DATA MINING UNTUK MENGETAHUI TARGET PASAR PADA PENJUALAN BATIK DI KAMPUNG BATIK LAWEYAN Data Mining Untuk Mengetahui Target Pasar Pada Penjualan Batik Di Kampung Batik Laweyan (Studi Kasus Batik Mahkota Laweyan).
DATA MINING UNTUK MENGETAHUI TARGET PASAR
PADA PENJUALAN BATIK DI KAMPUNG BATIK LAWEYAN
(STUDI KASUS BATIK MAHKOTA LAWEYAN)
NASKAH PUBLIKASI
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS KOMUNIKASI DAN INFORMATIKA
Diajukan oleh :
Dodik Setyawan Handoko
Husni Tamrin, S.T., M.T.,Ph.D.
Yusuf Sulistyo Nugroho, S.T, M.Eng
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS KOMUNIKASI DAN INFORMATIKA
UNIVERSITAS MUHAMMADIYAH SURAKARTA
Juli, 2013
0t6: )IN
@
:.'
pnlg
;,'
urer8o.r4
'mqe1e8uoy41
"':::; "':'
ilad lllr0 dl luEEuuJ
'
qeloredrusu
rele8
eueftes
{fl}un
uelere,(sred nles r{31€s teSeqes erulro}Ip
tplel lul q€Iql Is€{IIqnd
,6I1'OOI : )IN
'N o^lsIFSJnsn^
901 : )IN
w
*-/
7 Surqurtqure6
1Eurqunqrusg
leEBuel
ttoz nn( Ll
IJEH
hqu-d
: eped rnlnlestp quleJ
82I060002-I
o{opuuH uuu,uflag {1po6
: qelo rmsnslp uep uelders.redtp
Euel
Nv,r.gawa yroxHYrru xIrYfl sosYx ItIors)
NYAf,A\YT XIIVfl SNOdIAI\r)I I( XIIYS NYTYffNtrd YOYd
T{YSYd III)UYI INHYJUCNUIAI XOINN SNINIIAI YIYO
:
ppnlue8uep qe1tull Ise{llqnd
NYHVSgCNfld NYIAIYTVH
DATA MINING UNTUK MENGETAHUI TARGET PASAR
PADA PENJUALAN BATIK DI KAMPUNG BATIK LAWEYAN
(STUDI KASUS BATIK MAHKOTA LAWEYAN)
Dodik Setyawan Handoko dan Yusuf Sulistyo Nugroho
Program Studi Teknik Informatika, Fakultas Komunikasi dan Informatika,
Universitas Muhammadiyah Surakarta
Email: dodik.admiral@gmail.com
ABSTRAKSI
Batik Mahkota Laweyan memiliki jenis dan model batik yang bermacam macam.
Banyak kombinasi jenis dan model yang telah dibuat baik untuk memenuhi pemesanan
maupun untuk dijual di showroom. Ketersediaan data penjualan yang melimpah akan
dimanfaatkan dalam bentuk analisa data mining sehingga dapat digunakan sebagai pendukung
keputusan untuk membuat solusi bisnis yaitu menentukan target pasar. Penggunaan metode
klasifikasi decision tree C.45 yang telah diimplementasikan pada aplikasi weka yaitu
klasifikasi decision tree. Penerapan konsep pohon keputusan pada data di batik Mahkota
Laweyan digunakan untuk menentukan target pasar berdasarkan jenis batik. Dengan
pengimplementasian data mining menggunakan decision tree diketahui bahwa pada bulan
Januari, Maret, April, Juni, Agustus, dan November batik print adalah jenis batik yang paling
digemari di enam provinsi yang diteliti. Pada bulan September dan desember keenam provinsi
memilih jenis batik lain seperti tulis dan cap.
Kata kunci : Data Mining, Decision tree C.45, Weka
Laporan yang dapat memberikan
PENDAHULUAN
Surakarta adalah salah satu pioner
informasi
secara
komprehensif
dapat
kota batik di Indonesia yang memiliki
menentukan kebijakan yang optimal dalam
bermacam macam industri batik yang
menentukan kapasitas produksi sehingga
dikelola
mencapai efisiensi dalam hal biaya dan
dan
beberapa
batik
tersebut
mengandalkan kualitas sebagai produk
efektif dalam waktu. (Suwarningsih 2008)
Oleh karena itu ketersediaan data
intinya salah satunya Kampung Batik
penjualan
Laweyan. (Febriyanti 2011).
Batik Mahkota Laweyan merupakan
perusahaan
yang
memproduksi
batik
yang
dimanfaatkan
sehingga
melimpah
dalam
dapat
akan
bentuk
analisa
digunakan
tradisional tulis dan cap yang juga menjual
pendukung
bahan batik serta memberikan pelayanan
solusi
dalam pemesanan batik baik di sekitar Solo
pengimplementasian data
maupun diluar daerah solo. Pemesanan bisa
nantinya akan digunakan sebagai analisa
berupa barang jadi maupun bahan batik
pendukung keputusan dalam menentukan
saja. Batik Mahkota Laweyan memiliki
target pasar.
jenis dan model batik yang bermacam
macam.
keputusan
bisnis,
salah
untuk
sebagai
membuat
satunya
mining
dengan
yang
Beberapa solusi analisa pasar yang
dapat diselesaikan dengan data mining
Banyaknya model dan jenis batik
adalah menebak target pasar, melihat pola
yang telah dibuat menimbulkan kesulitan
beli pamakai dari waktu ke waktu, cross
dalam menentukan model batik dan jenis
market analysis. (Anggraini 2009)
batik yang sesuai dengan pemesanan pada
Berdasarkan
permasalahan
diatas
waktu tertentu. Masalah tersebut dapat
dibuatlah analisa data mining pada data
diatasi dengan pemanfaatan terhadap data
penjualan di batik mahkota sehingga dari
yang ada sebagai analisa laporan.
penelitian ini dapat diketahui jenis batik
yang cocok untuk diproduksi pada tiap
dengan cepat. Data mining yang digunakan
daerah dalam kurun waktu tertentu.
dalam kasus ini adalah metode decision
tree.
TELAAH PENELITIAN
Mabrur (2012) menyimpulkan salah
Menurut Yudarningsih (2012), di
satu tugas dari bidang marketing perbankan
CV.Citrakara Arsitect dalam menentukan
adalah melakukan analisis data nasabahnya
suatu
keputusan
terutama
menentukan
untuk mengetahui nasabah-nasabah yang
jumlah proyek dan biaya yang dikeluarkan
berpotensi melakukan kredit. Metode yang
diperlukan metode HMAP yaitu metode
digunakan untuk menganalisis data nasabah
data mining dimana metode ini digunakan
dengan cara mengklasifikasikan semua
untuk mendapatkan hipotesis yang berguna
nasabah yang telah melunasi angsuran
dalam menentukan sebuah keputusan.
kreditnya menyebabkan tingginya biaya
Sedangkan
pada
penelitian
operasional marketing. Oleh sebab itu perlu
Romadhon (2012) di SD Aisyah Unggulan
diimplementasikan
Gemolong,
monitoring
dalam
data
mining
terhadap
aplikasi yang dibangun adalah klasifikasi
perkembangan siswa berupa website masih
sedangkan metode yang digunakan adalah
kurang membantu guru yang ada di SD
metode Decision tree sebagai algoritma
Aisyah
Unggulan
Gemolong
dalam
pembentuk pohon keputusannya adalah
mengoptimalkan bakat para siswa, oleh
Algoritma C4.5.
karena itu
perlu diterapkan data mining
Berdasarkan penelitian yang telah
melalui media website di SD Gemolong.
disebutkan
Lesmana
(2012)
dapat
disimpulkan
bahwa
mengemukakan
pentingnya sebuah data mining dalam
bahwa dalam menangani masalah Diabetes
sebuah pengolahan data. Dalam hal ini
Mellitus diperlukan data mining untuk
penulis akan menggunakan data mining
menggali informasi dari data diabetes yang
dalam menentukan target pasar di Batik
ada sehingga penanganan bisa dilakukan
Mahkota dan metode yang akan digunakan
sarana untuk menentukan produksi batik
adalah metode Decision tree j48 karena
setiap
metode ini adalah metode yang cocok untuk
menjaga
dijadikan dalam menentukan target pasar
dan
berdasarkan penelitian diatas dapat
diketahui
bahwa
decision
tree
J48
daerah
yang
sesuai,
untuk
masalah
dan
2. Pengumpulkan Data
Berdasarkan
kebutuhan data mining yang ada maka
memberikan akurasi yang lebih tinggi
data-data
disbanding dengan decision tree ID3.
membangun
yang
data
tersedia
mining
untuk
pada
perusahaan adalah :
METODE PENELITIAN
a. Data Pembeli
1. Analisis Kebutuhan
Data pembeli adalah data-data
Analisis mengenai kebutuhan data
mengenai
mining
difokuskan
pada
pelanggan
yang
telah
masalah
melakukan penjualan batik yang nanti
kebutuhan yang menyangkut dengan
akan diproses dalam pembangunan
keinginan perusahaan untuk mengetahui
data mining. Data-data tersebut dapat
target pasar yaitu menentukan jenis
dilihat pada gambar 1 dibawah ini.
batik terhadap wilayah. Batik Mahkota
Laweyan
merasakan
pentingnya
memperhatikan produksi barang yang
sesuai dengan setiap pelanggan batik
yang beragam dan berbeda sesuai
dengan daerahnya.
Gambar 1 Data pembeli
Melalui data penjualan yang ada
b. Data Produk
diharapakan dapat di gali suatu potensi
Data-data produk merupakan
yang lebih dari sekedar data penjualan
data yang terdiri dari data jenis
saja tetapi juga dapat digunakan menjadi
barang, data tipe barang dan data
data
transaksi
yang
tersedia.
motif. Data produk tersebut yang
nantinya
akan
diproses
dalam
pembangunan data mining. Gambar 2
menunjukkan
data
produk
yang
tersedia.
Gambar 3 Data Penjualan
3. Menentukan Kebutuhan
Menentukan
diperlukan
dalam
kebutuhan
pembuatan
yang
data
mining di Batik Mahkota Laweyan.
Memilih data yang dibutuhkan dari data
yang tersedia seperti pada tabel 1
Gambar 2 Data produk
c. Data Penjualan
Berisi data-data transaksi hasil
dari penjualan
Batik
Mahkota
penjualan
ini
produk-produk di
Laweyan.
nanti
yang
Data
akan
diproses dalam pembangunan data
mining. Gambar 3 menunjukkan data-
Tabel 1 Data yang dibutuhkan untuk data mining
4. Perancangan dan Pembuatan Analisa
Sebelum
menganalisa
data
merupakan
salah
klasifikasi
yang
satu
metode
menggunakan
penjualan yang nantinnya digunakan
representasi struktur pohon (tree).
dalam pembuatan data mining, maka
Algoritma
diperlukan perancangan analisa terlebih
pembuatannya adalah Algoritma C.45.
dahulu.
yang digunakan dalam
HASIL DAN PEMBAHASAN
a. Perancangan data mining
1. Hasil Penelitian
Pada perancangan analisa dalam
data mining ini menggunakan Data
warehouse yang dijadikan analisa
terhadap
data
dan
menggunakan
aplikasi weka sebagai simulasi dalam
pembuatan pohon keputusan.
Metode yang digunakan dalam
decision
data
tree.
mining
Decision
oleh penulis adalah terwujudnya suatu
analisa data mining untuk menentukan
target pasar di Batik Mahkota Kampung
Batik Laweyan.
2. Analisa dan Pembahasan
b. Menentukan Metode dan Algoritma
pembuatan
Hasil penelitian yang dilakukan
adalah
tree
a. Memilih Atribut
Dalam memilih atribut yang
perlu diperhatikan adalah menentukan
kategori yang sesuai dengan apa yang
dijadikan target dalam pembuatan
decision tree Tabel 2. Tabel Atribut
Atribut
Provinsi
Bulan
Kategori
Motif
Nilai yang ada pada Atribut
Dki_Jakarta,Bali,Jawa_Barat,Jawa_Tengah,Jawa_Ti
mur,Riau
Januari,Februari,Maret,April,Mei,Juni,Juli,Agustus,
September,Oktober,November,Desember
Alam,Bentuk,Binatang,Jarik,Kombinasi,Parang,Seni
,Sido,Tumbuhan,Warna
Menentukan rata- rata entropy
pada atribut provinsi, bulan dan
kategori motif
Entropy(S)= -Pb log2Pbn - Pbn log2 Pbn
S : Entropy
Pb : Proporsi dari Si terhadap S
b. Menentukan Root Node
Root Node merupakan node
paling atas, pada node ini tidak ada
input dan bisa tidak mempunyai
output atau mempunyai output lebih
Penerapan
rumus
rata-
rata
entropy untuk menentukan rata-rata
entropy pada data provinsi:
Diketahui : nilai NbCabang pada
provinsi Bali berdasarkan jenis batik
dari satu.
adalah 4, 2, 1, 28 1, 34 dan NbTotal
Untuk menentukan data atribut
adalah 70 maka jika diterapkan rumus
yang digunakan sebagai root atau akar
mencari entropy pada provinsi bali
Decision
tree,
hal
yang
harus
dilakukan adalah menentukan nilai
rata-rata entropy dari setiap data yang
telah ditentukan berdasarkan atribut
yang telah ditentukan sebelumnnya.
Entropy sebagai suatu parameter
untuk
mengukur
heterogenitas
(keberagaman) dari suatu kumpulan
akan seperti berikut.
Bali = -4 / 70 (log(2) × log(4 / 70) /
log(2))-2 / 70 ( log(2) × log(2 / 70) /
log(2))-1 / 70 (log(2) × log(1/ 70) /
log(2))-28 / 70 ( log(2) × log(28 /
70)) / log(2)-1 / 70 ( log(2) × log(1 /
70) / log(2))-34 / 70 (log(2) × log(34 /
70) / log(2))= 1.59
sampel data. Jika kumpulan sampel
Hasil dari penerapan rumus rata-
data semakin heterogen, maka nilai
rata entropy untuk menentukan rata-
entropy-nya semakin besar.
rata entropy pada atribut Provinsi,
Bulan dan Kategori Motif berdasarkan
Jenis Batik:
Tabel 3. Rata-rata entropy atribut propinsi, bulan dan kategori motif
Setelah
menghitung
rata-rata
makaberdasarkan
nilai
entropy
entropy tiap atribut, diketahui rata rata
paling
entropy pada atribut bulan adalah yang
internal node masing masing bulan
paling kecil sehingga atribut bulan yang
sesuai dengan tabel 3.
dijadikan sebagai root.
a. Menentukan internal node dan leaf
node
Setelah
mengetahui
atribut
bulan sebagai root maka langkah
selanjutnya
dalam
membuat
decision tree adalah menentukan
internal
node berdasarkan jenis
batik pada setiap bulan sesuai
dengan root yang ada.
Dari tabel dibawah diketahui
nilai entropy rata rata berdasarkan
jenis
batik
pada
setiap
bulan
rendah
dapat
ditentukan
Tabel 4. Rata Entropy Propinsi dan Kategori Motif berdasarkan Bulan
b. Implementasi Data Mining Dengan
Batik Mahkota Laweyan dengan
menggunakan atribut kategori motif,
Aplikasi Weka 3.7.9
data
atribut provinsi, atribut bulan dan
mining ini menggunakan aplikasi
atribut jenis batik yang digunakan
Weka 3.7.9 untuk melakukan analisa
dalam analisa
dalam menentukan target pasar di
(Decision tree).
Pada
implementasi
Gambar 4. Implementasi pada weka
pohon keputusan
Hasil dari decision tree pada weka berdasarkan jenis batik seperti gambar 4.
Gambar 5. Hasil dari decision tree dengan weka
Hasil
gambar 4
decision
tree
pada
diketahui target pasar
yang sesuai berdasrkan jenis batik
yang ada
pohon
keputusan
yang
dibuat
menggunakan Algoritma C4.5.
2. Berdasarkan pohon keputusan pada
bulan Januari, Maret, April, Juni,
Agustus, dan November jenis batik
KESIMPULAN
print adalah jenis batik yang paling
Berdasarkan dari bahasan bab-bab
diminati di keenam Provinsi yang ada
sebelumnya maka dapat ditarik kesimpulan:
pada data penjualan dengan jumlah
1. Data Mining pada sistem penjualan di
produksi paling dominan pada setiap
Batik Mahkota Laweyan ini dapat
kategori motif yang ada berdasarkan
digunakan untuk mengetahui target
tahun 2010 sampai 2012.
pasar yaitu berupa informasi mengenai
3. Pada bulan September jenis batik tulis
jenis batik yang sesuai berdasarkan
adalah jenis batik yang diminati di
setiap provinsi dan pada bulan tertentu.
Provinsi Bali, DKI Jakarta, dan Jawa
Dimana informasi didapatkan pada
Barat kecuali pada provinsi Riau yang
berminat pada jenis batik Benang
timbul.
bulan
Terima kasih kepada bapak Husni
Desember jenis batik cap lebih diminati
Thamrin selaku pembimbing 1 yang telah
di Provinsi DKI Jakarta dan Jawa Timur
membantu penulis untuk menyelesaikan
kecuali Jawa Barat yang berminat pada
paper ini.
bulan Mei.
Sedangkan
pada
PERSANTUNAN
DAFTAR PUSTAKA
Anggraini, Dyah., 2009, Analisis Perubahan Kelompok Berdasarkan Perubahan Nilai Jual
Pada Bloomberg Market Data dengan Menggunakan Formal Concept Analysis.
Available from : http://www.gunadarma.ac.id-/Akuntansi/Artikel_92106032.pdf [16
Maret 2013].
Febrianti, A.D. 2011. Pemberdayaan Masyarakat Kampung Batik Studi Kasus: Kampoeng
BatikLaweyan.
Available
from:
http://www.slideshare.net/
adfebriyanti/pemberdayaanmasyarakatkampungbatik-laweyan.html [16 Maret 2013].
Lesmana, Putu. Dody 2012, ‘Perbandingan Kinerja Decision tree J48 dan ID3 Dalam
Pengklasifikasian Diagnosis Penyakit Diabetes Mellitus’, Jurnal Teknologi dan
Informatika, Vol. 2, no. 2.
Mabrur, Ginanjar Anggara. 2012. ‘Penerapan Data Mining untuk Memprediksi Kriteria
Romadhon,Fajar Nurma. 2012. Implementasi Data Mining Sistem Monitoring Siswa di SD
Aisyiyah Unggulan Gemolong, Skripsi. Surakarta : Fakultas Komunikasi Dan
Informatika, Universitas Muhammadiyah Surakarta.
Suwarningsih, Wiwin 2008, ‘Aplikasi Data Mining dengan Menggunakan Teknik ARM untuk
Pengolahan Informasi Rendemen Obat’, Jurnal INKOM, Vol 2, no 2.
Yudarningsih, Resky Oktavia. 2012. Implementasi Data Mining dan Rancang Bangun
Informasi(Studi Kasus:CV.Citrakara Architect), Skripsi. Surakarta : Fakultas
Komunikasi Dan Informatika, Universitas Muhammadiyah Surakarta.
BIODATA PENULIS
Nama
:
Dodik Setyawan Handoko
NIM
:
L200090128
Tempat Lahir
:
Pati
Tanggal Lahir
:
23 Oktober 1990
Jenis Kelamin
:
Laki-Laki
Agama
:
Islam
Pendidikan
:
S1
Fakultas
:
Jurusan Teknik Informatika/Fakultas Komunikasi dan
Informatika
Universitas
:
Universitas Muhammadiyah Surakarta
Alamat
:
Ngulaan rt 1/ rw 3 Sukoharjo Wedarijaksa Pati
Nomor Telepon
:
+6285728942221
Email
:
Dodik.admiral@gmail.com
PADA PENJUALAN BATIK DI KAMPUNG BATIK LAWEYAN
(STUDI KASUS BATIK MAHKOTA LAWEYAN)
NASKAH PUBLIKASI
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS KOMUNIKASI DAN INFORMATIKA
Diajukan oleh :
Dodik Setyawan Handoko
Husni Tamrin, S.T., M.T.,Ph.D.
Yusuf Sulistyo Nugroho, S.T, M.Eng
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS KOMUNIKASI DAN INFORMATIKA
UNIVERSITAS MUHAMMADIYAH SURAKARTA
Juli, 2013
0t6: )IN
@
:.'
pnlg
;,'
urer8o.r4
'mqe1e8uoy41
"':::; "':'
ilad lllr0 dl luEEuuJ
'
qeloredrusu
rele8
eueftes
{fl}un
uelere,(sred nles r{31€s teSeqes erulro}Ip
tplel lul q€Iql Is€{IIqnd
,6I1'OOI : )IN
'N o^lsIFSJnsn^
901 : )IN
w
*-/
7 Surqurtqure6
1Eurqunqrusg
leEBuel
ttoz nn( Ll
IJEH
hqu-d
: eped rnlnlestp quleJ
82I060002-I
o{opuuH uuu,uflag {1po6
: qelo rmsnslp uep uelders.redtp
Euel
Nv,r.gawa yroxHYrru xIrYfl sosYx ItIors)
NYAf,A\YT XIIVfl SNOdIAI\r)I I( XIIYS NYTYffNtrd YOYd
T{YSYd III)UYI INHYJUCNUIAI XOINN SNINIIAI YIYO
:
ppnlue8uep qe1tull Ise{llqnd
NYHVSgCNfld NYIAIYTVH
DATA MINING UNTUK MENGETAHUI TARGET PASAR
PADA PENJUALAN BATIK DI KAMPUNG BATIK LAWEYAN
(STUDI KASUS BATIK MAHKOTA LAWEYAN)
Dodik Setyawan Handoko dan Yusuf Sulistyo Nugroho
Program Studi Teknik Informatika, Fakultas Komunikasi dan Informatika,
Universitas Muhammadiyah Surakarta
Email: dodik.admiral@gmail.com
ABSTRAKSI
Batik Mahkota Laweyan memiliki jenis dan model batik yang bermacam macam.
Banyak kombinasi jenis dan model yang telah dibuat baik untuk memenuhi pemesanan
maupun untuk dijual di showroom. Ketersediaan data penjualan yang melimpah akan
dimanfaatkan dalam bentuk analisa data mining sehingga dapat digunakan sebagai pendukung
keputusan untuk membuat solusi bisnis yaitu menentukan target pasar. Penggunaan metode
klasifikasi decision tree C.45 yang telah diimplementasikan pada aplikasi weka yaitu
klasifikasi decision tree. Penerapan konsep pohon keputusan pada data di batik Mahkota
Laweyan digunakan untuk menentukan target pasar berdasarkan jenis batik. Dengan
pengimplementasian data mining menggunakan decision tree diketahui bahwa pada bulan
Januari, Maret, April, Juni, Agustus, dan November batik print adalah jenis batik yang paling
digemari di enam provinsi yang diteliti. Pada bulan September dan desember keenam provinsi
memilih jenis batik lain seperti tulis dan cap.
Kata kunci : Data Mining, Decision tree C.45, Weka
Laporan yang dapat memberikan
PENDAHULUAN
Surakarta adalah salah satu pioner
informasi
secara
komprehensif
dapat
kota batik di Indonesia yang memiliki
menentukan kebijakan yang optimal dalam
bermacam macam industri batik yang
menentukan kapasitas produksi sehingga
dikelola
mencapai efisiensi dalam hal biaya dan
dan
beberapa
batik
tersebut
mengandalkan kualitas sebagai produk
efektif dalam waktu. (Suwarningsih 2008)
Oleh karena itu ketersediaan data
intinya salah satunya Kampung Batik
penjualan
Laweyan. (Febriyanti 2011).
Batik Mahkota Laweyan merupakan
perusahaan
yang
memproduksi
batik
yang
dimanfaatkan
sehingga
melimpah
dalam
dapat
akan
bentuk
analisa
digunakan
tradisional tulis dan cap yang juga menjual
pendukung
bahan batik serta memberikan pelayanan
solusi
dalam pemesanan batik baik di sekitar Solo
pengimplementasian data
maupun diluar daerah solo. Pemesanan bisa
nantinya akan digunakan sebagai analisa
berupa barang jadi maupun bahan batik
pendukung keputusan dalam menentukan
saja. Batik Mahkota Laweyan memiliki
target pasar.
jenis dan model batik yang bermacam
macam.
keputusan
bisnis,
salah
untuk
sebagai
membuat
satunya
mining
dengan
yang
Beberapa solusi analisa pasar yang
dapat diselesaikan dengan data mining
Banyaknya model dan jenis batik
adalah menebak target pasar, melihat pola
yang telah dibuat menimbulkan kesulitan
beli pamakai dari waktu ke waktu, cross
dalam menentukan model batik dan jenis
market analysis. (Anggraini 2009)
batik yang sesuai dengan pemesanan pada
Berdasarkan
permasalahan
diatas
waktu tertentu. Masalah tersebut dapat
dibuatlah analisa data mining pada data
diatasi dengan pemanfaatan terhadap data
penjualan di batik mahkota sehingga dari
yang ada sebagai analisa laporan.
penelitian ini dapat diketahui jenis batik
yang cocok untuk diproduksi pada tiap
dengan cepat. Data mining yang digunakan
daerah dalam kurun waktu tertentu.
dalam kasus ini adalah metode decision
tree.
TELAAH PENELITIAN
Mabrur (2012) menyimpulkan salah
Menurut Yudarningsih (2012), di
satu tugas dari bidang marketing perbankan
CV.Citrakara Arsitect dalam menentukan
adalah melakukan analisis data nasabahnya
suatu
keputusan
terutama
menentukan
untuk mengetahui nasabah-nasabah yang
jumlah proyek dan biaya yang dikeluarkan
berpotensi melakukan kredit. Metode yang
diperlukan metode HMAP yaitu metode
digunakan untuk menganalisis data nasabah
data mining dimana metode ini digunakan
dengan cara mengklasifikasikan semua
untuk mendapatkan hipotesis yang berguna
nasabah yang telah melunasi angsuran
dalam menentukan sebuah keputusan.
kreditnya menyebabkan tingginya biaya
Sedangkan
pada
penelitian
operasional marketing. Oleh sebab itu perlu
Romadhon (2012) di SD Aisyah Unggulan
diimplementasikan
Gemolong,
monitoring
dalam
data
mining
terhadap
aplikasi yang dibangun adalah klasifikasi
perkembangan siswa berupa website masih
sedangkan metode yang digunakan adalah
kurang membantu guru yang ada di SD
metode Decision tree sebagai algoritma
Aisyah
Unggulan
Gemolong
dalam
pembentuk pohon keputusannya adalah
mengoptimalkan bakat para siswa, oleh
Algoritma C4.5.
karena itu
perlu diterapkan data mining
Berdasarkan penelitian yang telah
melalui media website di SD Gemolong.
disebutkan
Lesmana
(2012)
dapat
disimpulkan
bahwa
mengemukakan
pentingnya sebuah data mining dalam
bahwa dalam menangani masalah Diabetes
sebuah pengolahan data. Dalam hal ini
Mellitus diperlukan data mining untuk
penulis akan menggunakan data mining
menggali informasi dari data diabetes yang
dalam menentukan target pasar di Batik
ada sehingga penanganan bisa dilakukan
Mahkota dan metode yang akan digunakan
sarana untuk menentukan produksi batik
adalah metode Decision tree j48 karena
setiap
metode ini adalah metode yang cocok untuk
menjaga
dijadikan dalam menentukan target pasar
dan
berdasarkan penelitian diatas dapat
diketahui
bahwa
decision
tree
J48
daerah
yang
sesuai,
untuk
masalah
dan
2. Pengumpulkan Data
Berdasarkan
kebutuhan data mining yang ada maka
memberikan akurasi yang lebih tinggi
data-data
disbanding dengan decision tree ID3.
membangun
yang
data
tersedia
mining
untuk
pada
perusahaan adalah :
METODE PENELITIAN
a. Data Pembeli
1. Analisis Kebutuhan
Data pembeli adalah data-data
Analisis mengenai kebutuhan data
mengenai
mining
difokuskan
pada
pelanggan
yang
telah
masalah
melakukan penjualan batik yang nanti
kebutuhan yang menyangkut dengan
akan diproses dalam pembangunan
keinginan perusahaan untuk mengetahui
data mining. Data-data tersebut dapat
target pasar yaitu menentukan jenis
dilihat pada gambar 1 dibawah ini.
batik terhadap wilayah. Batik Mahkota
Laweyan
merasakan
pentingnya
memperhatikan produksi barang yang
sesuai dengan setiap pelanggan batik
yang beragam dan berbeda sesuai
dengan daerahnya.
Gambar 1 Data pembeli
Melalui data penjualan yang ada
b. Data Produk
diharapakan dapat di gali suatu potensi
Data-data produk merupakan
yang lebih dari sekedar data penjualan
data yang terdiri dari data jenis
saja tetapi juga dapat digunakan menjadi
barang, data tipe barang dan data
data
transaksi
yang
tersedia.
motif. Data produk tersebut yang
nantinya
akan
diproses
dalam
pembangunan data mining. Gambar 2
menunjukkan
data
produk
yang
tersedia.
Gambar 3 Data Penjualan
3. Menentukan Kebutuhan
Menentukan
diperlukan
dalam
kebutuhan
pembuatan
yang
data
mining di Batik Mahkota Laweyan.
Memilih data yang dibutuhkan dari data
yang tersedia seperti pada tabel 1
Gambar 2 Data produk
c. Data Penjualan
Berisi data-data transaksi hasil
dari penjualan
Batik
Mahkota
penjualan
ini
produk-produk di
Laweyan.
nanti
yang
Data
akan
diproses dalam pembangunan data
mining. Gambar 3 menunjukkan data-
Tabel 1 Data yang dibutuhkan untuk data mining
4. Perancangan dan Pembuatan Analisa
Sebelum
menganalisa
data
merupakan
salah
klasifikasi
yang
satu
metode
menggunakan
penjualan yang nantinnya digunakan
representasi struktur pohon (tree).
dalam pembuatan data mining, maka
Algoritma
diperlukan perancangan analisa terlebih
pembuatannya adalah Algoritma C.45.
dahulu.
yang digunakan dalam
HASIL DAN PEMBAHASAN
a. Perancangan data mining
1. Hasil Penelitian
Pada perancangan analisa dalam
data mining ini menggunakan Data
warehouse yang dijadikan analisa
terhadap
data
dan
menggunakan
aplikasi weka sebagai simulasi dalam
pembuatan pohon keputusan.
Metode yang digunakan dalam
decision
data
tree.
mining
Decision
oleh penulis adalah terwujudnya suatu
analisa data mining untuk menentukan
target pasar di Batik Mahkota Kampung
Batik Laweyan.
2. Analisa dan Pembahasan
b. Menentukan Metode dan Algoritma
pembuatan
Hasil penelitian yang dilakukan
adalah
tree
a. Memilih Atribut
Dalam memilih atribut yang
perlu diperhatikan adalah menentukan
kategori yang sesuai dengan apa yang
dijadikan target dalam pembuatan
decision tree Tabel 2. Tabel Atribut
Atribut
Provinsi
Bulan
Kategori
Motif
Nilai yang ada pada Atribut
Dki_Jakarta,Bali,Jawa_Barat,Jawa_Tengah,Jawa_Ti
mur,Riau
Januari,Februari,Maret,April,Mei,Juni,Juli,Agustus,
September,Oktober,November,Desember
Alam,Bentuk,Binatang,Jarik,Kombinasi,Parang,Seni
,Sido,Tumbuhan,Warna
Menentukan rata- rata entropy
pada atribut provinsi, bulan dan
kategori motif
Entropy(S)= -Pb log2Pbn - Pbn log2 Pbn
S : Entropy
Pb : Proporsi dari Si terhadap S
b. Menentukan Root Node
Root Node merupakan node
paling atas, pada node ini tidak ada
input dan bisa tidak mempunyai
output atau mempunyai output lebih
Penerapan
rumus
rata-
rata
entropy untuk menentukan rata-rata
entropy pada data provinsi:
Diketahui : nilai NbCabang pada
provinsi Bali berdasarkan jenis batik
dari satu.
adalah 4, 2, 1, 28 1, 34 dan NbTotal
Untuk menentukan data atribut
adalah 70 maka jika diterapkan rumus
yang digunakan sebagai root atau akar
mencari entropy pada provinsi bali
Decision
tree,
hal
yang
harus
dilakukan adalah menentukan nilai
rata-rata entropy dari setiap data yang
telah ditentukan berdasarkan atribut
yang telah ditentukan sebelumnnya.
Entropy sebagai suatu parameter
untuk
mengukur
heterogenitas
(keberagaman) dari suatu kumpulan
akan seperti berikut.
Bali = -4 / 70 (log(2) × log(4 / 70) /
log(2))-2 / 70 ( log(2) × log(2 / 70) /
log(2))-1 / 70 (log(2) × log(1/ 70) /
log(2))-28 / 70 ( log(2) × log(28 /
70)) / log(2)-1 / 70 ( log(2) × log(1 /
70) / log(2))-34 / 70 (log(2) × log(34 /
70) / log(2))= 1.59
sampel data. Jika kumpulan sampel
Hasil dari penerapan rumus rata-
data semakin heterogen, maka nilai
rata entropy untuk menentukan rata-
entropy-nya semakin besar.
rata entropy pada atribut Provinsi,
Bulan dan Kategori Motif berdasarkan
Jenis Batik:
Tabel 3. Rata-rata entropy atribut propinsi, bulan dan kategori motif
Setelah
menghitung
rata-rata
makaberdasarkan
nilai
entropy
entropy tiap atribut, diketahui rata rata
paling
entropy pada atribut bulan adalah yang
internal node masing masing bulan
paling kecil sehingga atribut bulan yang
sesuai dengan tabel 3.
dijadikan sebagai root.
a. Menentukan internal node dan leaf
node
Setelah
mengetahui
atribut
bulan sebagai root maka langkah
selanjutnya
dalam
membuat
decision tree adalah menentukan
internal
node berdasarkan jenis
batik pada setiap bulan sesuai
dengan root yang ada.
Dari tabel dibawah diketahui
nilai entropy rata rata berdasarkan
jenis
batik
pada
setiap
bulan
rendah
dapat
ditentukan
Tabel 4. Rata Entropy Propinsi dan Kategori Motif berdasarkan Bulan
b. Implementasi Data Mining Dengan
Batik Mahkota Laweyan dengan
menggunakan atribut kategori motif,
Aplikasi Weka 3.7.9
data
atribut provinsi, atribut bulan dan
mining ini menggunakan aplikasi
atribut jenis batik yang digunakan
Weka 3.7.9 untuk melakukan analisa
dalam analisa
dalam menentukan target pasar di
(Decision tree).
Pada
implementasi
Gambar 4. Implementasi pada weka
pohon keputusan
Hasil dari decision tree pada weka berdasarkan jenis batik seperti gambar 4.
Gambar 5. Hasil dari decision tree dengan weka
Hasil
gambar 4
decision
tree
pada
diketahui target pasar
yang sesuai berdasrkan jenis batik
yang ada
pohon
keputusan
yang
dibuat
menggunakan Algoritma C4.5.
2. Berdasarkan pohon keputusan pada
bulan Januari, Maret, April, Juni,
Agustus, dan November jenis batik
KESIMPULAN
print adalah jenis batik yang paling
Berdasarkan dari bahasan bab-bab
diminati di keenam Provinsi yang ada
sebelumnya maka dapat ditarik kesimpulan:
pada data penjualan dengan jumlah
1. Data Mining pada sistem penjualan di
produksi paling dominan pada setiap
Batik Mahkota Laweyan ini dapat
kategori motif yang ada berdasarkan
digunakan untuk mengetahui target
tahun 2010 sampai 2012.
pasar yaitu berupa informasi mengenai
3. Pada bulan September jenis batik tulis
jenis batik yang sesuai berdasarkan
adalah jenis batik yang diminati di
setiap provinsi dan pada bulan tertentu.
Provinsi Bali, DKI Jakarta, dan Jawa
Dimana informasi didapatkan pada
Barat kecuali pada provinsi Riau yang
berminat pada jenis batik Benang
timbul.
bulan
Terima kasih kepada bapak Husni
Desember jenis batik cap lebih diminati
Thamrin selaku pembimbing 1 yang telah
di Provinsi DKI Jakarta dan Jawa Timur
membantu penulis untuk menyelesaikan
kecuali Jawa Barat yang berminat pada
paper ini.
bulan Mei.
Sedangkan
pada
PERSANTUNAN
DAFTAR PUSTAKA
Anggraini, Dyah., 2009, Analisis Perubahan Kelompok Berdasarkan Perubahan Nilai Jual
Pada Bloomberg Market Data dengan Menggunakan Formal Concept Analysis.
Available from : http://www.gunadarma.ac.id-/Akuntansi/Artikel_92106032.pdf [16
Maret 2013].
Febrianti, A.D. 2011. Pemberdayaan Masyarakat Kampung Batik Studi Kasus: Kampoeng
BatikLaweyan.
Available
from:
http://www.slideshare.net/
adfebriyanti/pemberdayaanmasyarakatkampungbatik-laweyan.html [16 Maret 2013].
Lesmana, Putu. Dody 2012, ‘Perbandingan Kinerja Decision tree J48 dan ID3 Dalam
Pengklasifikasian Diagnosis Penyakit Diabetes Mellitus’, Jurnal Teknologi dan
Informatika, Vol. 2, no. 2.
Mabrur, Ginanjar Anggara. 2012. ‘Penerapan Data Mining untuk Memprediksi Kriteria
Romadhon,Fajar Nurma. 2012. Implementasi Data Mining Sistem Monitoring Siswa di SD
Aisyiyah Unggulan Gemolong, Skripsi. Surakarta : Fakultas Komunikasi Dan
Informatika, Universitas Muhammadiyah Surakarta.
Suwarningsih, Wiwin 2008, ‘Aplikasi Data Mining dengan Menggunakan Teknik ARM untuk
Pengolahan Informasi Rendemen Obat’, Jurnal INKOM, Vol 2, no 2.
Yudarningsih, Resky Oktavia. 2012. Implementasi Data Mining dan Rancang Bangun
Informasi(Studi Kasus:CV.Citrakara Architect), Skripsi. Surakarta : Fakultas
Komunikasi Dan Informatika, Universitas Muhammadiyah Surakarta.
BIODATA PENULIS
Nama
:
Dodik Setyawan Handoko
NIM
:
L200090128
Tempat Lahir
:
Pati
Tanggal Lahir
:
23 Oktober 1990
Jenis Kelamin
:
Laki-Laki
Agama
:
Islam
Pendidikan
:
S1
Fakultas
:
Jurusan Teknik Informatika/Fakultas Komunikasi dan
Informatika
Universitas
:
Universitas Muhammadiyah Surakarta
Alamat
:
Ngulaan rt 1/ rw 3 Sukoharjo Wedarijaksa Pati
Nomor Telepon
:
+6285728942221
:
Dodik.admiral@gmail.com