JOINT (Journal of Information Technolog. Vol. 02 No 02 Agustus 2020, pp. ISSN: 2527-9467/. ISSN: 2656-7539 Perancangan Aplikasi Data Mining Market Basket Analysis pada Apotek Permata dengan Metode Hybrid-Dimension Association Rules Rizal Dzulkarnaen. Kom Program Studi Sistem Informasi STMIK AyAMIKBANDUNGAy Jln. Jakarta No. 28 Bandung 40272 INDONESIA rizal@stmik-amikbandung. Abstrak-Dengan perkembangan yang sangat pesat terhadap teknologi pengoleksian dan penyimpanan data memungkinkan pengumpulan data dengan lebih cepat, kapasitas yang lebih besar, dan harga yang lebih murah sehingga menimbulkan penumpukan koleksi data. Tetapi kecepatan bertambah banyaknya data tersebut tidak diimbangi dengan banyaknya penarikan informasi dari data tersebut, akibatnya akan memberikan nilai yang kecil terhadap pemanfaatan teknologi. Apotek Permata telah menggunakan sistem komputerisasi dalam setiap transaksi penjualannya, sehingga dibutuhkan suatu aplikasi yang dapat memberikan informasi bagi pengambilan keputusan dengan menggunakan data transaksi minimarket. Salah satu aplikasi yang dapat membantu dalam pengambilan keputusan adalah data mining. Penulis menerapkan data mining dengan metode market basket analysis dimana metode tersebut akan menganalisa kebiasaan pembeli dengan menemukan hubungan antara barang yang berbeda pada keranjang belanja . arket baske. dengan waktu pembelian. Software yang dibuat akan menggunakan algoritma apriori. Data-data yang sudah dipersiapkan akan diolah sesuai algoritma untuk menghasilkan frequent itemsets yang pada akhirnya akan menghasilkan Hybritd-dimension association rules dan ditampilkan dalam bentuk grafik dan Penulis menggunakan software Borland Delphi 7 dan Microsoft SQL Server 2005. Dengan menggunakan output dari software ini, yang berupa association rules dan grafik, pengambilan keputusan dapat megetahui barang-barang apa saja yang sering dibeli bersamaan oleh konsumen di Apotek Permata. Kata kunci: Data Mining. Market Basket Analysis. Apriori. Hybrid-dimension Association Rules Abstract-With the rapid development of technology and data storage, it allows data collection with greater speed, greater capacity, and cheaper prices but itAos not matched by the number of information that can be made from these data, the result would give little value to the use of technology. Apotek Permata have been used the computer system for their data transaction. Therefore, they will need software to help them to provide information for decision making from the data transaction. One of the software is known as data mining. Nonetheless, the autor tries to implement the data mining with market basket analysis method, where it can analyze the buying habit of the customers. the software that is going to be made will be using the apriori algorithm. In the making of this software, the data will be mined according to the algorithm to create frequent itemsets that in the end will produce Hybrid-dimension association rules from the data analyzed. The rules will be shown in the form of graphs and tables. The author will use Borland Delphi 7 and Microsoft SQL Server 2005 in the making of his software. Finaly by using the output of this software, that is some association rules and graphs, the decision maker in a company can recognize what kind of products that are frequently bought in the same time by the customers in Apotek Permata. Key words: Data mining. Market Basket Analysis. Apriori. Hybrid-dimension Association Rules. JOINT (Journal of Information Technolog. BAB I PENDAHULUAN 1 Latar Belakang Masalah Perkembangan Teknologi Informasi (TI) telah mengalami kemajuan yang sangat pesat, termasuk penggunaannya di sektor Komputerisasi telah diterapkan oleh banyak perusahaan, namun umumnya digunakan sebatas membuat suatu sistem penyimpanan data yang hanya digunakan untuk pencatatan transaksi dan mengolah data transaksi tersebut untuk pembuatan laporan pembelian atau penjualan perusahaan. Bagi perusahaan yang hanya menjual beberapa jenis produk atau toko-toko kecil, laporan seperti itu mungkin sudah cukup bagi pemilik untuk melakukan analisis pada pasar dan mengambil Namun, bagi perusahaan yang menjual produkproduk dalam skala besar, yang terdiri dari ratusan bahkan ribuan jenis produk, cara pengolahan data seperti itu menjadi lebih sulit dilakukan. Bisa saja dalam timbunan data transaksi tersebut terdapat suatu informasi signifikan yang dapat membantu dalam pengambilan keputusan, misalnya pola belanja konsumen. Hal ini dapat berpengaruh dalam penjualan suatu jenis produk tertentu, tetapi karena banyaknya data yang harus diolah, informasi tersebut menjadi biasa atau bahkan tidak akan ditemukan jika dilakukan secara manual Apotek Permata telah menggunakan sistem komputerisasi dalam setiap transaksi penjualannya, sehingga dengan banyaknya transaksi yang terjadi dapat dianalisis terhadap kebiasaan konsumen berbelanja pada apotek dengan cara menemukan asosiasi dan korelasi di antara berbagai macam item yang dimasukkan konsumen. Item disini diartikan sebagai berbagai macam produk atau barang pada apotek. Aplikasi dirancang untuk melakukan multi-dimensi datamining, dimana setiap variabel pengambilan keputusan perusahaan mewakili satu dimensi tertentu. Dalam hal ini dimensi yang dilibatkan adalah dimensi barang, dan waktu transaksi. Informasi yang dihasilkan dari aplikasi adalah aturan-aturan dan keterkaitan antar item yang menjadi variabel dalam pengambilan 2 Rumusan Masalah Berdasarkan data apotek yang ada dan latar belakang masalah diatas, dapat diambil rumusan masalah yaitu bagaimana sistem memining data yang ada dan menentukan kelakuan konsumen dengan melihat tingkat asosiasi . antar item barang dengan waktu pembelian Sehingga diperlukan penggunaan metode Hybriddimensional Association Rules untuk dapat menentukan item barang yang sering dibeli bersamaan oleh konsumen . dengan waktu pembelian barang tersebut. Misalkan apakah jika konsumen membeli barang A juga akan membeli barang B pada waktu tertentu. 3 Maksud dan Tujuan 1 Maksud Maksud dari pembuatan aplikasi ini untuk menggali informasi dalam database yang ada pada Apotek Permata sehingga dapat mengetahui pola belanja konsumen dengan menggunakan metode Hybrid-dimension Association Rules 2 Tujuan Tujuan dari pembuatan aplikasi data mining ini adalah : Menggali informasi dalam database yang ada untuk menggunakan metode Hybrid-dimension Association Rules. Menghasilkan informasi keterhubungan barang yang dibeli konsumen dengan waktu transaksi dalam bentuk grafik dan tabel. Membantu para manager dalam memproses data histori yang cepat dan efisien sehingga menghasilkan informasi yang tepat dan akurat dalam mengambil sebuah 4 Batasan Masalah Batasan-batasan masalah yang diberikan sesuai dengan permasalahan yang telah diterangkan diatas, antara lain: Aplikasi dirancang dapat melakukan multi-dimensional association rule. Sedangkan metode multi-dimensional yang akan digunakan adalah hybrid-dimensional association rules . epeated predicate. Data yang akan dianalisis adalah data penjualan selama satu tahun tepatnya pada tahun 2011 beserta atribut yang berhubungan dengan data penjualan tersebut. Dimana data ini sudah tersedia dalam sistem penjualan yang terkomputerisasi diperusahaan tersebut. Program yang dibuat hanya akan memberikan informasi yang bersifat membantu manager dalam operasional perusahaan, tanpa menawarkan suatu solusi pemecahan Program melakukan mining pada database untuk menggambarkan asosiasi antar barang yang satu dengan yang lainnya serta dengan waktu jual untuk kemudian akan ditampilkan sebagai informasi bagi user baik dalam bentuk tabel maupun grafik. BAB II TINJAUAN PUSTAKA 1 Data Mining Data mining membantu perusahaan untuk mendapatkan pola dari data-data yang tersimpan di dalam basis data Pengetahuan yang diperoleh tersebut akan menjadi pedoman dalam mengambil tindakan-tindakan bisnis sebagai upaya pemeliharaan dan peningkatkan tingkat kompetitif bisnis Walaupun sudah banyak perangkat lunak yang menawarkan kemampuan dalam proses data mining, keterlibatan manusia sangat dibutuhkan dalam setiap fase proses data mining itu sendiri. Pemahaman terhadap model statistik dan matematik yang digunakan dalam perangkat lunak sangat dituntut. Data mining mempunyai banyak metoda atau fungsi yang bisa dipakai. Ada enam metoda kelompok data mining, yaitu: Deskripsi,yang akan memberikan gambaran terhadap sejumlah data yang bersakala besar serta memiliki banyak jenis. diantaranya adalah metode Decision Tree. Exploratory Data Analysis dan Neural Network. Estimasi, adalah perkiraan. JOINT (Journal of Information Technolog. Ini menunjukkan bahwa istilah ini bisa digunakan untuk menyatakan perkiraan, penilaian, tentang sesuatu. Contohnya menerka suatu nilai yang belum diketahui, seperti menerka pendapatan seseorang ketika telah mengetahui informasi mengenai orang tersebut. Metode yang dapat digunakan adalah Point Estimation. Confidence Interval Estimations. Simple Linear Regression. Correlation, dan Multiple Regression. Prediksi , memperkirakan suatu nilai di masa mendatang, misalnya memprediksi stok barang tiga tahun ke depan. Yang termasuk fungsi ini antara lain metode Neural Network. Decision Tree, dan kAeNearest Neighbor. Klasifikasi (Classificatio. , merupakan proses dalam menemukan suatu model atau fungsi yang dapat membedakan konsep atau kelas data, dengan tujuan untuk dapat memperkirakan kelas dari suatu objek yang labelnya tidak Pengelompokan (Clusterin. , pengelompokan untuk mengidentifikasi data dengan karakteristik tertentu. Yang termasuk dalam fungsi ini diantaranya model Hierarchical Clustering, metode K-Means, dan Self Organizing Map (SOM) Asosiasi, biasa disebut juga analisis keranjang pasar dimana fungsi ini digunakan untuk mengidentifikasi item-item produk yang kemungkinan dibeli kons. 2 Market Basket Analisis Market basket analysis adalah proses yang menganalisa kebiasaan pembeli dengan menemukan hubungan antara barang yang berbeda pada keranjang belanja . arket baske. Penemuan hubungan tersebut dapat membantu penjual untuk mempertimbangkan barang yang sering dibeli bersamaan oleh Sebagai contoh, bila pembeli membeli betadine, seberapa besar kemungkinan mereka juga akan membeli kapas pada transaksi yang sama Analisis asosiasi dikenal juga sebagai salah satu teknik data mining yang menjadi dasar dari berbagai teknik data mining lainya. Khususnya salah satu tahap dari analisis asosiasi yang disebut analisis pola frekuensi tinggi . requent pattern Metodologi dasar analisis asosiasi terbagi menjadi dua Analisa pola frekuensi tinggi Pembentukan aturan assosiatif Metode asosiasi adalah metode kombinasi yang akan muncul secara bersamaan. Yang disebut dengan Market Basket Analysis. (MBA) Aturan Association rules biasanya menggunakan pola Aujika . Aumewakili antecendent dan Aumaka . Ay mewkili consequent, bersamaan dengan pengukuran support . dan confidence . yang terasosiasi dalam aturan. Fungsi Association rules sering kali disebut dengan AuMarket Basket AnalysisAy, yang digunakan untuk menentukan kombinasi diantara himpunan item-item . 3 Association Rules Association rules adalah suatu prosedur yang mencari hubungan atau relasi antar satu item dengan item lainnya dari suatu basis data transaksi. Program data mining dengan association rule bertujuan menemukan informasi item-item yang saling berhubungan dalam bentuk rule, dengan demikian association rule paling tepat diterapkan pada market basket Association rule biasanya menggunakan AuifAy dan AuthenAy misalnya Auif A then B and CAy, hal ini menunjukkan jika A maka B dan C. Dalam menentukan Association rule perlu ditentukan support dan confidence untuk membatasi apakah rule tersebut interesting atau tidak (Han. Kamber, 2. 4 Algoritma Apriori Apriori adalah suatu algoritma yang sudah sangat dikenal dalam melakukan pencarian frequent itemset untuk mendapatkan association rules. Sesuai dengan namanya, algoritma ini menggunakan knowledge mengenai frequent itemset yang telah diketahui sebelumnya, untuk memproses informasi selanjutnya. Apriori menggunakan pendekatan secara interative yang diketahui juga dengan level-wise search dimana k-itemset digunakan untuk mencari . Pertamatama akan dicari set dari frequent 1-itemset, set ini dinotasikan sebagai L1. L1 digunakan untuk menemukan L2, kemudian set dari frequent 2-itemset, akan digunakan untuk menemukan L3, dan seterusnya, sampai tidak ada lagi frequent k-itemset yang dapat ditemukan. Proses untuk menemukan setiap Lk membutuhkan satu kali pemeriksaan menyeluruh pada database, yang artinya apabila k adalah empat, maka pemeriksaan terhadap database dilakukan sebanyak empat kali. Untuk meningkatkan efisiensi dari pencarian k-Itemset, dapat digunakan suatu metode tambahan yang dinamakan apriori property, metode ini dapat mengurangi lingkup pencarian sehingga waktu pencarian dapat di persingkat. Apriori property adalah semua subset dari frequent Itemset yang tidak kosong haruslah juga frequent, frequent yang dimaksud disini adalah semua Itemset yang memenuhi minimum support yang ditentukan oleh user. Apriori property didasarkan pada observasi berikut. Berdasarkan definisi yang disebutkan tadi, jika suatu Itemset I tidak memenuhi minimum support . in_su. yang ditentukan, maka I tidak frequent, atau dapat dinotasikan dengan P(I)