NPM : 19112082
Kelas : 5KA32
Aplikasi Data Mining Untuk Menampilkan Informasi
Pejualan Ice Cream Walls
di Daerah Citayem Menggunakan Metode A Priori
1. Pendahuluan
Perkembangan teknologi
informasi saat ini sudah semakin pesat, khususnya dalam aplikasi-aplikasi database
yang diiringi dengan meningkatnya kapabilitas media penyimpanan yang semakin
besar memungkinkan terjadinya akumulasi data dalam jumlah besar. Akumulasi data
ini membentuk sebuah gudang data yang mengandung banyak informasi penting. Bila
tidak digali, informasi penting yang terpendam di gudang data akan menjadi
tidak berguna. Pemanfaatan gudang data yang ada untuk menggali informasi yang
berguna membantu mengambil keputusan mendorong munculnya cabang ilmu baru.
Cabang ilmu baru ini digunakan untuk mengatasi masalah penggalian informasi
atau pola yang penting atau menarik dari data dalam jumlah besar, yang disebut
dengan data mining.
Menurut Turban (dalam Kusrini dan Lutfi, 2009:3) ‘Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengektraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar.’ Pemanfaatan teknik data mining diharapkan dapat memberikan informasi-informasi yang sebelumnya tersembunyi di dalam gudang data sehingga menjadi informasi yang berharga. Salah satu kelompok data mining berdasarkan tugas yang dapat dilakukan adalah asosiasi. Algoritma a priori termasuk jenis aturan asosiasi pada data mining. Analisis atau association rule mining merupakan teknik data mining untuk menemukan aturan asosiatif antara suatu kombinasi item. Contoh aturan asosiatif dari analisis pembelian di suatu pasar swalayan adalah dapat diketahuinya berapa besar kemungkinan seorang pelanggan membeli roti bersamaan dengan susu.
Dalam dunia perdagangan diperlukan sebuah kreativitas dan inovasi dari produsen agar penjualan produknya bisa ditingkatkan. Hal ini juga berlaku pada PT Roxy Prameswari sebagai produsen ice cream walls, jika tidak ada kreatifitas dan inovasi maka akan dapat menurunkan tingkat penjualan. Ada bermacam-macam cara untuk mensiasati agar produk yang dijual bisa meningkat dan diminati konsumen. Membuat aplikasi yang bisa membantu produsen meningkatkan penjualan produk merupakan cara yang bisa dilakukan. Salah satu caranya adalah memnfaatkan teknik data mining, dalam hal ini menggunakan algoritma a priori (asosiasi data mining).
Menurut Turban (dalam Kusrini dan Lutfi, 2009:3) ‘Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengektraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar.’ Pemanfaatan teknik data mining diharapkan dapat memberikan informasi-informasi yang sebelumnya tersembunyi di dalam gudang data sehingga menjadi informasi yang berharga. Salah satu kelompok data mining berdasarkan tugas yang dapat dilakukan adalah asosiasi. Algoritma a priori termasuk jenis aturan asosiasi pada data mining. Analisis atau association rule mining merupakan teknik data mining untuk menemukan aturan asosiatif antara suatu kombinasi item. Contoh aturan asosiatif dari analisis pembelian di suatu pasar swalayan adalah dapat diketahuinya berapa besar kemungkinan seorang pelanggan membeli roti bersamaan dengan susu.
Dalam dunia perdagangan diperlukan sebuah kreativitas dan inovasi dari produsen agar penjualan produknya bisa ditingkatkan. Hal ini juga berlaku pada PT Roxy Prameswari sebagai produsen ice cream walls, jika tidak ada kreatifitas dan inovasi maka akan dapat menurunkan tingkat penjualan. Ada bermacam-macam cara untuk mensiasati agar produk yang dijual bisa meningkat dan diminati konsumen. Membuat aplikasi yang bisa membantu produsen meningkatkan penjualan produk merupakan cara yang bisa dilakukan. Salah satu caranya adalah memnfaatkan teknik data mining, dalam hal ini menggunakan algoritma a priori (asosiasi data mining).
2. Perumusan Masalah
Berdasarkan uraian pada latar belakang di atas,
maka rumusan masalah dalam penelitian ini adalah bagaimana membangun aplikasi
data mining untuk menghasilkan informasi yang berguna tentang hubungan tingkat
penjualan ice cream walls dengan data ice cream walls yang dipasarkan di Daerah
Citayem. Informasi yang ditampilkan berupa nilai support dan confidence
hubungan antara tingkat penjualan dengan data ice cream yang dipasarkan.
3. Batasan Masalah
Agar pembahasan dalam penelitian ini dapat dilakukan
secara terarah dan sesuai dengan yang diharapkan, maka perlu diterapkan
batasan-batasan permasalahan yang akan dibahas, antara lain:
a. Pada tugas akhir ini hanya menyajikan informasi tentang tingkat penjualan ice cream walls di Daerah Citayem dengan teknik data mining.
a. Pada tugas akhir ini hanya menyajikan informasi tentang tingkat penjualan ice cream walls di Daerah Citayem dengan teknik data mining.
b. Informasi yang ditampilkan adalah nilai
support dan confidence hubungan antara tingkat penjualan dengan data ice cream
walls yang dipasarkan di Daerah Citayem.
c. Data yang digunakan adalah data ice cream walls yang dipasarkan di Daerah Citayem.
d. Dalam tugas akhir ini tidak membahas pada hasil proses data mining dan analisis hasil yang keluar.
c. Data yang digunakan adalah data ice cream walls yang dipasarkan di Daerah Citayem.
d. Dalam tugas akhir ini tidak membahas pada hasil proses data mining dan analisis hasil yang keluar.
4.
Tinjauan Pustaka
4.1.Data
Mining
Data mining, sering juga disebut knowledge
discovery in database KDD, adalah kegiatan yang meliputi pengumpulan, pemakaian
data historis untuk menemukan keteraturan, pola atau hubungan dalam set data
berukuran besar. Keluaran dari data mining ini dapat digunakan untuk
memperbaiki pengambilan keputusan di masa depan. Sehingga istilah pattern
recognition sekaragn jarang
digunakan karena ia termasuk bagan dari data mining (Santosa, 2007:10).
Seiring dengan perkembangan teknologi, semakin berkembang pula kemampuan kita dalam menggumpulkan dan mengolah data. Penggunaan sistem komputerisasi dalam berbagai bidang baik itu dalam transaksi-transaksi bisnis, maupun untuk kalangan pemerintah dan sosial, telah menghasilkan data yang berukuran sangat besar. Data-data yang terkumpul ini merupakan suatu tambang emas yang dapat digunakan sebagai informasi dalam dunia bisnis. Aplikasi basis data telah banyak diterapkan dalam berbagai bidang, antara lain bidang manajemen, manajemen data untuk industri, ilmu pegetahuan, administrasi pemerintah dan bidang-bidang lainnya. Akibatnya data yang dihasilkan oleh bidang-bidang tersebut sangatlah besar dan berkembang dengan cepat. Hal ini menyebabkan timbulnya kebutuhan terhadap teknik-teknik yang dapat melakukan pengolahan data sehingga dari data-data yang ada dapat diperoleh informasi penting yang dapat digunakan untuk perkembangan masing-masing bidang tersebut. Istilah data mining sudah berkembang jauh dalam mengadaptasi setiap bentuk analisa data. Pada dasarnya data mining berhubungan dengan analisa data dan penggunaan teknik-teknik perangkat lunak untuk mencari pola dan keteraturan dalam himpunan data yang sifatnya tersembunyi. Informasi-informasi yang berguna dipeoleh dari data-data yang ada, hubungan antara item dalam transaksi, maupun informasi informasi-yang potensial, selanjutnya dapat diekstrak dan dianalisa dan diteliti lebih lanjut dari berbagai sudut pandang. Informasi yang ditemukan ini selanjutnya dapat diaplikasikan untuk aplikasi manajemen, melakukan query processing, pengambilan keputusan dan lain sebagainya. Dengan semakin berkembangnya kebutuhan akan informasi-informasi, semakin banyak pula bidang-bidang yang rnenerapkan konsep data mining.
Seiring dengan perkembangan teknologi, semakin berkembang pula kemampuan kita dalam menggumpulkan dan mengolah data. Penggunaan sistem komputerisasi dalam berbagai bidang baik itu dalam transaksi-transaksi bisnis, maupun untuk kalangan pemerintah dan sosial, telah menghasilkan data yang berukuran sangat besar. Data-data yang terkumpul ini merupakan suatu tambang emas yang dapat digunakan sebagai informasi dalam dunia bisnis. Aplikasi basis data telah banyak diterapkan dalam berbagai bidang, antara lain bidang manajemen, manajemen data untuk industri, ilmu pegetahuan, administrasi pemerintah dan bidang-bidang lainnya. Akibatnya data yang dihasilkan oleh bidang-bidang tersebut sangatlah besar dan berkembang dengan cepat. Hal ini menyebabkan timbulnya kebutuhan terhadap teknik-teknik yang dapat melakukan pengolahan data sehingga dari data-data yang ada dapat diperoleh informasi penting yang dapat digunakan untuk perkembangan masing-masing bidang tersebut. Istilah data mining sudah berkembang jauh dalam mengadaptasi setiap bentuk analisa data. Pada dasarnya data mining berhubungan dengan analisa data dan penggunaan teknik-teknik perangkat lunak untuk mencari pola dan keteraturan dalam himpunan data yang sifatnya tersembunyi. Informasi-informasi yang berguna dipeoleh dari data-data yang ada, hubungan antara item dalam transaksi, maupun informasi informasi-yang potensial, selanjutnya dapat diekstrak dan dianalisa dan diteliti lebih lanjut dari berbagai sudut pandang. Informasi yang ditemukan ini selanjutnya dapat diaplikasikan untuk aplikasi manajemen, melakukan query processing, pengambilan keputusan dan lain sebagainya. Dengan semakin berkembangnya kebutuhan akan informasi-informasi, semakin banyak pula bidang-bidang yang rnenerapkan konsep data mining.
4.2.Algoritma A Priori
Algoritma a priori termasuk jenis aturan asosiasi
pada data mining. Selain a priori yang termasuk pada golongan ini adalah metode
Generalized Rule Induction dan Algoritma Hash
Based. Aturan yang menyatakan asosiasi antara beberapa atribut sering disbut
affinity analysis atau market basket analysis. Analisis asosiasi atau
association rule adalah teknik data mining untuk menemukan aturan asosiatif
antara suatu kombinasi item.
Algoritma Apriori yang bertujuan untuk menemukan frequent itemsets dijalankan pada sekumpulan data. Analaisis A priori didefenisikan suatu proses untuk menemukan semua aturan a priori yang memenuhi syarat minimum untuk support dan syarat minimum untuk confidence. Support adalah nilai penunjang, atau persentase kombinasi sebuah item dalam database. Rumus support sebagai berikut:
Support (A) = (jumlah transaksi mengandung A/Total transaksi) x 100%.Algoritma Apriori yang bertujuan untuk menemukan frequent itemsets dijalankan pada sekumpulan data. Analaisis A priori didefenisikan suatu proses untuk menemukan semua aturan a priori yang memenuhi syarat minimum untuk support dan syarat minimum untuk confidence. Support adalah nilai penunjang, atau persentase kombinasi sebuah item dalam database. Rumus support sebagai berikut:
Sedangkan confidence adalah nilai kepastian yaitu
kuatnya hubungan antar item dalam sebuah apriori. Confidence bisa dicari
setelah pola frekuensi munculnya sebuah item ditemukan.
5. Tujuan Penelitian
Berdasarkan latar belakang di atas tujuan
penelitian ini adalah mendapatkan informasi yang berguna tentang tingkat
penjualan ice cream walls di Daerah Citayem dengan teknik data mining.
6. Manfaat Penelitian
Manfaat penelitian yang dapat diambil adalah:
1. Penulis dapat lebih mengetahui cara menerapkan ilmu-ilmu yang telah dipelajari selama ini dalam merancang dan
membuat aplikasi sistem dengan teknik data mining.
2. Menyajikan informasi tentang hubungan tingkat penjualan dengan data ice cream walls di Daerah Citayem.
3. Pihak PT Roxy Prameswari dapat mengetahui tingkat penjualan ice cream dan mengetahui faktor yang mempengaruhi
tingkat penjualan ice cream walls di Daerah Citayem.
7.
Metode Penelitian
7.1.
Jenis Penelitian
Penelitian yang akan dilakukan ini menggunakan
metode penelitian terapan karena tujuan penelitian ini adalah menerapkan metode
data mining dalam menghasilkan suatu aplikasi yang dapat membantu dalam
mengetahui tingkat penjualan ice cream walls di Daerah Citayem. “Penelitian
terapan dilakukan dengan tujuan menerapkan, menguji, dan mengevaluasi kemampuan
suatu teori yang diterapkan dalam memecahkan masalah-masalah praktis”
(Sugiyono, 2002:2).
7.2. Teknik Pengumpulan Data
Teknik pengumpulan data dalam penelitian ini
adalah teknik dokumentasi. Pada teknik dokumentasi data-data yang berkenaan
dengan penelitian didapat dengan cara mengumpulkan data-data yang sudah ada di PT
Roxy Prameswari.
7.3.Alat Bantu Pengembangan Sistem
Alat bantu yang
digunakan dalam penelitian ini adalah:
1. UML (Unified
Modeling Language).
2. Perangkat
keras yang akan digunakan dalam penelitian ini adalah satu unit laptop dengan
spesifikasi:
Processor : Intel (R) Core (TM) 2 Duo CPU T5870 @2.00 GHz.
Processor : Intel (R) Core (TM) 2 Duo CPU T5870 @2.00 GHz.
Memori : 1 GB of
RAM
Harddisk : 250
GB
3. Perangkat
lunak yang akan digunakan adalah:
Windows 7
Ultimate
Delphi 8 dan Microsoft Office Visio
2003 untuk perancangan form aplikasi.
DAFTAR PUSTAKAGuritno, Suryo., dkk. 2011. Theory and Application of IT Research. Yogyakarta: Andi.
Kusrini dan Luthfi, E.T. 2009. Algoritma Data Mining. Yogyakarta: Andi
Santosa, Budi. 2007. Data Mining: Teknik Pemanfaatan Data Untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu.
Tidak ada komentar:
Posting Komentar