence yang
diinputkan.
PT. Batu Mutiara Indah data yang diberikan sudah di export dalam
bentuk exel. Sedangkan dalam penelitian ini digunakan database MySQL.
Untuk itu sebelum proses pembentukan dataset, dilakukan konversi data
dari exel ke database MySQL. Tidak semua data harus dikonversi, tetapi
hanya tabel yang berhubungan langsung dengan transaksi yaitu tabel
penjualan dan detil penjualan.
Pada mulanya data transaksi asli terdiri dari berbagai macam kolom,
misalnya kolom nomer transaksi, kode barang, nama barang, harga,
jumlah item, dan sebagainya. Padahal dalam penelitian ini seluruh data
pada kolom tersebut tidak dibutuhkan semua. Untuk itu dilakukan
penghapusan pada data yang dianggap tidak perlu akan proses data
mining
bisa
berjalan
lebih
cepat.
Langkah
ini
ditempuh
dalam
pembentukan dataset yang dibutuhkan aplikasi data mining.
Dataset adalah objek yang merepresentasikan sekumpulan data dan
relasinya. Strukturnya mirip dengan data di database. Tabel 3.1 adalah
dataset yang akan digunakan dalam proses data mining. Dataset terdiri
dari 2 data tabel, Tabel penjualan dan item_penjualan. Kedua data tabel
saling berhubungan melalui data relation penjualan-item_penjualan. Tabel
3.1 dibawah ini menjelaskan struktur dataset.
Tabel 3.5. Struktur Dataset
Atribut
NOTRANS
KODE_BARANG
NAMA_BARANG
Type Data
Varchar
Date
Varchar
63
Dua tabel yang membentuk dataset dihubungkan oleh ID yaitu kolom
Notrans. Dimana setiap record (item data) Notrans pada Tabel penjualan
minimal mempunyai satu record Notrans pada Tabel Item_Penjualan.
Gabungan data dari kedua tabel ini nanti yang akan dilakukan pencarian
pola penjualan barang.
3.4 Tahap-Tahap Iterasi dalam Algoritma Apriori
1. Iterasi Pertama
a. Hitung nilai minimun support dan setiap item.
b. Scan database.
c. Maka didapat pola frekuensi tinggi 1-itemset.
d. PiIih pola frekuensi tinggi 1-itemset.
2. Iterasi Kedua
a. Buat kandidat 2-itemset dan kombinasi 1-itemset yang telah
didapat pada iterasi sebelumnya.
b. Hitung nilai minimum support 2-itemset.
c. Nilai minimum support yang memenuhi syarat minimum
support.
d. Tentukan pola frekuensi tinggi 2-itemset.
3. Iterasi ke-k
a. Pembentukan k-itemset (dibentuk dengan kombinasi (k-i)
item set)
b. Hitung minimum support dan kandidat (k-1)-itemset.
c. Tetapkan pola frekuensi tinggi.
d. Bila tidak didapat pola frekuensi tinggi, maka proses
dihentikan, bila masih ditemukan pola frekuensi tinggi maka
k ditambah satu dan kembali kebagian 1.
3.5
Flowchart Sistem Apriori
64
Dari iterasi-iterasi sebelumnya maka dapat di gambarkan bagan
sebagai berikut :
Mulai
Min Supp
Min Conf
Scan Database
Itemset
Hasil sudah
terbentuk
itemset
Y
T
Selesai
Gambar 3.2 Flowchart Sistem Apriori
Penjelasan dari flowchart diatas adalah sebagai berikut :
1. Pengguna sistem menginputkan nilai minimum support dan minimum
confidence dari keyboard.
2. Data transaksi di scan dan dilakukan pembentukan kandidat item
untuk di cari nilai support yang memunuhi kriteria di atas minimum
support yang telah diinputkan sebelumnya. Proses ini dilakukan
65
secara terus-menerus dan berulang-ulang sampai data terscan
semua.
3. Seluruh kandidat item yang terbentuk dari langkah 2 akan dilakukan
pembentukan Strong Rules atau aturan asosiasi yang memenuhi
kriteria di atas nilai minimum confidence. Proses ini dilakukan secara
berulang-ulang sehingga seluruh kandidat item habis.
3.6 Analisa Perangkat Lunak
3.6.1 Deskripsi Umum Perangkat Lunak
Perangkat Lunak yang dikembangkan dalam Aplikasi Data Mining ini
berbasis dekstop, dengan database lokal.
Pengguna dalam aplikasi adalah pihak penentu kebijakan dalam
analisis keranjang pasar sehingga dapat diambil langkah-Iangkah
strategis guna meningkatkan tingkat penjualan pada supermarket. Untuk
menjaga kerahasiaan data, maka pengguna dibatasi hanya kepada pihak
yang berwenang menggunakan data detail transaksi dari data transaksi
tahunan.
Sebagai suatu rangkaian proses, data mining dibagi dalam beberapa
tahap seperti yang sudah diterangkan pada sub bab 3.2. Begitu juga
dalam membangun perangkat lunak diperlukan tahapan-tahapan dan
analisis, perancangan sampai aplikasi.Sehingga dalam membangun
Aplikasi Data Mining, tahapan data mining sejalan dengan tahapan dalam
membangun perangkat lunak. Analisis dan tahapan data mining menjadi
acuan dalam analisis dan perancangan Aplikasi Data Mining ini.
66
3.6.2 Spesifikasi Kebutuhan Fungsional
Spesifikasi kebutuhan fungsional pada aplikasi data mining ini
merujuk pada kebutuhan akan perancangan data mining, seperti yang
tertera berikut ini :
1. Dapat menggabungkan data yang akan diproses mining dan data
transaksi dari data barang.
2. Dapat menghapus data-data yang tidak relevan serta atribut yang
tidak dipakai.
3. Dapat merubah data menjadi data yang siap diproses.
4. Dapat memproses data untuk di mining meliputi;
a. Hubungan tingkat penjuaan dengan data barang masuk.
b. Hubungan tingkat penjuaan dengan data suplier.
5. Dapat menampilkan hasil proses mining dengan nilai support dan
confidence.
3.7 Studi Kasus
Studi kasus disini menggambarkan cara perhitungan dalam mencari
pola dan hubungan keterkaitan antar barang, dengan mengolah data-data
penjualan yang didapat dari data transaksi penjualan di Supermarket Batu
Plaza sebagai acuan perhitungan.
3.7.1 Sumber Data
67
Contoh proses mining untuk mengetahui hubungan tingkat penjualan
pada supermarket. Misal data seperti pada tabel 3.2
Tabel 3.6 Transaksi Penjualan
No
1
2
3
4
5
6
7
No
8
9
10
11
12
13
14
15
16
NOTRANS
TS01201300001
PENJUALAN
Susu Cair Indomilk Stroberi 195ml Cair
Indomilk Stroberi 195ml,Gula KBA, Telor
1/2kg, Indomie Goreng Kriuk Bawang
TS01201300002 Indomie Goreng Kriuk Bawang, Gula KBA,
Susu Cair Indomilk Stroberi 195ml
TS01201300003 Roti Tawar, Susu Cair Indomilk Stroberi
195ml, Gula KBA, Meisis Ceres Milk 90gr
TS01201300004 Selai Harry Strawberry, Roti Tawar, Kopi
41Susu Jahe, Gula KBA, Blue Band 200gr
TS01201300005 Susu Cair Indomilk Stroberi 195ml, Gula
KBA, Kopi 41Susu Jahe, Indomie Goreng
Kriuk Bawang
TS01201300006 Rinso Anti Noda 450gr , Cheese Snack , Gula
KBA, Susu Cair Indomilk Stroberi 195ml, Roti
Tawar
TS01201300007 Indomie Goreng Kriuk Bawang, Blue Band
200gr, Cheese Snack
Tabel 3.6 Transaksi Penjualan (Lanjutan)
NOTRANS
PENJUALAN
TS01201300008 Indomie Goreng Kriuk Bawang, Kopi 41Susu
Jahe, Roti Tawar, Gula KBA
TS01201300009 Susu Cair Indomilk Stroberi 195ml, Gula
KBA, Roti Tawar, Kopi 41Susu Jahe
TS01201300010 Roti Tawar, Selai Harry Strawberry, Blue
Band 200gr, Susu Cair Indomilk Stroberi
195ml
TS01201300011 Susu Cair Indomilk Stroberi 195ml, Meisis
Ceres Milk 90gr, Gula KBA, Roti Tawar
TS01201300012 Rinso Anti Noda 450gr , Kopi 41Susu Jahe,
Cheese Snack
TS01201300013 Indomie Goreng Kriuk Bawang, Telor 1/2kg,
Cheese Snack , Surya 12
TS01201300014 Gula KBA, Susu Cair Indomilk Stroberi
195ml, Kopi 41Susu Jahe, Indomie Goreng
Kriuk Bawang
TS01201300015 Kopi 41Susu Jahe, Gula KBA, Indomie
Goreng Kriuk Bawang
TS01201300016 Blue Band 200gr, Roti Tawar, Meisis Ceres
68
17
TS01201300017
18
TS01201300018
19
TS01201300019
No
20
21
22
23
Milk 90gr
Selai Harry Strawberry, Roti Tawar, Indomie
Goreng Kriuk Bawang, Susu Cair Indomilk
Stroberi 195ml, Gula KBA
Indomie Goreng Kriuk Bawang, Kopi 41Susu
Jahe, Cheese Snack
Cheese Snack , Rinso Anti Noda 450gr ,
Surya 12
Tabel 3.6 Transaksi Penjualan (Lanjutan)
NOTRANS
PENJUALAN
TS01201300020 Susu Cair Indomilk Stroberi 195ml, Gula
KBA, Blue Band 200gr, Meisis Ceres Milk
90gr, Selai Harry Strawberry, Roti Tawar
TS01201300021 Indomie Goreng Kriuk Bawang, Telor 1/2kg,
Kopi 41Susu Jahe, Gula KBA
TS01201300022 Indomie Goreng Kriuk Bawang, Blue Band
200gr, Roti Tawar
TS01201300023 Gula KBA, Susu Cair Indomilk Stroberi
195ml, Indomie Goreng Kriuk Bawang, Telor
24
25
26
TS01201300024
1/2kg
Gula KBA, Kopi 41Susu Jahe, Susu Cair
TS01201300025
Indomilk Stroberi 195ml, Cheese Snack
Susu Cair Indomilk Stroberi 195ml, Roti
TS01201300026
Tawar, Selai Harry Strawberry, Gula KBA
Indomie Goreng Kriuk Bawang, Telor 1/2kg,
Roti Tawar, Gula KBA, Susu Cair Indomilk
27
TS01201300027
Stroberi 195ml
Rinso Anti Noda 450gr , Kopi 41Susu Jahe,
Surya 12, Susu Cair Indomilk Stroberi 195ml,
28
29
TS01201300028
Gula KBA
Indomie Goreng Kriuk Bawang, Telor 1/2kg,
TS01201300029
Cheese Snack , Surya 12
Meisis Ceres Milk 90gr, Gula KBA, Susu Cair
Indomilk Stroberi 195ml, Roti Tawar, Kopi
30
TS01201300030
41Susu Jahe, Indomie Goreng Kriuk Bawang
Roti Tawar, Selai Harry Strawberry, Susu Cair
Indomilk Stroberi 195ml, Kopi 41Susu Jahe,
Gula KBA, Indomie Goreng Kriuk Bawang
69
3.7.2 Menentukan Minimal Support dan Minimal Confidence
Pada studi kasus kali ini ditetapkan batas nilai minimal support
sebesar 5% dan nilai minimum confidence sebesar 14%. Dan untuk
mempermudah proses selanjutnya data di filter dengan minimal support
5%, kemudian
dari banyaknya jumlah nilai confidence dibawah 14%,
maka untuk membatasi dengan menentukan minimal nilai confidence
14%.
3.7.3 Membuat Tabel Tabular
Tahapan berikutnya adalah membuat tabel tabular untuk melakukan
perhitungan jumlah pembelian di masing-masing transaksi.
Tabel 3.7 Contoh Tabel Tabular
Trans
Nama Barang
1
Susu Cair
Indomilk
Stroberi 195ml
2
Gula KBA
3
Roti Tawar
4
5
6
7
Meisis Ceres
Milk 90gr
Blue Band
200gr
Selai Harry
Strawberry
Kopi 41Susu
Jahe
Support
18
x 100 =60
30
21
x 100 =70
30
15
x 100 =50
30
5
x 100 =17
30
6
x 100 =20
30
6
x 100 =20
30
13
x 100 =43
30
Jumla
h
18
21
15
5
6
6
13
Tabel 3.7 Contoh Tabel Tabular (Lanjutan)
Trans
Nama Barang
Support
Jumla
h
70
3
x 100 =10
30
6
x 100 =20
30
11
Surya 12
12
Telor 1/2kg
8
Indomie
Goreng Kriuk
Bawang
9
Cheese Snack
10
Rinso Anti
Noda 450gr
3
6
16
x 100 =53
30
8
x 100 =27
30
5
x 100 =17
30
16
8
5
Untuk menentukan support pada L1 dengan menggunakan rumus:
Support ( A ) =
∑Transaksi A
x 100%
∑ Transaksi
Contoh: menentukan nilai support pada Nama Barang Susu Cair
Indomilk Stroberi 195ml
Support ( A ) =
∑Transaksi A
18
x 100% =
x 100 =60
∑ Transaksi
30
3.7.4 Mencari Kandidat Itemset L2
Langkah berikutnya adalah membuat kombinasi 2 itemsets pada
setiap data barang dan frekuensi masing-masing kombinasi dihitung
sesuai dengan data tabular pada tabel. Hasil dari kombinasi 2 itemsets,
ditentukan data yang memenuhi syarat minimal support 5% dengan
menggunakan rumus :
Support ( A |B ) =
∑Transaksi A dan B
x 100%
∑ Transaksi
Tabel 3.8 Contoh Data Trankasi 2 Itemset
A
Susu Cair Indomilk Stroberi
195ml
B
Gula KBA
∑ --> A,B
10
Supp L2
33%
71
Telor 1/2kg
Indomie Goreng Kriuk
Bawang
Meisis Ceres Milk 90gr
Kopi 41Susu Jahe
Roti Tawar
Blue Band 200gr
Selai Harry Strawberry
Cheese Snack
Telor 1/2kg
Indomie Goreng Kriuk
Bawang
Susu Cair Indomilk
Stroberi 195ml
Meisis Ceres Milk 90gr
Blue Band 200gr
Kopi 41Susu Jahe
Roti Tawar
Selai Harry Strawberry
Cheese Snack
Gula KBA
2
6
7%
20%
3
5
6
1
2
1
2
7
10%
17%
20%
3%
7%
3%
7%
23%
7
23%
2
2
5
5
1
1
7%
7%
17%
17%
3%
3%
Contoh: menentukan nilai support pada kode barang Susu Cair Indomilk
Stroberi 195ml dan Gula KBA, seperti yang ada pada transaksi di bawah
ini:
¿
10
x 100 =33
30
3.7.5 Mencari Kandidat Itemset L3
Langkah berikutnya adalah membuat kombinasi 3 itemsets pada
setiap data barang dan frekuensi masing-masing kombinasi dihitung
sesuai dengan data tabular pada tabel. Hasil dari kombinasi 3 itemsets,
ditentukan data yang memenuhi syarat minimal support 5% dengan
menggunakan rumus :
Support ( A |B ) =
∑Transaksi A dan B
x 100%
∑ Transaksi
72
Tabel 3.9 Contoh Data Trankasi 3 Itemset
A
Susu Cair
Indomilk
Stroberi 195ml
Susu Cair
Indomilk
Stroberi 195ml
Gula KBA
B
Gula KBA
Kopi 41Susu Jahe
Susu Cair Indomilk
Stroberi 195ml
C
Indomie Goreng
Kriuk Bawang
∑ A,B,C
2
Support
7%
Meisis Ceres Milk
90gr
Kopi 41Susu Jahe
Roti Tawar
Indomie Goreng
Kriuk Bawang
2
7%
2
2
2
7%
7%
7%
Roti Tawar
2
7%
2
3
7%
10%
2
7%
∑ A,B,C
2
Support
7%
2
2
2
7%
7%
7%
2
2
7%
7%
Kopi 41Susu Jahe
Indomie Goreng
Kriuk Bawang
Telor 1/2kg
Cheese Snack
Surya 12
Tabel 3.9 Contoh Data Trankasi 3 Itemset (Lanjutan)
A
Indomie Goreng
Kriuk Bawang
Roti Tawar
Kopi 41Susu
Jahe
B
Telor 1/2kg
Selai Harry
Strawberry
Gula KBA
C
Cheese Snack
Surya 12
Gula KBA
Susu Cair Indomilk
Stroberi 195ml
Gula KBA
Indomie Goreng
Kriuk Bawang
3.7.6 Mencari Nilai Confidence Pada L2 dan L3
Untuk menentukan nilai confidence L2 didapat dari rumus :
Confidence P ( A|B ) =
∑ Transaksi mengandung A dan B
x 100%
∑ Transaksi A
Data nilai confidence L2 yang telah diseleksi berdasarkan nilai
minimal support secara keseluruhan bisa dilihat pada tabel dibawah ini :
Tabel 3.10 Tabel Data Confidence L2
73
A
B
Susu Cair
Indomilk
Stroberi 195ml
Gula KBA
Telor 1/2kg
Indomie Goreng
Kriuk Bawang
∑ -->
A,B
10
--> A
Supp L2
Conf L2
18
33%
56%
2
6
18
18
7%
20%
11%
33%
Tabel 3.10 Tabel Data Confidence L2 (Lanjutan)
A
Gula KBA
Roti Tawar
B
Meisis Ceres Milk
90gr
Kopi 41Susu Jahe
Kopi 41Susu Jahe
Roti Tawar
Selai Harry
Strawberry
Telor 1/2kg
Indomie Goreng
Kriuk Bawang
Susu Cair Indomilk
Stroberi 195ml
Meisis Ceres Milk
90gr
Blue Band 200gr
Kopi 41Susu Jahe
Roti Tawar
Susu Cair Indomilk
Stroberi 195ml
Gula KBA
Meisis Ceres Milk
90gr
Blue Band 200gr
Kopi 41Susu Jahe
Selai Harry
Strawberry
∑ -->
A,B
3
--> A
Supp L2
18
10%
17%
5
5
6
2
18
18
18
18
17%
17%
20%
7%
28%
28%
33%
11%
2
7
21
21
7%
23%
10%
33%
7
21
23%
33%
2
21
7%
10%
2
5
5
5
21
21
21
15
7%
17%
17%
17%
10%
24%
24%
33%
7
2
15
15
23%
7%
47%
13%
2
4
3
15
15
15
7%
13%
10%
13%
27%
20%
Tabel 3.10 Tabel Data Confidence L2 (Lanjutan)
Conf L2
74
A
Meisis Ceres
Milk 90gr
Blue Band
200gr
Selai Harry
Strawberry
Kopi 41Susu
Jahe
B
Indomie Goreng
Kriuk Bawang
Gula KBA
∑ --> A,B
3
--> A
15
Supp L2
10%
Conf L2
20%
2
5
7%
40%
Roti Tawar
Roti Tawar
3
3
5
6
10%
10%
60%
50%
Meisis Ceres Milk
90gr
Roti Tawar
2
6
7%
33%
3
6
10%
50%
Kopi 41Susu Jahe
Gula KBA
Blue Band 200gr
Susu Cair Indomilk
Stroberi 195ml
Indomie Goreng
Kriuk Bawang
Gula KBA
2
4
2
3
6
6
6
6
7%
13%
7%
10%
33%
67%
33%
50%
2
6
7%
33%
6
13
20%
46%
Indomie Goreng
Kriuk Bawang
Roti Tawar
Cheese Snack
Susu Cair Indomilk
Stroberi 195ml
5
13
17%
38%
2
3
2
13
13
13
7%
10%
7%
15%
23%
15%
Tabel 3.10 Tabel Data Confidence L2 (Lanjutan)
A
Indomie
Goreng Kriuk
Bawang
B
Gula KBA
Susu Cair Indomilk
Stroberi 195ml
Blue Band 200gr
Cheese Snack
Kopi 41Susu Jahe
Roti Tawar
∑ -->
A,B
5
--> A
Supp L2
Conf L2
16
17%
31%
3
16
10%
19%
2
4
3
3
16
16
16
16
7%
13%
10%
10%
13%
25%
19%
19%
75
Cheese Snack
Rinso Anti
Noda 450gr
Telor 1/2kg
Telor 1/2kg
Surya 12
Surya 12
Gula KBA
5
2
3
2
16
16
8
5
17%
7%
10%
7%
31%
13%
38%
40%
Susu Cair Indomilk
Stroberi 195ml
Surya 12
Cheese Snack
Surya 12
Gula KBA
2
5
7%
40%
2
2
2
2
5
6
6
6
7%
7%
7%
7%
40%
33%
33%
33%
Untuk menentukan nilai confidence L3 didapat dari rumus :
Confidence P ( A|B ) =
∑ Transaksi mengandung A,B dan C
x 100%
∑ Transaksi A
Data nilai confidence L3 yang telah diseleksi berdasarkan nilai
minimal support secara keseluruhan bisa dilihat pada tabel dibawah ini :
Tabel 3.11 Tabel Data Confidence L3
A
Susu Cair
Indomilk
Stroberi
195ml
Susu Cair
Indomilk
Stroberi
195ml
Gula KBA
B
Gula KBA
Kopi
41Susu
Jahe
Susu Cair
Indomilk
Stroberi
195ml
C
Indomie
Goreng
Kriuk
Bawang
Meisis
Ceres Milk
90gr
Kopi
41Susu
Jahe
Roti Tawar
Indomie
Goreng
Kriuk
Bawang
Roti Tawar
∑
A,B,C
2
∑ --> A
18
Support
L3
7%
Conf
L3
11%
2
18
7%
11%
2
18
7%
11%
2
2
18
18
7%
7%
11%
11%
2
21
7%
10%
76
Kopi
41Susu
Jahe
Indomie
Goreng
Kriuk
Bawang
2
21
7%
10%
3
21
10%
14%
Conf
L3
33%
Tabel 3.11 Tabel Data Confidence L3 (Lanjutan)
A
Telor 1/2kg
Indomie
Goreng
Kriuk
Bawang
B
Cheese
Snack
Telor
1/2kg
Roti Tawar
Selai
Harry
Strawberr
y
Kopi 41Susu
Jahe
Gula KBA
C
∑
A,B,C
2
∑ --> A
6
Support
L3
7%
Cheese
Snack
2
16
7%
13%
Surya 12
Gula KBA
Susu Cair
Indomilk
Stroberi
195ml
Gula KBA
Indomie
Goreng
Kriuk
Bawang
2
2
2
16
16
15
7%
7%
7%
13%
13%
13%
2
2
15
13
7%
7%
13%
15%
Surya 12
3.7.7 Menentukan Aturan Asosiasi
Berdasarkan perhitungan di atas akan terbentuk assosiasi dengan
minimal support 5% dan minimal confidence 14%. Assosiasi yang
terbentuk adalah sebagai berikut :
77
Large 1:
Table 3.12 Aturan Asosiasi L1 Memenuhi Syarat
Trans
1
Nama Barang
Susu Cair
Indomilk
Stroberi 195ml
2
Gula KBA
3
Roti Tawar
Meisis Ceres
Milk 90gr
Blue Band
200gr
Selai Harry
Strawberry
Kopi 41Susu
Jahe
Indomie
Goreng Kriuk
Bawang
4
5
6
7
8
9
Cheese Snack
10
Rinso Anti
Noda 450gr
11
Surya 12
12
Telor 1/2kg
Support
18
x 100 =60
30
21
x 100 =70
30
15
x 100 =50
30
5
x 100 =17
30
6
x 100 =20
30
6
x 100 =20
30
13
x 100 =43
30
16
30
8
30
5
30
3
30
6
30
x 100 =53
x 100 =27
x 100 =17
x 100 =10
x 100 =20
Large 2:
Table 3.13 Aturan Asosiasi L2 Memenuhi Syarat
A
Susu Cair
Indomilk
Stroberi 195ml
B
∑ --> A,B
--> A
18
Supp
L2
33%
Conf
L3
56%
Gula KBA
10
Indomie
6
18
20%
33%
78
Goreng Kriuk
Bawang
Meisis Ceres
3
18
10%
Milk 90gr
Kopi 41Susu
5
18
17%
Jahe
Roti Tawar
6
18
20%
Gula KBA
Indomie
7
21
23%
Goreng Kriuk
Bawang
Susu Cair
7
21
23%
Indomilk
Stroberi
195ml
Kopi 41Susu
5
21
17%
Jahe
Roti Tawar
5
21
17%
Roti Tawar
Susu Cair
5
15
17%
Indomilk
Stroberi
195ml
Gula KBA
7
15
23%
Table 3.13 Aturan Asosiasi L2 Memenuhi Syarat (Lanjutan)
A
Meisis Ceres
Milk 90gr
Blue Band
200gr
Selai Harry
Strawberry
B
∑ --> A,B
--> A
Kopi 41Susu
Jahe
Selai Harry
Strawberry
Indomie
Goreng Kriuk
Bawang
Gula KBA
4
17%
28%
33%
33%
33%
24%
24%
33%
47%
15
Supp
L2
13%
Conf
L3
27%
3
15
10%
20%
3
15
10%
20%
2
5
7%
40%
Roti Tawar
Roti Tawar
3
3
5
6
10%
10%
60%
50%
Meisis Ceres
Milk 90gr
Roti Tawar
2
6
7%
33%
3
6
10%
50%
Kopi 41Susu
Jahe
Gula KBA
2
6
7%
33%
4
6
13%
67%
79
Blue Band
200gr
Susu Cair
Indomilk
Stroberi
195ml
2
6
7%
33%
3
6
10%
50%
Table 3.13 Aturan Asosiasi L2 Memenuhi Syarat (Lanjutan)
A
Kopi 41Susu
Jahe
Indomie
Goreng Kriuk
Bawang
B
∑ --> A,B
--> A
6
Supp
L2
7%
Conf
L3
33%
Indomie
Goreng Kriuk
Bawang
Gula KBA
2
6
13
20%
46%
Indomie
Goreng Kriuk
Bawang
Roti Tawar
Cheese
Snack
Susu Cair
Indomilk
Stroberi
195ml
Gula KBA
5
13
17%
38%
2
3
13
13
7%
10%
15%
23%
2
13
7%
15%
5
16
17%
31%
Susu Cair
3
16
10%
Indomilk
Stroberi
195ml
Cheese
4
16
13%
Snack
Kopi 41Susu
3
16
10%
Jahe
Roti Tawar
3
16
10%
Table 3.13 Aturan Asosiasi L2 Memenuhi Syarat (Lanjutan)
A
B
∑ --> A,B
--> A
Supp
L2
19%
25%
19%
19%
Conf
L3
80
Cheese Snack
Rinso Anti
Noda 450gr
Telor 1/2kg
Telor 1/2kg
Surya 12
Gula KBA
5
3
2
16
8
5
17%
10%
7%
31%
38%
40%
Susu Cair
Indomilk
Stroberi
195ml
Surya 12
Cheese
Snack
Surya 12
Gula KBA
2
5
7%
40%
2
2
5
6
7%
7%
40%
33%
2
2
6
6
7%
7%
33%
33%
Large 3:
Table 3.14 Aturan Asosiasi L3 Memenuhi Syarat
A
Gula KBA
Telor 1/2kg
Kopi
41Susu
Jahe
B
C
Susu Cair
Indomilk
Stroberi 195ml
Cheese Snack
Gula KBA
Indomie
Goreng Kriuk
Bawang
Surya 12
Indomie
Goreng Kriuk
Bawang
∑
A,B,C
3
∑ --> A
21
Sup
L3
10%
Conf
L3
14%
2
2
6
13
7%
7%
33%
15%
Dari hasil proses penghitungan mulai dari L1 sampai L3 dengan
nilai minimal support 5% dan minimal confidence 14% telah dihasilkan
aturan asosiasi dengan 3 kombinasi barang yang dijual bersamaan dalam
seluruh transaksi yaitu (Telur, Snack, Rokok dengan Support 7% dan
Confidence 33%), (Kopi, Gula, Indomie dengan Support 7% dan
Confidence 15%), (Gula, Susu, Indomie dengan Support 10% dan
Confidence 14%).
81
3.8. Perancangan Desain Sistem
Pada perancangan sistem ini point-point yang akan dibahas adalah
skenario sistem, Use case diagram dan activity diagram. Untuk lebih
detailnya akan dijabarkan sebagai berikut :
1. Skenario Sistem
Dalam sub bab ini akan dijelaskan tentang narasi sistem yang akan
dirancang, adapun narasi sistem adalah sebagai berikut :
a. Skenario Proses Mining
Pada menu utama ini analis dapat melakukan proses mining
dengan cara menentukan inputan data apa yang akan diproses
mining kemudian sistem melakukan scan pada database. Data
yang di scan beruba tabel master barang dan tabel transaksi
tahunan, untuk mendapatkan itemset yang akan dijadikan variabel
dalam proses mining, beruba nama barang yang telah dibeli oleh
customer. Setelah didapat itemset maka sistem akan melakukan
scan database untuk yang kedua kalinya untuk mendapatkan
itemset gabungan (2-itemset) yang nantinya akan dihitung nilai
support dan confidence. Kemudian sistem akan melakukan scan
database
kembali
untuk
mendapatkan
itemset
gabungan
(k-itemset) jika sudah tidak ditemukan lagi k-itemset maka proses
akan dihentikan dan jika masih ditemukan k-itemset maka sistem
akan melakukan scan database lagi mulai awal. Setelah proses
semua
selesai
dari
mencari
itemset
maka
sistem
akan
menampilkan hasil dari perhitungan nilai support dan confidence.
Berupa item-item yang paling sering dibeli oleh customer, beserta
82
seberapa erat tingkat kecenderungan customer membeli barang
secara bersamaan.
2. Use Case Proses Mining
Masukkan Min Supp
Pengguna
Masukkan Min Conf
Scan Database
Gabung Data
Kombinasi Itemset
Sistem
Hitung Nilai Supp
Hitung Nilai Conf
Gambar 3.3 Use Case Proses Mining
3. Aktivity Diagram
83
Pengguna
Sistem
Masukkan Nilai
minsupp & min conf
Klik Tombol Proses
Scan Tabel
Transaksi
Ambil Itemset
Ambil Itemset
Jika
Jika
Simpan Itemset
Ambil 1-Itemset
ambil 1-Itemset
Jika
Gabung 1-Itemset
menjadi 2-Itemset
Gabung 1-Itemset
menjadi 3-Itemset
Hitung Nilai Supp
Hitung nilai
Support
Buat Itemset
Ambil Itemset
Itemset tidak ada
Hitung Nilai Conf
Hitung Nilai Confi
Simpan Dalam
Tabel L2
Simpan dalam
tabel L3
Hitung Nilai Supp
1-Itemset
Simpan 1-Itemset
dalam tabel Itemset
Tampil 1-Itemset
2-Itemset
3-Itemset
Data tidak ada
Itemset tidak ada
Gambar 3.4 Activity Diagram Proses Mining
3.8.1 Rancangan Database
Berikut ini adalah perancangan database pada aplikasi data mining.
1. Tabel Item
Tabel 3.15 Item
No
Field
1 Kode
2 Nama
3 Jumlah
2. Tabel Itemset
Type
Varchar
Varchar
Integer
Size
30
200
-
Keterangan
Kode barang
Nama barang
Jumlah item sering
Tabel 3.16 Itemset
No
1
2
3
4
Field
Large
Itemset
Itemset2
Itemset3
Type
Varchar
Varchar
Varchar
Varchar
Size
2
100
300
300
Keterangan
84
5
6
7
Nama
JumlahA
Jumlahmengandun
Varchar
Integer
Integer
300
-
8
g
Totaltrans
Integer
-
3. Tabel Kandidat_L1
Tabel 3.17 Kandidat_L1
No
1
2
3
4
5
Field
Itemset
Nama
Jumlahtransaksi
Total
Support
Type
Varchar
Varchar
Integer
Integer
Double
Size
15
50
-
Keterangan
Kode barang
Pola 1-Itemset
Jumlah
itemset
-
sering muncul
Total Transaksi
Hasil perhitungan
nilai support
4. Tabel Kandidat_L2
Tabel 3.18 Kandidat_L2
No
Field
1 Itemset
2 Itemset2
3 Nama
4
Type
Varchar
Varchar
Varchar
Integer
Size
15
15
200
-
Keterangan
Kode barang
Kode barang
Pola 2-itemset
Jumlah itemset
Jumlahtransaksi
Integer
-
sering
Jumlah
sering
5
itemset
yang
TransaksimengandungA
mengandung
6
7
Total
Support
Integer
Double
-
item A
Total transaksi
Hasil
perhitungan nilai
85
Double
8
-
Confidence
support
Hasil
perhitungan nilai
confidence
5. Tabel Kandidat_L3
Tabel 3.19 Kandidat_L3
No
1
2
3
4
5
Field
Itemset
Itemset2
Itemset3
Nama
Type
Varchar
Varchar
Varchar
Varchar
Integer
Size
50
50
60
45
-
Integer
-
Keterangan
Kode barang
Kode barang
Kode barang
Pola 3-itemset
Jumlah itemset
Jumlahtransaksi
sering
Jumlah
itemset
sering
6
yang
TransaksimengandungA
mengandung
7
Total
8
Support
Integer
Double
perhitungan nilai
Double
9
Confidence
-
item A
Total transaksi
Hasil
-
support
Hasil
perhitungan nilai
confidence
6. Tabel Trans_jual_detail
86
Tabel 3.20 Trans_jual_detail
No
Field
1 Notrans
2 Kode_barang
3 Nama_baran
Type
Varchar
Varchar
Varchar
Size
30
30
200
Keterangan
Nomor transaksi
Kode barang
Nama barang
g
3.8.2 Perancangan Antarmuka
Dalam aplikasi Data Mining ini terdapat beberapa form diantaranya
sebagai berikut :
1. Form Proses Mining
Form ini berfungsi untuk pengambilan data pemilihan atribut data
transaksi, input nilai ambang, perintah proses mining dan tombol
keluar aplikasi dan merupakan halaman report data mining yang berisi
hasil proses data mining yaitu tabel nilai support dan confidence.
Adapun desain formnya adalah sebagai berikut :
Nilai Min Supp
0
Nilai Min Conf
0
Waktu
Proses
Large 1
Show
Kesimpulan
Gambar 3.5 Desain Form Proses Mining
Cancel
Large 2
Large 3
Rekomendasi
Counter
Report Hasil Proses Mining
PEMBAHASAN
3.1 Profile Instansi
PT. Batu Mutiara Indah yang sering di kenal dengan supermarket
batu plaza berdiri pada tahun 1997 dan beralamat di Jl. Gajah Mada 1
Batu. Terletak di dekat obyek wisata alun-alun kota batu sehingga
supermarket batu plaza mempunyai letak yang sangat strategis untuk
menunjang kegiatan bisnis. Pendirian supermarket batu plaza dilatarbelakangi oleh perkembangan kota batu sehingga dibutuhkan sarana
belanja bagi masyarakat umum yang betul-betul memihak masyarakat
umum baik konsumen, pedagang serta pelaku ekonomi di lingkungan
sekitar Kota Batu. Supermarket batu plaza memiliki nuansa yang berbeda
dengan minimarket-minimarket yang sudah ada, juga memiliki filosofi dan
orientasi yang berbeda.
3.2 Analisa Masalah
PT.Batu Mutiara Indah yang lebih dikenal dengan supermarket batu
plaza merupakan salah satu unit usaha yang bergerak dalam bidang
perdagangan kebutuhan pokok yang diharapkan dapat menyediakan
kebutuhan pokok sehari-hari bagi masyarakat pada umumnya dengan
kualitas baik dan harga yang terjangkau. Dimana perusahaan ini dituntut
57
58
untuk memberi pelayanan kepada konsumen dan mempermudah
konsumen dalam pembelian barang, sehingga dapat menentukan strategi
penjualan yang tepat dan akurat. Supermarket batu plaza terdapat
beberapa permasalahan yang kerap muncul mengenai penjualan barang
dan perusahaan sulit mendapatkan informasi-informasi strategis seperti
tingkat penjualan per periode. Ketersediaan data penjualan yang besar di
supermarket batu plaza tidak digunakan semaksimal mungkin, sehingga
data penjualan tersebut tidak dimanfaatkan secara optimal dan belum
adanya sistem yang dapat menyelesaikan permasalahan saat ini untuk
merancang sebuah strategi bisnis dalam meningkatkan penjualan.
Maka dengan dibangun sistem untuk membuat analisis terhadap
data transaksi pembelian barang untuk mengetahui pola dan hubungan
keterkaitan antar data. Dari pola yang dihasilkan dapat diketahui
hubungan antar data dalam pembelian barang dengan nilai support dan
confidence yang telah ditentukan sebelumnya. Pola yang dihasilkan dapat
memberikan informasi yang berharga bagi pihak terkait. Dalam sistem ini
digunakan algoritma association rules mining untuk mendapatkan
frequent itemset. Hal ini bertujuan untuk menemukan asosiasi dan
hubungan antar item dalam kumpulan data transaksi pembelian barang.
59
3.3 Pemodelan Sistem
Dalam pembuatan data mining ini metode yang digunakan aturan
asosiasi menggunakan algoritma association rules mining. Metode ini
digunakan untuk mencari hubungan dalam data pembelian barang.
Untuk melakukan analisa terhadap data transaksi pembelian barang
dilakukan proses sebagai berikut:
1. Sistem menerima data dari transaksi pembelian barang yang telah
tersimpan di dalam database
2. Pengguna memasukkan nilai
confidence.
3. Sistem men-scan
database
minimum
untuk
support dan minimum
mendapatkan
kandidat
1-
itemset dan menghitung nilai supportnya.
4. Nilai support dibandingkan dengan nilai minimal confidence yang
ditentukan. Jika nilainya lebih besar atau sama dari minimal
confidence maka termasuk dalam large itemset.
5. Nilai yang memenuhi
large
itemset diikutkan dalam
iterasi
selanjutnya, tetapi jika tidak memenuhi, maka tidak diikutkan.
6. Pada iterasi kedua, sistem menggunakan hasil dari large itemset
dari iterasi pertama untuk membentuk kandidat 2-itemset. Untuk
iterasi selanjutnya sistem menggunakan large itemset dari iterasi
sebelumnya untuk memebentuk itemset berikutnya.
7. Sistem menggabungkan antara 1-itemset dengan 2-itemset yang
memenuhi large itemset. Jika gabungan dari item tersebut tidak
memenuhi large itemset, maka akan dihapus.
8. Dari hasil frequet itemset tersebut diperoleh association rule
dengan nilai confidence yang memenuhi nilai minimal confidence dan
minimal confidence.
60
Berikut ini akan dijelaskan mengenai diagram blok dari sistem
yang akan dibuat:
Min Support &
Min_Confidence
Preprocessing :
Data Cleaning
Data Integration
Data Transformation
Data Transaksi
Proses algoritma apriori
Gambar 3.1 Diagram Blok Sistem
Aturan asosiasi
1. Data transaksi penjualan di ambil dari database sebagai input data
yang akan diproses. Selain itu juga diinputkan minimal support dan
minimal confidence sebagai syarat aturan asosiasi yang akan
dibentuk.
2. Sebelum proses Data Minning dapat dilaksanakan, perlu dilakukan
proses cleaning mencakup antara lain, membuang atribut data yang
tidak diperlukan, duplikasi data, data integration penggabungan
sumber-sumber data, data transformasi data dalam bentuk data set
yang dapat di proses.
Tabel 3.1 Contoh : Awal Data Transaksi Penjualan
NOTRAN
S
TS012013
00001
TS012013
00001
TS012013
00001
TS012013
00001
TS012013
00002
TS012013
00002
TS012013
00002
TS012013
00003
TS012013
00003
TS012013
00003
URUT
AN
1
2
3
4
1
2
3
1
2
3
KODE_BAR
ANG
0JCE010030
0BGTT001077
0BGTT001077
0MMB024030
0MMB024030
0MMB024030
0JCE010030
0RBK005083
0JCE010030
0JCE010030
SAT
UAN
HRG_
JUAL
Susu Cair Indomilk
Stroberi 195ml
Pcs
2237.55
1
01/01/2013
Gula KBA
Kg
8600
1
01/01/2013
Gula KBA
Indomie Goreng
Kriuk Bawang
Indomie Goreng
Kriuk Bawang
Indomie Goreng
Kriuk Bawang
Susu Cair Indomilk
Stroberi 195ml
Kg
8600
1
01/01/2013
Pcs
1354.56
2
01/01/2013
Pcs
1354.56
2
01/01/2013
Pcs
1354.56
2
01/01/2013
Pcs
2237.55
1
01/01/2013
Roti Tawar
Susu Cair Indomilk
Stroberi 195ml
Susu Cair Indomilk
Stroberi 195ml
BH
7000
1
01/01/2013
Pcs
2237.55
1
01/01/2013
Pcs
2237.55
1
01/01/2013
NAMA_BARANG
QTY
TGL_TRANS
DISKO
N
0
JML_
RETUR
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
61
Tabel 3.2 Contoh : Data Transaksi Penjualan yang sudah di cleaning
NOTRAN
S
TS012013
00001
TS012013
00001
TS012013
00001
TS012013
00001
TS012013
00002
TS012013
00002
TS012013
00002
TS012013
00003
TS012013
00003
TS012013
00003
URUT
AN
1
2
3
4
1
2
3
1
2
3
KODE_BAR
ANG
0JCE010030
0BGTT001077
0BGTT001077
0MMB024030
0MMB024030
0MMB024030
0JCE010030
0RBK005083
0JCE010030
0JCE010030
SAT
UAN
HRG_
JUAL
Susu Cair Indomilk
Stroberi 195ml
Pcs
2237.55
1
01/01/2013
Gula KBA
Kg
8600
1
01/01/2013
Gula KBA
Indomie Goreng
Kriuk Bawang
Indomie Goreng
Kriuk Bawang
Indomie Goreng
Kriuk Bawang
Susu Cair Indomilk
Stroberi 195ml
Kg
8600
1
01/01/2013
Pcs
1354.56
2
01/01/2013
Pcs
1354.56
2
01/01/2013
Pcs
1354.56
2
01/01/2013
Pcs
2237.55
1
01/01/2013
Roti Tawar
Susu Cair Indomilk
Stroberi 195ml
Susu Cair Indomilk
Stroberi 195ml
BH
7000
1
01/01/2013
Pcs
2237.55
1
01/01/2013
Pcs
2237.55
1
01/01/2013
NAMA_BARANG
QTY
TGL_TRANS
DISKO
N
0
JML_
RETUR
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Tabel 3.3 Contoh : Data Transaksi Penjualan yang sudah di Integration
NOTRANS
TS01201300001
TS01201300001
TS01201300001
TS01201300002
TS01201300002
TS01201300003
TS01201300003
KODE_BARANG
0JCE010-030
0BGTT001-077
0MMB024-030
0MMB024-030
0JCE010-030
0RBK005-083
0JCE010-030
NAMA_BARANG
Susu Cair Indomilk Stroberi 195ml
Gula KBA
Indomie Goreng Kriuk Bawang
Indomie Goreng Kriuk Bawang
Susu Cair Indomilk Stroberi 195ml
Roti Tawar
Susu Cair Indomilk Stroberi 195ml
Tabel 3.4 Contoh : Data Transformation
ATRIBUT
NOTRANS
KETERANGAN
Nomor transaksi yang dimiliki setiap transaksi
KODE_BARANG
pembelian konsumen.
Kode barang yang dimiliki barang yang ada di
NAMA_BARANG
supermarket batu plaza.
Merupakan nama barang yang ada di supermarket
batu plaza.
3. Data tersebut dilakukan proses data mining yaitu pencarian pola
penjualan menggunakan algoritma association rules mining sampai
batas maksimal tiga item.
62
4. Setelah proses selesai maka didapatkan hasil berupa aturan asosiasi
yang memenuhi kriteria minimal support dan minimal confidence yang
diinputkan.
PT. Batu Mutiara Indah data yang diberikan sudah di export dalam
bentuk exel. Sedangkan dalam penelitian ini digunakan database MySQL.
Untuk itu sebelum proses pembentukan dataset, dilakukan konversi data
dari exel ke database MySQL. Tidak semua data harus dikonversi, tetapi
hanya tabel yang berhubungan langsung dengan transaksi yaitu tabel
penjualan dan detil penjualan.
Pada mulanya data transaksi asli terdiri dari berbagai macam kolom,
misalnya kolom nomer transaksi, kode barang, nama barang, harga,
jumlah item, dan sebagainya. Padahal dalam penelitian ini seluruh data
pada kolom tersebut tidak dibutuhkan semua. Untuk itu dilakukan
penghapusan pada data yang dianggap tidak perlu akan proses data
mining
bisa
berjalan
lebih
cepat.
Langkah
ini
ditempuh
dalam
pembentukan dataset yang dibutuhkan aplikasi data mining.
Dataset adalah objek yang merepresentasikan sekumpulan data dan
relasinya. Strukturnya mirip dengan data di database. Tabel 3.1 adalah
dataset yang akan digunakan dalam proses data mining. Dataset terdiri
dari 2 data tabel, Tabel penjualan dan item_penjualan. Kedua data tabel
saling berhubungan melalui data relation penjualan-item_penjualan. Tabel
3.1 dibawah ini menjelaskan struktur dataset.
Tabel 3.5. Struktur Dataset
Atribut
NOTRANS
KODE_BARANG
NAMA_BARANG
Type Data
Varchar
Date
Varchar
63
Dua tabel yang membentuk dataset dihubungkan oleh ID yaitu kolom
Notrans. Dimana setiap record (item data) Notrans pada Tabel penjualan
minimal mempunyai satu record Notrans pada Tabel Item_Penjualan.
Gabungan data dari kedua tabel ini nanti yang akan dilakukan pencarian
pola penjualan barang.
3.4 Tahap-Tahap Iterasi dalam Algoritma Apriori
1. Iterasi Pertama
a. Hitung nilai minimun support dan setiap item.
b. Scan database.
c. Maka didapat pola frekuensi tinggi 1-itemset.
d. PiIih pola frekuensi tinggi 1-itemset.
2. Iterasi Kedua
a. Buat kandidat 2-itemset dan kombinasi 1-itemset yang telah
didapat pada iterasi sebelumnya.
b. Hitung nilai minimum support 2-itemset.
c. Nilai minimum support yang memenuhi syarat minimum
support.
d. Tentukan pola frekuensi tinggi 2-itemset.
3. Iterasi ke-k
a. Pembentukan k-itemset (dibentuk dengan kombinasi (k-i)
item set)
b. Hitung minimum support dan kandidat (k-1)-itemset.
c. Tetapkan pola frekuensi tinggi.
d. Bila tidak didapat pola frekuensi tinggi, maka proses
dihentikan, bila masih ditemukan pola frekuensi tinggi maka
k ditambah satu dan kembali kebagian 1.
3.5
Flowchart Sistem Apriori
64
Dari iterasi-iterasi sebelumnya maka dapat di gambarkan bagan
sebagai berikut :
Mulai
Min Supp
Min Conf
Scan Database
Itemset
Hasil sudah
terbentuk
itemset
Y
T
Selesai
Gambar 3.2 Flowchart Sistem Apriori
Penjelasan dari flowchart diatas adalah sebagai berikut :
1. Pengguna sistem menginputkan nilai minimum support dan minimum
confidence dari keyboard.
2. Data transaksi di scan dan dilakukan pembentukan kandidat item
untuk di cari nilai support yang memunuhi kriteria di atas minimum
support yang telah diinputkan sebelumnya. Proses ini dilakukan
65
secara terus-menerus dan berulang-ulang sampai data terscan
semua.
3. Seluruh kandidat item yang terbentuk dari langkah 2 akan dilakukan
pembentukan Strong Rules atau aturan asosiasi yang memenuhi
kriteria di atas nilai minimum confidence. Proses ini dilakukan secara
berulang-ulang sehingga seluruh kandidat item habis.
3.6 Analisa Perangkat Lunak
3.6.1 Deskripsi Umum Perangkat Lunak
Perangkat Lunak yang dikembangkan dalam Aplikasi Data Mining ini
berbasis dekstop, dengan database lokal.
Pengguna dalam aplikasi adalah pihak penentu kebijakan dalam
analisis keranjang pasar sehingga dapat diambil langkah-Iangkah
strategis guna meningkatkan tingkat penjualan pada supermarket. Untuk
menjaga kerahasiaan data, maka pengguna dibatasi hanya kepada pihak
yang berwenang menggunakan data detail transaksi dari data transaksi
tahunan.
Sebagai suatu rangkaian proses, data mining dibagi dalam beberapa
tahap seperti yang sudah diterangkan pada sub bab 3.2. Begitu juga
dalam membangun perangkat lunak diperlukan tahapan-tahapan dan
analisis, perancangan sampai aplikasi.Sehingga dalam membangun
Aplikasi Data Mining, tahapan data mining sejalan dengan tahapan dalam
membangun perangkat lunak. Analisis dan tahapan data mining menjadi
acuan dalam analisis dan perancangan Aplikasi Data Mining ini.
66
3.6.2 Spesifikasi Kebutuhan Fungsional
Spesifikasi kebutuhan fungsional pada aplikasi data mining ini
merujuk pada kebutuhan akan perancangan data mining, seperti yang
tertera berikut ini :
1. Dapat menggabungkan data yang akan diproses mining dan data
transaksi dari data barang.
2. Dapat menghapus data-data yang tidak relevan serta atribut yang
tidak dipakai.
3. Dapat merubah data menjadi data yang siap diproses.
4. Dapat memproses data untuk di mining meliputi;
a. Hubungan tingkat penjuaan dengan data barang masuk.
b. Hubungan tingkat penjuaan dengan data suplier.
5. Dapat menampilkan hasil proses mining dengan nilai support dan
confidence.
3.7 Studi Kasus
Studi kasus disini menggambarkan cara perhitungan dalam mencari
pola dan hubungan keterkaitan antar barang, dengan mengolah data-data
penjualan yang didapat dari data transaksi penjualan di Supermarket Batu
Plaza sebagai acuan perhitungan.
3.7.1 Sumber Data
67
Contoh proses mining untuk mengetahui hubungan tingkat penjualan
pada supermarket. Misal data seperti pada tabel 3.2
Tabel 3.6 Transaksi Penjualan
No
1
2
3
4
5
6
7
No
8
9
10
11
12
13
14
15
16
NOTRANS
TS01201300001
PENJUALAN
Susu Cair Indomilk Stroberi 195ml Cair
Indomilk Stroberi 195ml,Gula KBA, Telor
1/2kg, Indomie Goreng Kriuk Bawang
TS01201300002 Indomie Goreng Kriuk Bawang, Gula KBA,
Susu Cair Indomilk Stroberi 195ml
TS01201300003 Roti Tawar, Susu Cair Indomilk Stroberi
195ml, Gula KBA, Meisis Ceres Milk 90gr
TS01201300004 Selai Harry Strawberry, Roti Tawar, Kopi
41Susu Jahe, Gula KBA, Blue Band 200gr
TS01201300005 Susu Cair Indomilk Stroberi 195ml, Gula
KBA, Kopi 41Susu Jahe, Indomie Goreng
Kriuk Bawang
TS01201300006 Rinso Anti Noda 450gr , Cheese Snack , Gula
KBA, Susu Cair Indomilk Stroberi 195ml, Roti
Tawar
TS01201300007 Indomie Goreng Kriuk Bawang, Blue Band
200gr, Cheese Snack
Tabel 3.6 Transaksi Penjualan (Lanjutan)
NOTRANS
PENJUALAN
TS01201300008 Indomie Goreng Kriuk Bawang, Kopi 41Susu
Jahe, Roti Tawar, Gula KBA
TS01201300009 Susu Cair Indomilk Stroberi 195ml, Gula
KBA, Roti Tawar, Kopi 41Susu Jahe
TS01201300010 Roti Tawar, Selai Harry Strawberry, Blue
Band 200gr, Susu Cair Indomilk Stroberi
195ml
TS01201300011 Susu Cair Indomilk Stroberi 195ml, Meisis
Ceres Milk 90gr, Gula KBA, Roti Tawar
TS01201300012 Rinso Anti Noda 450gr , Kopi 41Susu Jahe,
Cheese Snack
TS01201300013 Indomie Goreng Kriuk Bawang, Telor 1/2kg,
Cheese Snack , Surya 12
TS01201300014 Gula KBA, Susu Cair Indomilk Stroberi
195ml, Kopi 41Susu Jahe, Indomie Goreng
Kriuk Bawang
TS01201300015 Kopi 41Susu Jahe, Gula KBA, Indomie
Goreng Kriuk Bawang
TS01201300016 Blue Band 200gr, Roti Tawar, Meisis Ceres
68
17
TS01201300017
18
TS01201300018
19
TS01201300019
No
20
21
22
23
Milk 90gr
Selai Harry Strawberry, Roti Tawar, Indomie
Goreng Kriuk Bawang, Susu Cair Indomilk
Stroberi 195ml, Gula KBA
Indomie Goreng Kriuk Bawang, Kopi 41Susu
Jahe, Cheese Snack
Cheese Snack , Rinso Anti Noda 450gr ,
Surya 12
Tabel 3.6 Transaksi Penjualan (Lanjutan)
NOTRANS
PENJUALAN
TS01201300020 Susu Cair Indomilk Stroberi 195ml, Gula
KBA, Blue Band 200gr, Meisis Ceres Milk
90gr, Selai Harry Strawberry, Roti Tawar
TS01201300021 Indomie Goreng Kriuk Bawang, Telor 1/2kg,
Kopi 41Susu Jahe, Gula KBA
TS01201300022 Indomie Goreng Kriuk Bawang, Blue Band
200gr, Roti Tawar
TS01201300023 Gula KBA, Susu Cair Indomilk Stroberi
195ml, Indomie Goreng Kriuk Bawang, Telor
24
25
26
TS01201300024
1/2kg
Gula KBA, Kopi 41Susu Jahe, Susu Cair
TS01201300025
Indomilk Stroberi 195ml, Cheese Snack
Susu Cair Indomilk Stroberi 195ml, Roti
TS01201300026
Tawar, Selai Harry Strawberry, Gula KBA
Indomie Goreng Kriuk Bawang, Telor 1/2kg,
Roti Tawar, Gula KBA, Susu Cair Indomilk
27
TS01201300027
Stroberi 195ml
Rinso Anti Noda 450gr , Kopi 41Susu Jahe,
Surya 12, Susu Cair Indomilk Stroberi 195ml,
28
29
TS01201300028
Gula KBA
Indomie Goreng Kriuk Bawang, Telor 1/2kg,
TS01201300029
Cheese Snack , Surya 12
Meisis Ceres Milk 90gr, Gula KBA, Susu Cair
Indomilk Stroberi 195ml, Roti Tawar, Kopi
30
TS01201300030
41Susu Jahe, Indomie Goreng Kriuk Bawang
Roti Tawar, Selai Harry Strawberry, Susu Cair
Indomilk Stroberi 195ml, Kopi 41Susu Jahe,
Gula KBA, Indomie Goreng Kriuk Bawang
69
3.7.2 Menentukan Minimal Support dan Minimal Confidence
Pada studi kasus kali ini ditetapkan batas nilai minimal support
sebesar 5% dan nilai minimum confidence sebesar 14%. Dan untuk
mempermudah proses selanjutnya data di filter dengan minimal support
5%, kemudian
dari banyaknya jumlah nilai confidence dibawah 14%,
maka untuk membatasi dengan menentukan minimal nilai confidence
14%.
3.7.3 Membuat Tabel Tabular
Tahapan berikutnya adalah membuat tabel tabular untuk melakukan
perhitungan jumlah pembelian di masing-masing transaksi.
Tabel 3.7 Contoh Tabel Tabular
Trans
Nama Barang
1
Susu Cair
Indomilk
Stroberi 195ml
2
Gula KBA
3
Roti Tawar
4
5
6
7
Meisis Ceres
Milk 90gr
Blue Band
200gr
Selai Harry
Strawberry
Kopi 41Susu
Jahe
Support
18
x 100 =60
30
21
x 100 =70
30
15
x 100 =50
30
5
x 100 =17
30
6
x 100 =20
30
6
x 100 =20
30
13
x 100 =43
30
Jumla
h
18
21
15
5
6
6
13
Tabel 3.7 Contoh Tabel Tabular (Lanjutan)
Trans
Nama Barang
Support
Jumla
h
70
3
x 100 =10
30
6
x 100 =20
30
11
Surya 12
12
Telor 1/2kg
8
Indomie
Goreng Kriuk
Bawang
9
Cheese Snack
10
Rinso Anti
Noda 450gr
3
6
16
x 100 =53
30
8
x 100 =27
30
5
x 100 =17
30
16
8
5
Untuk menentukan support pada L1 dengan menggunakan rumus:
Support ( A ) =
∑Transaksi A
x 100%
∑ Transaksi
Contoh: menentukan nilai support pada Nama Barang Susu Cair
Indomilk Stroberi 195ml
Support ( A ) =
∑Transaksi A
18
x 100% =
x 100 =60
∑ Transaksi
30
3.7.4 Mencari Kandidat Itemset L2
Langkah berikutnya adalah membuat kombinasi 2 itemsets pada
setiap data barang dan frekuensi masing-masing kombinasi dihitung
sesuai dengan data tabular pada tabel. Hasil dari kombinasi 2 itemsets,
ditentukan data yang memenuhi syarat minimal support 5% dengan
menggunakan rumus :
Support ( A |B ) =
∑Transaksi A dan B
x 100%
∑ Transaksi
Tabel 3.8 Contoh Data Trankasi 2 Itemset
A
Susu Cair Indomilk Stroberi
195ml
B
Gula KBA
∑ --> A,B
10
Supp L2
33%
71
Telor 1/2kg
Indomie Goreng Kriuk
Bawang
Meisis Ceres Milk 90gr
Kopi 41Susu Jahe
Roti Tawar
Blue Band 200gr
Selai Harry Strawberry
Cheese Snack
Telor 1/2kg
Indomie Goreng Kriuk
Bawang
Susu Cair Indomilk
Stroberi 195ml
Meisis Ceres Milk 90gr
Blue Band 200gr
Kopi 41Susu Jahe
Roti Tawar
Selai Harry Strawberry
Cheese Snack
Gula KBA
2
6
7%
20%
3
5
6
1
2
1
2
7
10%
17%
20%
3%
7%
3%
7%
23%
7
23%
2
2
5
5
1
1
7%
7%
17%
17%
3%
3%
Contoh: menentukan nilai support pada kode barang Susu Cair Indomilk
Stroberi 195ml dan Gula KBA, seperti yang ada pada transaksi di bawah
ini:
¿
10
x 100 =33
30
3.7.5 Mencari Kandidat Itemset L3
Langkah berikutnya adalah membuat kombinasi 3 itemsets pada
setiap data barang dan frekuensi masing-masing kombinasi dihitung
sesuai dengan data tabular pada tabel. Hasil dari kombinasi 3 itemsets,
ditentukan data yang memenuhi syarat minimal support 5% dengan
menggunakan rumus :
Support ( A |B ) =
∑Transaksi A dan B
x 100%
∑ Transaksi
72
Tabel 3.9 Contoh Data Trankasi 3 Itemset
A
Susu Cair
Indomilk
Stroberi 195ml
Susu Cair
Indomilk
Stroberi 195ml
Gula KBA
B
Gula KBA
Kopi 41Susu Jahe
Susu Cair Indomilk
Stroberi 195ml
C
Indomie Goreng
Kriuk Bawang
∑ A,B,C
2
Support
7%
Meisis Ceres Milk
90gr
Kopi 41Susu Jahe
Roti Tawar
Indomie Goreng
Kriuk Bawang
2
7%
2
2
2
7%
7%
7%
Roti Tawar
2
7%
2
3
7%
10%
2
7%
∑ A,B,C
2
Support
7%
2
2
2
7%
7%
7%
2
2
7%
7%
Kopi 41Susu Jahe
Indomie Goreng
Kriuk Bawang
Telor 1/2kg
Cheese Snack
Surya 12
Tabel 3.9 Contoh Data Trankasi 3 Itemset (Lanjutan)
A
Indomie Goreng
Kriuk Bawang
Roti Tawar
Kopi 41Susu
Jahe
B
Telor 1/2kg
Selai Harry
Strawberry
Gula KBA
C
Cheese Snack
Surya 12
Gula KBA
Susu Cair Indomilk
Stroberi 195ml
Gula KBA
Indomie Goreng
Kriuk Bawang
3.7.6 Mencari Nilai Confidence Pada L2 dan L3
Untuk menentukan nilai confidence L2 didapat dari rumus :
Confidence P ( A|B ) =
∑ Transaksi mengandung A dan B
x 100%
∑ Transaksi A
Data nilai confidence L2 yang telah diseleksi berdasarkan nilai
minimal support secara keseluruhan bisa dilihat pada tabel dibawah ini :
Tabel 3.10 Tabel Data Confidence L2
73
A
B
Susu Cair
Indomilk
Stroberi 195ml
Gula KBA
Telor 1/2kg
Indomie Goreng
Kriuk Bawang
∑ -->
A,B
10
--> A
Supp L2
Conf L2
18
33%
56%
2
6
18
18
7%
20%
11%
33%
Tabel 3.10 Tabel Data Confidence L2 (Lanjutan)
A
Gula KBA
Roti Tawar
B
Meisis Ceres Milk
90gr
Kopi 41Susu Jahe
Kopi 41Susu Jahe
Roti Tawar
Selai Harry
Strawberry
Telor 1/2kg
Indomie Goreng
Kriuk Bawang
Susu Cair Indomilk
Stroberi 195ml
Meisis Ceres Milk
90gr
Blue Band 200gr
Kopi 41Susu Jahe
Roti Tawar
Susu Cair Indomilk
Stroberi 195ml
Gula KBA
Meisis Ceres Milk
90gr
Blue Band 200gr
Kopi 41Susu Jahe
Selai Harry
Strawberry
∑ -->
A,B
3
--> A
Supp L2
18
10%
17%
5
5
6
2
18
18
18
18
17%
17%
20%
7%
28%
28%
33%
11%
2
7
21
21
7%
23%
10%
33%
7
21
23%
33%
2
21
7%
10%
2
5
5
5
21
21
21
15
7%
17%
17%
17%
10%
24%
24%
33%
7
2
15
15
23%
7%
47%
13%
2
4
3
15
15
15
7%
13%
10%
13%
27%
20%
Tabel 3.10 Tabel Data Confidence L2 (Lanjutan)
Conf L2
74
A
Meisis Ceres
Milk 90gr
Blue Band
200gr
Selai Harry
Strawberry
Kopi 41Susu
Jahe
B
Indomie Goreng
Kriuk Bawang
Gula KBA
∑ --> A,B
3
--> A
15
Supp L2
10%
Conf L2
20%
2
5
7%
40%
Roti Tawar
Roti Tawar
3
3
5
6
10%
10%
60%
50%
Meisis Ceres Milk
90gr
Roti Tawar
2
6
7%
33%
3
6
10%
50%
Kopi 41Susu Jahe
Gula KBA
Blue Band 200gr
Susu Cair Indomilk
Stroberi 195ml
Indomie Goreng
Kriuk Bawang
Gula KBA
2
4
2
3
6
6
6
6
7%
13%
7%
10%
33%
67%
33%
50%
2
6
7%
33%
6
13
20%
46%
Indomie Goreng
Kriuk Bawang
Roti Tawar
Cheese Snack
Susu Cair Indomilk
Stroberi 195ml
5
13
17%
38%
2
3
2
13
13
13
7%
10%
7%
15%
23%
15%
Tabel 3.10 Tabel Data Confidence L2 (Lanjutan)
A
Indomie
Goreng Kriuk
Bawang
B
Gula KBA
Susu Cair Indomilk
Stroberi 195ml
Blue Band 200gr
Cheese Snack
Kopi 41Susu Jahe
Roti Tawar
∑ -->
A,B
5
--> A
Supp L2
Conf L2
16
17%
31%
3
16
10%
19%
2
4
3
3
16
16
16
16
7%
13%
10%
10%
13%
25%
19%
19%
75
Cheese Snack
Rinso Anti
Noda 450gr
Telor 1/2kg
Telor 1/2kg
Surya 12
Surya 12
Gula KBA
5
2
3
2
16
16
8
5
17%
7%
10%
7%
31%
13%
38%
40%
Susu Cair Indomilk
Stroberi 195ml
Surya 12
Cheese Snack
Surya 12
Gula KBA
2
5
7%
40%
2
2
2
2
5
6
6
6
7%
7%
7%
7%
40%
33%
33%
33%
Untuk menentukan nilai confidence L3 didapat dari rumus :
Confidence P ( A|B ) =
∑ Transaksi mengandung A,B dan C
x 100%
∑ Transaksi A
Data nilai confidence L3 yang telah diseleksi berdasarkan nilai
minimal support secara keseluruhan bisa dilihat pada tabel dibawah ini :
Tabel 3.11 Tabel Data Confidence L3
A
Susu Cair
Indomilk
Stroberi
195ml
Susu Cair
Indomilk
Stroberi
195ml
Gula KBA
B
Gula KBA
Kopi
41Susu
Jahe
Susu Cair
Indomilk
Stroberi
195ml
C
Indomie
Goreng
Kriuk
Bawang
Meisis
Ceres Milk
90gr
Kopi
41Susu
Jahe
Roti Tawar
Indomie
Goreng
Kriuk
Bawang
Roti Tawar
∑
A,B,C
2
∑ --> A
18
Support
L3
7%
Conf
L3
11%
2
18
7%
11%
2
18
7%
11%
2
2
18
18
7%
7%
11%
11%
2
21
7%
10%
76
Kopi
41Susu
Jahe
Indomie
Goreng
Kriuk
Bawang
2
21
7%
10%
3
21
10%
14%
Conf
L3
33%
Tabel 3.11 Tabel Data Confidence L3 (Lanjutan)
A
Telor 1/2kg
Indomie
Goreng
Kriuk
Bawang
B
Cheese
Snack
Telor
1/2kg
Roti Tawar
Selai
Harry
Strawberr
y
Kopi 41Susu
Jahe
Gula KBA
C
∑
A,B,C
2
∑ --> A
6
Support
L3
7%
Cheese
Snack
2
16
7%
13%
Surya 12
Gula KBA
Susu Cair
Indomilk
Stroberi
195ml
Gula KBA
Indomie
Goreng
Kriuk
Bawang
2
2
2
16
16
15
7%
7%
7%
13%
13%
13%
2
2
15
13
7%
7%
13%
15%
Surya 12
3.7.7 Menentukan Aturan Asosiasi
Berdasarkan perhitungan di atas akan terbentuk assosiasi dengan
minimal support 5% dan minimal confidence 14%. Assosiasi yang
terbentuk adalah sebagai berikut :
77
Large 1:
Table 3.12 Aturan Asosiasi L1 Memenuhi Syarat
Trans
1
Nama Barang
Susu Cair
Indomilk
Stroberi 195ml
2
Gula KBA
3
Roti Tawar
Meisis Ceres
Milk 90gr
Blue Band
200gr
Selai Harry
Strawberry
Kopi 41Susu
Jahe
Indomie
Goreng Kriuk
Bawang
4
5
6
7
8
9
Cheese Snack
10
Rinso Anti
Noda 450gr
11
Surya 12
12
Telor 1/2kg
Support
18
x 100 =60
30
21
x 100 =70
30
15
x 100 =50
30
5
x 100 =17
30
6
x 100 =20
30
6
x 100 =20
30
13
x 100 =43
30
16
30
8
30
5
30
3
30
6
30
x 100 =53
x 100 =27
x 100 =17
x 100 =10
x 100 =20
Large 2:
Table 3.13 Aturan Asosiasi L2 Memenuhi Syarat
A
Susu Cair
Indomilk
Stroberi 195ml
B
∑ --> A,B
--> A
18
Supp
L2
33%
Conf
L3
56%
Gula KBA
10
Indomie
6
18
20%
33%
78
Goreng Kriuk
Bawang
Meisis Ceres
3
18
10%
Milk 90gr
Kopi 41Susu
5
18
17%
Jahe
Roti Tawar
6
18
20%
Gula KBA
Indomie
7
21
23%
Goreng Kriuk
Bawang
Susu Cair
7
21
23%
Indomilk
Stroberi
195ml
Kopi 41Susu
5
21
17%
Jahe
Roti Tawar
5
21
17%
Roti Tawar
Susu Cair
5
15
17%
Indomilk
Stroberi
195ml
Gula KBA
7
15
23%
Table 3.13 Aturan Asosiasi L2 Memenuhi Syarat (Lanjutan)
A
Meisis Ceres
Milk 90gr
Blue Band
200gr
Selai Harry
Strawberry
B
∑ --> A,B
--> A
Kopi 41Susu
Jahe
Selai Harry
Strawberry
Indomie
Goreng Kriuk
Bawang
Gula KBA
4
17%
28%
33%
33%
33%
24%
24%
33%
47%
15
Supp
L2
13%
Conf
L3
27%
3
15
10%
20%
3
15
10%
20%
2
5
7%
40%
Roti Tawar
Roti Tawar
3
3
5
6
10%
10%
60%
50%
Meisis Ceres
Milk 90gr
Roti Tawar
2
6
7%
33%
3
6
10%
50%
Kopi 41Susu
Jahe
Gula KBA
2
6
7%
33%
4
6
13%
67%
79
Blue Band
200gr
Susu Cair
Indomilk
Stroberi
195ml
2
6
7%
33%
3
6
10%
50%
Table 3.13 Aturan Asosiasi L2 Memenuhi Syarat (Lanjutan)
A
Kopi 41Susu
Jahe
Indomie
Goreng Kriuk
Bawang
B
∑ --> A,B
--> A
6
Supp
L2
7%
Conf
L3
33%
Indomie
Goreng Kriuk
Bawang
Gula KBA
2
6
13
20%
46%
Indomie
Goreng Kriuk
Bawang
Roti Tawar
Cheese
Snack
Susu Cair
Indomilk
Stroberi
195ml
Gula KBA
5
13
17%
38%
2
3
13
13
7%
10%
15%
23%
2
13
7%
15%
5
16
17%
31%
Susu Cair
3
16
10%
Indomilk
Stroberi
195ml
Cheese
4
16
13%
Snack
Kopi 41Susu
3
16
10%
Jahe
Roti Tawar
3
16
10%
Table 3.13 Aturan Asosiasi L2 Memenuhi Syarat (Lanjutan)
A
B
∑ --> A,B
--> A
Supp
L2
19%
25%
19%
19%
Conf
L3
80
Cheese Snack
Rinso Anti
Noda 450gr
Telor 1/2kg
Telor 1/2kg
Surya 12
Gula KBA
5
3
2
16
8
5
17%
10%
7%
31%
38%
40%
Susu Cair
Indomilk
Stroberi
195ml
Surya 12
Cheese
Snack
Surya 12
Gula KBA
2
5
7%
40%
2
2
5
6
7%
7%
40%
33%
2
2
6
6
7%
7%
33%
33%
Large 3:
Table 3.14 Aturan Asosiasi L3 Memenuhi Syarat
A
Gula KBA
Telor 1/2kg
Kopi
41Susu
Jahe
B
C
Susu Cair
Indomilk
Stroberi 195ml
Cheese Snack
Gula KBA
Indomie
Goreng Kriuk
Bawang
Surya 12
Indomie
Goreng Kriuk
Bawang
∑
A,B,C
3
∑ --> A
21
Sup
L3
10%
Conf
L3
14%
2
2
6
13
7%
7%
33%
15%
Dari hasil proses penghitungan mulai dari L1 sampai L3 dengan
nilai minimal support 5% dan minimal confidence 14% telah dihasilkan
aturan asosiasi dengan 3 kombinasi barang yang dijual bersamaan dalam
seluruh transaksi yaitu (Telur, Snack, Rokok dengan Support 7% dan
Confidence 33%), (Kopi, Gula, Indomie dengan Support 7% dan
Confidence 15%), (Gula, Susu, Indomie dengan Support 10% dan
Confidence 14%).
81
3.8. Perancangan Desain Sistem
Pada perancangan sistem ini point-point yang akan dibahas adalah
skenario sistem, Use case diagram dan activity diagram. Untuk lebih
detailnya akan dijabarkan sebagai berikut :
1. Skenario Sistem
Dalam sub bab ini akan dijelaskan tentang narasi sistem yang akan
dirancang, adapun narasi sistem adalah sebagai berikut :
a. Skenario Proses Mining
Pada menu utama ini analis dapat melakukan proses mining
dengan cara menentukan inputan data apa yang akan diproses
mining kemudian sistem melakukan scan pada database. Data
yang di scan beruba tabel master barang dan tabel transaksi
tahunan, untuk mendapatkan itemset yang akan dijadikan variabel
dalam proses mining, beruba nama barang yang telah dibeli oleh
customer. Setelah didapat itemset maka sistem akan melakukan
scan database untuk yang kedua kalinya untuk mendapatkan
itemset gabungan (2-itemset) yang nantinya akan dihitung nilai
support dan confidence. Kemudian sistem akan melakukan scan
database
kembali
untuk
mendapatkan
itemset
gabungan
(k-itemset) jika sudah tidak ditemukan lagi k-itemset maka proses
akan dihentikan dan jika masih ditemukan k-itemset maka sistem
akan melakukan scan database lagi mulai awal. Setelah proses
semua
selesai
dari
mencari
itemset
maka
sistem
akan
menampilkan hasil dari perhitungan nilai support dan confidence.
Berupa item-item yang paling sering dibeli oleh customer, beserta
82
seberapa erat tingkat kecenderungan customer membeli barang
secara bersamaan.
2. Use Case Proses Mining
Masukkan Min Supp
Pengguna
Masukkan Min Conf
Scan Database
Gabung Data
Kombinasi Itemset
Sistem
Hitung Nilai Supp
Hitung Nilai Conf
Gambar 3.3 Use Case Proses Mining
3. Aktivity Diagram
83
Pengguna
Sistem
Masukkan Nilai
minsupp & min conf
Klik Tombol Proses
Scan Tabel
Transaksi
Ambil Itemset
Ambil Itemset
Jika
Jika
Simpan Itemset
Ambil 1-Itemset
ambil 1-Itemset
Jika
Gabung 1-Itemset
menjadi 2-Itemset
Gabung 1-Itemset
menjadi 3-Itemset
Hitung Nilai Supp
Hitung nilai
Support
Buat Itemset
Ambil Itemset
Itemset tidak ada
Hitung Nilai Conf
Hitung Nilai Confi
Simpan Dalam
Tabel L2
Simpan dalam
tabel L3
Hitung Nilai Supp
1-Itemset
Simpan 1-Itemset
dalam tabel Itemset
Tampil 1-Itemset
2-Itemset
3-Itemset
Data tidak ada
Itemset tidak ada
Gambar 3.4 Activity Diagram Proses Mining
3.8.1 Rancangan Database
Berikut ini adalah perancangan database pada aplikasi data mining.
1. Tabel Item
Tabel 3.15 Item
No
Field
1 Kode
2 Nama
3 Jumlah
2. Tabel Itemset
Type
Varchar
Varchar
Integer
Size
30
200
-
Keterangan
Kode barang
Nama barang
Jumlah item sering
Tabel 3.16 Itemset
No
1
2
3
4
Field
Large
Itemset
Itemset2
Itemset3
Type
Varchar
Varchar
Varchar
Varchar
Size
2
100
300
300
Keterangan
84
5
6
7
Nama
JumlahA
Jumlahmengandun
Varchar
Integer
Integer
300
-
8
g
Totaltrans
Integer
-
3. Tabel Kandidat_L1
Tabel 3.17 Kandidat_L1
No
1
2
3
4
5
Field
Itemset
Nama
Jumlahtransaksi
Total
Support
Type
Varchar
Varchar
Integer
Integer
Double
Size
15
50
-
Keterangan
Kode barang
Pola 1-Itemset
Jumlah
itemset
-
sering muncul
Total Transaksi
Hasil perhitungan
nilai support
4. Tabel Kandidat_L2
Tabel 3.18 Kandidat_L2
No
Field
1 Itemset
2 Itemset2
3 Nama
4
Type
Varchar
Varchar
Varchar
Integer
Size
15
15
200
-
Keterangan
Kode barang
Kode barang
Pola 2-itemset
Jumlah itemset
Jumlahtransaksi
Integer
-
sering
Jumlah
sering
5
itemset
yang
TransaksimengandungA
mengandung
6
7
Total
Support
Integer
Double
-
item A
Total transaksi
Hasil
perhitungan nilai
85
Double
8
-
Confidence
support
Hasil
perhitungan nilai
confidence
5. Tabel Kandidat_L3
Tabel 3.19 Kandidat_L3
No
1
2
3
4
5
Field
Itemset
Itemset2
Itemset3
Nama
Type
Varchar
Varchar
Varchar
Varchar
Integer
Size
50
50
60
45
-
Integer
-
Keterangan
Kode barang
Kode barang
Kode barang
Pola 3-itemset
Jumlah itemset
Jumlahtransaksi
sering
Jumlah
itemset
sering
6
yang
TransaksimengandungA
mengandung
7
Total
8
Support
Integer
Double
perhitungan nilai
Double
9
Confidence
-
item A
Total transaksi
Hasil
-
support
Hasil
perhitungan nilai
confidence
6. Tabel Trans_jual_detail
86
Tabel 3.20 Trans_jual_detail
No
Field
1 Notrans
2 Kode_barang
3 Nama_baran
Type
Varchar
Varchar
Varchar
Size
30
30
200
Keterangan
Nomor transaksi
Kode barang
Nama barang
g
3.8.2 Perancangan Antarmuka
Dalam aplikasi Data Mining ini terdapat beberapa form diantaranya
sebagai berikut :
1. Form Proses Mining
Form ini berfungsi untuk pengambilan data pemilihan atribut data
transaksi, input nilai ambang, perintah proses mining dan tombol
keluar aplikasi dan merupakan halaman report data mining yang berisi
hasil proses data mining yaitu tabel nilai support dan confidence.
Adapun desain formnya adalah sebagai berikut :
Nilai Min Supp
0
Nilai Min Conf
0
Waktu
Proses
Large 1
Show
Kesimpulan
Gambar 3.5 Desain Form Proses Mining
Cancel
Large 2
Large 3
Rekomendasi
Counter
Report Hasil Proses Mining