Aplikasi Data Mining Classification Untu (1)
Aplikasi Data Mining Classification Untuk Analisa Profil Penjualan
Notebook
Dwi Taufik Hidayat1, Darmanto2
1,2
Teknik Informatika, Universitas Widya Kartika
[email protected]
Intisari— Data mining telah diaplikasikan pada
berbagai aplikasi dan berbagai bidang. Pada image
processing, business intelligence, kecerdasan buatan,
aplikasi industri dan masih banyak yang lain. Oleh
karena itu meode dalam data mining terus
berkembang. Salah satu metode dalam data mining
adalah metode klasifikasi menggunakan decision tree.
Aplikasi ini cenderung mudah digunakan dan oleh
sebab itu digunakan pada berbagai aplikasi pada
perusahaan untuk membantu dalam pengambilan
keputusan.
Penelitian ini menggunakan aplikasi metode
data mining pada analisa profil terhadap penjualan
komputer atau notebook. Dalam hal ini perusahaan
membutuhkan sebuah sistem yang membantu dalam
menentukan pengambilan keputusan. Hal ini terjadi
karena pada saat pengambilan keputusan mengenai
strategi penjualan hasilnya kurang maksimal.
Penelitian ini mengaplikasikan metode klasifikasi
data mining untuk melakukan analisa profil
penjualan notebook. Penelitian ini menggunakan
metode decision tree sebagai penentu klasifikasi. Data
didapatkan dari perusahaan notebook. Hasil dari
penelitian ini menggambarkan klasifikasi profil
penjualan notebook pada perusahaan tersebut dalam
bentuk aturan. Sehingga dengan klasifikasi ini dapat
mendukung dalam pengambilan keputusan.
Keywords— klasifikasi, data mining, decision tree,
analisa penjualan.
I. PENDAHULUAN
Pengambilan keputusan dalam dunia industri
bagi keuntungan perusahaan haruslah tepat. Oleh
karena itu dalam pengambilannya tidak serta merta
tanpa memperdulikan faktor pendukung. Bentuk
dukungan dalam bentuk hasil analisa juga dapat
digunakan dalam pengambilan keputusan.
Perusahaan penjualan atau distributor notebook
misalnya. Perusahaan membutuhkan keputusan
dalam persediaan atau stok barang untuk bulan
depan dan memutuskan barang mana yang harus
dihentikan atau dikurangi penjualannya. Pada
penelitian
sebelumnya
oleh
victor(2012),
menjelaskan mengenai kondisi suatu distributor
notebook besar di Surabaya mengalami kesulitan
dalam hal pengambilan keputusan tersebut dan
memutuskan
membangun
sistem
untuk
membantunya.
Sebagaimana halnya penelitian yang dilakukan
Ignatius bayu Santoso (2002), mengenai pentingnya
sistem informasi penjualan sebagai alat penunjang
keputusan pemasaran sebagai studi kasus di PT. X.
Demikian halnya penelitian mengenai sistem
pendukung keputusan dengan metode pohon
keputusan yang menganalisis penjualan Lenovo
(Victor, 2013).
Berdasarkan kedua penelitan
tersebut dipaparkan pentingnya mengolah data
transaksi penjualan yang lebih baik dan akurat
dengan memanfaatkan tekonologi informasi.
Namun demikian semakin banyaknya record
transaksi penjualan dari tahun ke tahun akan
menambah data yang harus dikoleksi dan disimpan.
Oleh karena itu perusahaan bidang penjualan
produk TI dengan varian dan transaksi dalam
jumlah besar untuk memenuhi kebutuhan
pelanggannya harus memiliki pangkalan (basis)
data
ukuran
besar,
sekaligus
dapat
memanfaatkannya untuk menunjang keputusan
pimpinan terkait dengan strategi pemasarannya.
Pengolahan pangkalan data dalam skala besar
seperti yang terjadi pada suatu perusahaan dan
fasilitas penelitian yang mencapai lebih dari
1,099,511,627,776 byte data (Leonardo Fabricio).
Dalam pangkalan data tersebut dapat digali (data
mining) untuk menghasilkan informasi atau
pengetahuan berharga dengan suatu pendekatan
seperti teknik klasifikasi, klusterisasi dan asosiasi.
Sehubungan dengan transaksi penjualan produk PC
dan notebook yang dilakukan oleh salah satu
distributor perusahaan komputer di Surabaya, yang
sebagain besar menjual produk bermerek Acer dan
Lenovo. Seiring dengan meningkatnya penjualan
produk tersebut beserta spesifikasinya yang
beragam, perusahaan perlu mengenal produkproduk mana saja yang termasuk kategori laku atau
kurang laku. Data transaksi penjualan yang sangat
banyak menjadi pangkalan data yang sebenarnya
sangat berarti bagi perusahaan untuk membuat
strategi promosinya. Sedangkan pada perusahaan
tersebut masih sulit melakukan analisa.
Terkait dengan pencarian informasi atau
pengetahuan mengenai penjualan yang berharga,
maka pada
penelitian ini difokuskan pada
pendekatan klasifikasi data mining untuk
mengidentfikasi dan menganalisis profil transaksi
penjualan produk notebook suatu perusahaan
komputer X. Perusahaan ini yang bergerak sebagai
distributor produk TI, yang menjual berbagai
produk dari beberapa merek tertentu seperti Acer
dan Lenovo, diantaranya adalah seperangkat
komputer PC, notebook dan perangkat build-up
lainnya.
Prosiding Seminar Nasional Teknologi Terapan SV UGM 2014
1
II. MODEL, ANALISIS, DESAIN, DAN
IMPLEMENTASI
Perangkat lunat aplikasi untuk menerapkan
teknik klasifikasi data mining dikembangkan
melalui metode daur hidup pengembangan sistem
yang meliputi tahapan
perencanaan, analisa,
desain, uji coba dan implementasi dan
penerapannya sebagaimana
yang digambarkan
pada gbr. 1.
a) Perencanaan
Pada tahap perencanaan mengidentifikasi
kebutuhan item product beserta spesifikasi dan
deskripsi produk, merek atau brands yang diminati
pelanggan, harga jual dan atribut-atribut produk
lainnya yang berpengaruh pada transakasi
penjualan.
Dalam melakukan perencanaan dan identifikasi
dibutuhkan sumber data. Berdasarkan data
penelitian yang telah dilakukan (victor,2013) dapat
dijadikan sebagai sumber acuan. Dalam penelitian
tersebut data yang digunakan adalah data transaksi
penjualan distributor notebook oleh beberapa agen
penjualan perusahaan. Data yang diambil adalah
data pada tahun 2011 sampai dengan data 2012.
Identifikasi kebutuhan spesifikasi produk
dilakukan berdasarkan data lapangan atau hasil
transaksi penjualan perusahaan. Adapun spesifikasi
produk yang telah diidentifikasi terdapat 12
spesifikasi. Berdasarkan data faktur penjualan,
spesifikasi produk tersebut adalah sebagai berikut :
tanggal, no.inv, customer, customer ref. No, sales,
brand, item, item_desc, T/NT, Qty, Unit price, price
tax, rate, dan volume.
pengamatan atau wawancara dengan pihak
perusahaan. Hasilnya koleksi data akan dijadikan
sebagai patokan dalam pembuaan aplikasi data
mining.
Pengambilan data dilakukan dengan melakukan
pengamatan serta wawancara dengan bagian dari
perusahaan. Dari hasil pengamatan didapatkan data
yang mencakup spesifikasi produk seperti pada
tahap perencanaan. Data diambil berdasarkan nota
atau faktur penjualan produk perusahaan. Hasil
koleksi data terkumpul data penjualan beserta nama
agen penjualan dari tahun 2011 sampai tahun 2012.
Data dilakukan rekapitulasi dalam bentuk
spreadsheet agar mudah dilakukan identifikasi.
Dari data rekapitulasi tersebut terkumpul data pada
tahun 2011 adalah sebanyak 8318 transaksi,
sedangkan pada tahun 2012 sebanyak 4167
transaksi.
Analisa terhadap data dilakukan untuk
mendapatkan atribut yang digunakan dalam proses
data mining terhadap klasifikasi yang dituju. Dari
data transaksi yang telah diperoleh didapatkan
penjelasan kriteria laku, atau tidak laku didapat dari
banyaknya frekuensi item yang telah terjual.
Sehingga dalam analisa data mining akan dilakukan
proses pemilahan atribut data yang semula dari 12
item menjadi 5 item yang mempengaruhi sistem.
Adapun item tersebut adalah sebagai berikut :
customer, sales, brand, item, t/nt dan qty. Gambaran
data dalam spreadsheet dapat dilihat pada gbr. 2.
Gbr 1. Integrasi Direktori Server
Diagram dan gambar(gbr.1) yang diproses
dengan komputer harus memiliki kualitas tinggi
hasil dan ditempatkan dalam dokumen atau
termasuk dalam konsep dengan percetakan yang
baik. Foto tidak diproses dengan komputer harus
dicetak dengan kertas glossy. Judul grafis dan foto
harus ditulis dalam Times New Roman 10, Bold
dengan spacing untuk before dan after sebesar 6 pt.
Judul harus ditempatkan tepat di bawah gambar
atau foto.
b) Analisa Data
Tahap analisa dilakukan identifikasi kebutuhan
informasi yang meliputi data target yang mencakup
data penjualan produk yang laku, cukup laku dan
kurang laku. Disamping itu juga diidentifikasi pula
Kriteria kinerja sistem yang diinginkan untuk
mendukung pengambilan keputusan pimpinan.
Pengambilan
data
dilakukan
berdasarkan
Gbr. 2. Data dalam bentuk spreadsheet
Setelah didapatkan data dalam bentuk
spreadsheet perlu dilakukan proses pengubahan
jenis file. Jenis file yang digunakan adalah berjenis
csv. File jenis ini diperlukan pada aplikasi Weka.
Seperti pada terlihat gbr. 3.
2.3. Perancangan Sistem
Tahap
Perancangan
sistem
dilakukan
berdasarkan hasil analisis kebutuhan sistem yang
ada. Pada tahapan ini dilakukan identifikasi
konfigurasi
menggunakan
perangkat
lunak
opensource J48 yang berbasis java yang disediakan
pada software Weka.
Prosiding Seminar Nasional Teknologi Terapan SV UGM 2014
2
Gbr. 3. Data file jenis csv untuk proses data Weka
Software Weka pada penelitian ini diinstallkan
pada sistem operasi berbasis open source. Sistem
operasi Debian adalah tempat sistem Weka
diinstall. Pada aplikasi ini dilakukan konfigurasi
awal pada saat penginstalan. Perintah penginstalan
dilakukan melalui command line root dengan
mengetikkan 'apt-get install weka'. Software Weka
diaktifkan dengan mengetikkan perintah 'weka'
untuk mengaktifkannya.
Proses konfigurasi install selesai selanjutnya
pemrosesan data awal. Data sebelum diproses
terlebih dahulu harus diubah dalam bentuk file csv.
Adapun file csv dapat dilihat pada gbr. 3. Setelah
memasukkan data, konfigurasi dapat dilakukan ke
tahapan pemilihan algoritma yang dipilih. Adapun
proses awal weka adalah proses memasukkan data
dapat dilihat pada gbr.4. Setelah itu untuk analisa
dan visualisasi data hasil memasukkan data dapat
dilihat pada gbr. 5.
Gbr.4. Awal masuk weka dengan menginputkan file data
Gbr. 5. Visualisasi Data
III. SKENARIO UJI COBA
Penggunaan aplikasi Weka diperlukan untuk
mengolah menjadi bentuk tree/pohon klasifikasi.
Setelah klasifikasi terbentuk. Data pada multi tahun
adalah data penjualan produk notebook. Untuk
keamanan data perusahaan, maka penelitian ini
hanya diberikan 2 tahun dan 1 tahun data uji.
Data pada tahun 2011 dan data tahun 2012 untuk
penjualan notebook digunakan untuk data training.
Training data dilakukan dengan aplikasi Weka.
Dengan menghasilkan klasifikasi tertentu dalam
bentuk struktur pohon.
Setelah dilakukan training, data diujicobakan
dalam sistem berbasis php. Untuk melakukan uji
aturan yang terbentuk.
IV. HASIL UJI COBA
Hasil uji coba setelah dilakukan uji coba pada
sistem pendukung keputusan mampu membuat
klasifikasi. Pada data uji penjualan notebook,
diujicobakan pada aturan yang diterapkan untuk
dengan membangun aplikasi sistem pendukung
keputusan(gbr. 6).
Analisa Penjualan notebook Lenovo PT.
Visiland Dharma Sarana di Jawa Timur dan Bali ini
mempunyai beberapa manfaat sebagai berikut :
a. Membantu Direksi atau Management untuk
menentukan tipe produk apa yang membutuhkan
konsentrasi penetrasi lebih dalam lagi (slow) dan
tipe produk apa yang telah tergolong fast
moving(penjualan laku terjual dengan cepat).
b. Memudahkan administrator untuk memanage
data yang ada mulai dari menambahkan data baru,
menganalisa ulang, maupun melihat hasil analisa
data yang telah terupdate.
Prosiding Seminar Nasional Teknologi Terapan SV UGM 2014
3
[4]
[5]
Fabricio Voznika., dan Leonardo Viana. (2007) Data
Mining
Classification[online].
Available:
http://courses.cs.washington.edu/courses/csep521/07wi/pr
j/leonardo_fabricio.p>.
Turban, Aronson, and Liang, Decision Support Systems
and Intelligent Systems, 7th Edition. Prentice Hall,
2005.
Gbr. 6. Sistem Pendukung Keputusan Decision Tree System
V. PENUTUP
Penggunaan data mining dalam menentukan
analisa penjualan pada perusahaan notebook dapat
dilakukan. Penggunaan decision tree, cukup
berhasil memetakkan penjualan dengan kategori
penjualan dengan lambat daya jualnya atau cepat
daya jualnya. Namun aplikasi ini masih tergolong
sebatas analisa, akan lebih baik diberikan tambahan
berupa forecasting penjualan. Hal ini akan sangat
membantu pihak direksi dalam pengambilan
keputusan.
REFERENSI
[1]
[2]
[3]
Kantardzic, Mehmed, Data Mining Concept, Models,
Methods, and Algorithms. Louisvile: A John Wiley &
Sons, Inc., 2002.
Victor Adinugraha, TB, “Sistem Pendukung Keputusan
dengan metode Dicision Tree Pada Analisa Penjualan
Notebook Lenovo PT. Visiland Dharma Sarana Di Jawa
timur dan Bali“. Surabaya: Universitas Widyakartika,
2013.
Ignatius Bayu, P. dan Toto S., “Pengembangan Sistem
Informasi Penjualan Sebagai Alat Penunjang Keputusan
Pemasaran (Studi Kasus di PT. X)”. Jurnal Ekonomi dan
Bisnis No 2. Jilid 7, 2002.
Prosiding Seminar Nasional Teknologi Terapan SV UGM 2014
4
Notebook
Dwi Taufik Hidayat1, Darmanto2
1,2
Teknik Informatika, Universitas Widya Kartika
[email protected]
Intisari— Data mining telah diaplikasikan pada
berbagai aplikasi dan berbagai bidang. Pada image
processing, business intelligence, kecerdasan buatan,
aplikasi industri dan masih banyak yang lain. Oleh
karena itu meode dalam data mining terus
berkembang. Salah satu metode dalam data mining
adalah metode klasifikasi menggunakan decision tree.
Aplikasi ini cenderung mudah digunakan dan oleh
sebab itu digunakan pada berbagai aplikasi pada
perusahaan untuk membantu dalam pengambilan
keputusan.
Penelitian ini menggunakan aplikasi metode
data mining pada analisa profil terhadap penjualan
komputer atau notebook. Dalam hal ini perusahaan
membutuhkan sebuah sistem yang membantu dalam
menentukan pengambilan keputusan. Hal ini terjadi
karena pada saat pengambilan keputusan mengenai
strategi penjualan hasilnya kurang maksimal.
Penelitian ini mengaplikasikan metode klasifikasi
data mining untuk melakukan analisa profil
penjualan notebook. Penelitian ini menggunakan
metode decision tree sebagai penentu klasifikasi. Data
didapatkan dari perusahaan notebook. Hasil dari
penelitian ini menggambarkan klasifikasi profil
penjualan notebook pada perusahaan tersebut dalam
bentuk aturan. Sehingga dengan klasifikasi ini dapat
mendukung dalam pengambilan keputusan.
Keywords— klasifikasi, data mining, decision tree,
analisa penjualan.
I. PENDAHULUAN
Pengambilan keputusan dalam dunia industri
bagi keuntungan perusahaan haruslah tepat. Oleh
karena itu dalam pengambilannya tidak serta merta
tanpa memperdulikan faktor pendukung. Bentuk
dukungan dalam bentuk hasil analisa juga dapat
digunakan dalam pengambilan keputusan.
Perusahaan penjualan atau distributor notebook
misalnya. Perusahaan membutuhkan keputusan
dalam persediaan atau stok barang untuk bulan
depan dan memutuskan barang mana yang harus
dihentikan atau dikurangi penjualannya. Pada
penelitian
sebelumnya
oleh
victor(2012),
menjelaskan mengenai kondisi suatu distributor
notebook besar di Surabaya mengalami kesulitan
dalam hal pengambilan keputusan tersebut dan
memutuskan
membangun
sistem
untuk
membantunya.
Sebagaimana halnya penelitian yang dilakukan
Ignatius bayu Santoso (2002), mengenai pentingnya
sistem informasi penjualan sebagai alat penunjang
keputusan pemasaran sebagai studi kasus di PT. X.
Demikian halnya penelitian mengenai sistem
pendukung keputusan dengan metode pohon
keputusan yang menganalisis penjualan Lenovo
(Victor, 2013).
Berdasarkan kedua penelitan
tersebut dipaparkan pentingnya mengolah data
transaksi penjualan yang lebih baik dan akurat
dengan memanfaatkan tekonologi informasi.
Namun demikian semakin banyaknya record
transaksi penjualan dari tahun ke tahun akan
menambah data yang harus dikoleksi dan disimpan.
Oleh karena itu perusahaan bidang penjualan
produk TI dengan varian dan transaksi dalam
jumlah besar untuk memenuhi kebutuhan
pelanggannya harus memiliki pangkalan (basis)
data
ukuran
besar,
sekaligus
dapat
memanfaatkannya untuk menunjang keputusan
pimpinan terkait dengan strategi pemasarannya.
Pengolahan pangkalan data dalam skala besar
seperti yang terjadi pada suatu perusahaan dan
fasilitas penelitian yang mencapai lebih dari
1,099,511,627,776 byte data (Leonardo Fabricio).
Dalam pangkalan data tersebut dapat digali (data
mining) untuk menghasilkan informasi atau
pengetahuan berharga dengan suatu pendekatan
seperti teknik klasifikasi, klusterisasi dan asosiasi.
Sehubungan dengan transaksi penjualan produk PC
dan notebook yang dilakukan oleh salah satu
distributor perusahaan komputer di Surabaya, yang
sebagain besar menjual produk bermerek Acer dan
Lenovo. Seiring dengan meningkatnya penjualan
produk tersebut beserta spesifikasinya yang
beragam, perusahaan perlu mengenal produkproduk mana saja yang termasuk kategori laku atau
kurang laku. Data transaksi penjualan yang sangat
banyak menjadi pangkalan data yang sebenarnya
sangat berarti bagi perusahaan untuk membuat
strategi promosinya. Sedangkan pada perusahaan
tersebut masih sulit melakukan analisa.
Terkait dengan pencarian informasi atau
pengetahuan mengenai penjualan yang berharga,
maka pada
penelitian ini difokuskan pada
pendekatan klasifikasi data mining untuk
mengidentfikasi dan menganalisis profil transaksi
penjualan produk notebook suatu perusahaan
komputer X. Perusahaan ini yang bergerak sebagai
distributor produk TI, yang menjual berbagai
produk dari beberapa merek tertentu seperti Acer
dan Lenovo, diantaranya adalah seperangkat
komputer PC, notebook dan perangkat build-up
lainnya.
Prosiding Seminar Nasional Teknologi Terapan SV UGM 2014
1
II. MODEL, ANALISIS, DESAIN, DAN
IMPLEMENTASI
Perangkat lunat aplikasi untuk menerapkan
teknik klasifikasi data mining dikembangkan
melalui metode daur hidup pengembangan sistem
yang meliputi tahapan
perencanaan, analisa,
desain, uji coba dan implementasi dan
penerapannya sebagaimana
yang digambarkan
pada gbr. 1.
a) Perencanaan
Pada tahap perencanaan mengidentifikasi
kebutuhan item product beserta spesifikasi dan
deskripsi produk, merek atau brands yang diminati
pelanggan, harga jual dan atribut-atribut produk
lainnya yang berpengaruh pada transakasi
penjualan.
Dalam melakukan perencanaan dan identifikasi
dibutuhkan sumber data. Berdasarkan data
penelitian yang telah dilakukan (victor,2013) dapat
dijadikan sebagai sumber acuan. Dalam penelitian
tersebut data yang digunakan adalah data transaksi
penjualan distributor notebook oleh beberapa agen
penjualan perusahaan. Data yang diambil adalah
data pada tahun 2011 sampai dengan data 2012.
Identifikasi kebutuhan spesifikasi produk
dilakukan berdasarkan data lapangan atau hasil
transaksi penjualan perusahaan. Adapun spesifikasi
produk yang telah diidentifikasi terdapat 12
spesifikasi. Berdasarkan data faktur penjualan,
spesifikasi produk tersebut adalah sebagai berikut :
tanggal, no.inv, customer, customer ref. No, sales,
brand, item, item_desc, T/NT, Qty, Unit price, price
tax, rate, dan volume.
pengamatan atau wawancara dengan pihak
perusahaan. Hasilnya koleksi data akan dijadikan
sebagai patokan dalam pembuaan aplikasi data
mining.
Pengambilan data dilakukan dengan melakukan
pengamatan serta wawancara dengan bagian dari
perusahaan. Dari hasil pengamatan didapatkan data
yang mencakup spesifikasi produk seperti pada
tahap perencanaan. Data diambil berdasarkan nota
atau faktur penjualan produk perusahaan. Hasil
koleksi data terkumpul data penjualan beserta nama
agen penjualan dari tahun 2011 sampai tahun 2012.
Data dilakukan rekapitulasi dalam bentuk
spreadsheet agar mudah dilakukan identifikasi.
Dari data rekapitulasi tersebut terkumpul data pada
tahun 2011 adalah sebanyak 8318 transaksi,
sedangkan pada tahun 2012 sebanyak 4167
transaksi.
Analisa terhadap data dilakukan untuk
mendapatkan atribut yang digunakan dalam proses
data mining terhadap klasifikasi yang dituju. Dari
data transaksi yang telah diperoleh didapatkan
penjelasan kriteria laku, atau tidak laku didapat dari
banyaknya frekuensi item yang telah terjual.
Sehingga dalam analisa data mining akan dilakukan
proses pemilahan atribut data yang semula dari 12
item menjadi 5 item yang mempengaruhi sistem.
Adapun item tersebut adalah sebagai berikut :
customer, sales, brand, item, t/nt dan qty. Gambaran
data dalam spreadsheet dapat dilihat pada gbr. 2.
Gbr 1. Integrasi Direktori Server
Diagram dan gambar(gbr.1) yang diproses
dengan komputer harus memiliki kualitas tinggi
hasil dan ditempatkan dalam dokumen atau
termasuk dalam konsep dengan percetakan yang
baik. Foto tidak diproses dengan komputer harus
dicetak dengan kertas glossy. Judul grafis dan foto
harus ditulis dalam Times New Roman 10, Bold
dengan spacing untuk before dan after sebesar 6 pt.
Judul harus ditempatkan tepat di bawah gambar
atau foto.
b) Analisa Data
Tahap analisa dilakukan identifikasi kebutuhan
informasi yang meliputi data target yang mencakup
data penjualan produk yang laku, cukup laku dan
kurang laku. Disamping itu juga diidentifikasi pula
Kriteria kinerja sistem yang diinginkan untuk
mendukung pengambilan keputusan pimpinan.
Pengambilan
data
dilakukan
berdasarkan
Gbr. 2. Data dalam bentuk spreadsheet
Setelah didapatkan data dalam bentuk
spreadsheet perlu dilakukan proses pengubahan
jenis file. Jenis file yang digunakan adalah berjenis
csv. File jenis ini diperlukan pada aplikasi Weka.
Seperti pada terlihat gbr. 3.
2.3. Perancangan Sistem
Tahap
Perancangan
sistem
dilakukan
berdasarkan hasil analisis kebutuhan sistem yang
ada. Pada tahapan ini dilakukan identifikasi
konfigurasi
menggunakan
perangkat
lunak
opensource J48 yang berbasis java yang disediakan
pada software Weka.
Prosiding Seminar Nasional Teknologi Terapan SV UGM 2014
2
Gbr. 3. Data file jenis csv untuk proses data Weka
Software Weka pada penelitian ini diinstallkan
pada sistem operasi berbasis open source. Sistem
operasi Debian adalah tempat sistem Weka
diinstall. Pada aplikasi ini dilakukan konfigurasi
awal pada saat penginstalan. Perintah penginstalan
dilakukan melalui command line root dengan
mengetikkan 'apt-get install weka'. Software Weka
diaktifkan dengan mengetikkan perintah 'weka'
untuk mengaktifkannya.
Proses konfigurasi install selesai selanjutnya
pemrosesan data awal. Data sebelum diproses
terlebih dahulu harus diubah dalam bentuk file csv.
Adapun file csv dapat dilihat pada gbr. 3. Setelah
memasukkan data, konfigurasi dapat dilakukan ke
tahapan pemilihan algoritma yang dipilih. Adapun
proses awal weka adalah proses memasukkan data
dapat dilihat pada gbr.4. Setelah itu untuk analisa
dan visualisasi data hasil memasukkan data dapat
dilihat pada gbr. 5.
Gbr.4. Awal masuk weka dengan menginputkan file data
Gbr. 5. Visualisasi Data
III. SKENARIO UJI COBA
Penggunaan aplikasi Weka diperlukan untuk
mengolah menjadi bentuk tree/pohon klasifikasi.
Setelah klasifikasi terbentuk. Data pada multi tahun
adalah data penjualan produk notebook. Untuk
keamanan data perusahaan, maka penelitian ini
hanya diberikan 2 tahun dan 1 tahun data uji.
Data pada tahun 2011 dan data tahun 2012 untuk
penjualan notebook digunakan untuk data training.
Training data dilakukan dengan aplikasi Weka.
Dengan menghasilkan klasifikasi tertentu dalam
bentuk struktur pohon.
Setelah dilakukan training, data diujicobakan
dalam sistem berbasis php. Untuk melakukan uji
aturan yang terbentuk.
IV. HASIL UJI COBA
Hasil uji coba setelah dilakukan uji coba pada
sistem pendukung keputusan mampu membuat
klasifikasi. Pada data uji penjualan notebook,
diujicobakan pada aturan yang diterapkan untuk
dengan membangun aplikasi sistem pendukung
keputusan(gbr. 6).
Analisa Penjualan notebook Lenovo PT.
Visiland Dharma Sarana di Jawa Timur dan Bali ini
mempunyai beberapa manfaat sebagai berikut :
a. Membantu Direksi atau Management untuk
menentukan tipe produk apa yang membutuhkan
konsentrasi penetrasi lebih dalam lagi (slow) dan
tipe produk apa yang telah tergolong fast
moving(penjualan laku terjual dengan cepat).
b. Memudahkan administrator untuk memanage
data yang ada mulai dari menambahkan data baru,
menganalisa ulang, maupun melihat hasil analisa
data yang telah terupdate.
Prosiding Seminar Nasional Teknologi Terapan SV UGM 2014
3
[4]
[5]
Fabricio Voznika., dan Leonardo Viana. (2007) Data
Mining
Classification[online].
Available:
http://courses.cs.washington.edu/courses/csep521/07wi/pr
j/leonardo_fabricio.p>.
Turban, Aronson, and Liang, Decision Support Systems
and Intelligent Systems, 7th Edition. Prentice Hall,
2005.
Gbr. 6. Sistem Pendukung Keputusan Decision Tree System
V. PENUTUP
Penggunaan data mining dalam menentukan
analisa penjualan pada perusahaan notebook dapat
dilakukan. Penggunaan decision tree, cukup
berhasil memetakkan penjualan dengan kategori
penjualan dengan lambat daya jualnya atau cepat
daya jualnya. Namun aplikasi ini masih tergolong
sebatas analisa, akan lebih baik diberikan tambahan
berupa forecasting penjualan. Hal ini akan sangat
membantu pihak direksi dalam pengambilan
keputusan.
REFERENSI
[1]
[2]
[3]
Kantardzic, Mehmed, Data Mining Concept, Models,
Methods, and Algorithms. Louisvile: A John Wiley &
Sons, Inc., 2002.
Victor Adinugraha, TB, “Sistem Pendukung Keputusan
dengan metode Dicision Tree Pada Analisa Penjualan
Notebook Lenovo PT. Visiland Dharma Sarana Di Jawa
timur dan Bali“. Surabaya: Universitas Widyakartika,
2013.
Ignatius Bayu, P. dan Toto S., “Pengembangan Sistem
Informasi Penjualan Sebagai Alat Penunjang Keputusan
Pemasaran (Studi Kasus di PT. X)”. Jurnal Ekonomi dan
Bisnis No 2. Jilid 7, 2002.
Prosiding Seminar Nasional Teknologi Terapan SV UGM 2014
4