Cyber Tech Vol.
No.
Agustus 2020, pp.
P-ISSN:
E-ISSN:
A 1
Implementasi Data Mining Untuk Menganalisa Pola Penjualan Menu Makanan Berdasarkan Permintaan Konsumen DI Restoran Wakaka Center Point Menggunakan Algoritma Apriori Joko Susilo*.
Yohani Syahra**.
Suharsil** *Program Studi Sistem Informasi.
STMIK Triguna Dharma **Program Studi Sistem Informasi.
STMIK Triguna Dharma Article Info Article history:
ABSTRACT
Received Revised Accepted Keyword:
Data Mining Apriori Pola Penjualan Makanan Menu Restoran Wakaka adalah salah satu pasar kuliner yang salah satunya ada di kota medan.
Dengan semakin berkembangnya zaman, pertumbuhan pasar kuliner seperti warung kekinian atau restoran semakin berkembang dan bermunculan belakangan ini.
Dari persaingan yang begitu ketatnya Restoran Wakaka sering mengalami kenaikan atau penurunan omset penjualan.
Maka Restoran Wakaka berniat untuk mencari analisa dari data penjualan mereka terhadap menu makanan yang terjual pada restoran mereka.
Untuk dapat menyelesaikan permasalahan yang ada maka salah satu cara yang dapat dilakukan untuk mencari pola penjualan menu makanan yang ada di Restoran Wakaka adalah dengan mennggunakan teknik data mining.
Adapun teknik yang digunakan dalam hal ini adalah Algoritma Apriori.
Apriori adalah aturan yang menyatakan asosiasi antara beberapa atribut untuk menemukan aturan satu kombinasi item atau lebih.
Hasil dari penelitian ini adalah, kombinasi item produk yang memiliki keterkaitan yang diolah dengan teknik data mining menggunakan algoritma apriori dapat membantu piham managemen Restoran Wakaka dalam mengambil keputusan untuk penentuan strategi penjualan berdasarkan pola penjualan terhadap menu makanan yang ada di Restoran Wakaka.
First Author Nama: Joko Susilo Kampus:STMIK Triguna Dharma Program Studi : Sistem Informasi E-Mail : joko0112susilo@gmail.
PENDAHULUAN
Pertumbuhan pasar kuliner seperti Warung kekinian atau Restoran semakin berkembang dan bermunculan belakangan ini, yaitu khususnya di kota Medan.
Salah satu pasar kuliner tersebut adalah Restoran wakaka, sama halnya seperti Restoran yang lainnya dengan persaingan yang semakin ketat sesama Restoran membuat penjualan makanan pada Restoran Wakaka sering mengalami kenaikan atau penurunan omset penjualan.
Oleh karena itu.
Restoran Wakaka harus memiliki strategi lain untuk dapat meningkatkan Dengan menggunakan data transaksi penjualan Restoran Wakaka yang ada akan dicari kombinasi item yang mungkin muncul menggunakan salah satu teknik data mining yaitu Association Rule dengan algoritma Apriori.
Dari data transaksi penjualan tersebut dapat diketahui pola penjualan menu makanan dari permintaan yang biasa diminta oleh konsumen, khususnya pada kebiasaan konsumen yang hanya memesan 1 menu makanan.
Setelah mendapatkan pola penjualan dari pembelian konsumen dapat kita susun strategi penjualan, membuat beberapa suatu paket menu makanan yang berupa dari beberapa makanan, potongan harga untuk pembelian makanan yang di tentukan.
Karena dari itu dalam pembahasan ini akan dicari pola penjualan menu makanan berdasarkan permintan konsumen menggunakan algoritma apriori untuk membantu pemilik Restoran Wakaka dalam menentukan perencanaan strategi promosi penjualan yang efektif dan dapat membantu meningkatkan omset penjualan.
ISSN:
KAJIAN PUSTAKA
1 Restoran Wakaka AuRestoran Wakaka adalah sebuah warung yang bergerak dibidang pasar makanan, dimana restoran/warung ini gerai pertamanya Wakaka sendiri berdiri di Muara Karang pada 25 April 2017.
Cabang pertama berdiri di Gading Serpong pada 2018.
Cabang kedua di Medan yaitu di Center Point.
Tahun ini akan dibuka di Palangkaraya.
Banjarmasin.
Sidoarjo.
Samarinda.
Dan daerah Depok.
Restoran Wakaka/ Warung Wakaka ini memiliki konsep food factory dengan tema industrial.
Hal itu bisa diliat dari tampilan gerainya yang ramai dengan lampu-lampu gantung yang memancarkan cahaya kunimg dan putih bernuansa modern.
Tampilan tersebut begitu bikin eye catching sehingga memancing calon konsumen masuk.
Restoran Wakaka / Warung Wakaka ini juga memiliki konsep stall-stall , semacam stand kuliner dari berbagai sudut gerainya.
Sebut saja stall martabak, stall sate taichan, stall aneka snack bakar-bakaran yang open kitchen, sehingga semua orang bisa melihat cara memasaknya.
Dari Restoran Wakaka dengan Restoran kekinian lainnya, ada beberapa perbedaan yaitu di Restoran Wakaka menyediakan aneka makanan dan minuman yang variatif sehingga bisa menjangkau semua kalangan.
Jadi makanana yang ditawarkan tidak sfesifik ke mie atau nasi saja, ada martabak, nasi, indomie, roti bakar, sandwich, minuman juga ada berbagai Konsep di Restoran Wakaka ini ngumpulin berbagai macam makanan menjadi satu yang bisa diterima di lidah semua orang.
Saat ini kehadiran Restoran Wakaka / Warung Wakaka di industri kuliner Indonesia tidak hanya diapresiasi masyarakat, tapi juga instansi seperti Gojek yang memberikan penghargaan sebagai Sweet Tooth pada tahun 2018 untuk makanan produk Martabak, memang itu salah satu favorit konsumen Wakaka.
2 Proses Penjualan Penjualan adalah persetujuan kedua belah pihak antara penjual dan pembeli,dimana penjual menawarkan suatu produk dengan harapan pembeli dapat menyerahkan sejumlah uang sebagai alat ukur produk tersebut sebesar harga jual yang telah disepakati.
Ay .
3 Pengertian Knowledge Discovery in Database Knowledge Discovery in Database (KDD) adalah penerapan metode saintifik pada data mining.
Dalam konteks ini data mining merupakan satu langkah proses (KDD).
Istilah data mining dan Knowledge Discovery in Database (KDD) sering kali digunakan secara bergantian untuk menjelaskan proses penggalian informasi tersembunyi dalam suatu basis data yang besar.
Sebenarnya kedua istilah tersebut memiliki konsep yang berbeda, tetapi berkaitan satu sama lain.
Dan salah satu tahapan dalam keseluruhan KDD adalah data Knowledge Discovery in Database (KDD) biasa disebut proses data mining dan terdapat beberapa proses seperti gambar 2.
2 berikut ini :
Gambar 2.
2 Proses Knowledge Discovery in Database Menurut Nofriansyah .
proses KDD secara garis besar dapat dijelaskan sebagai berikut :
Data Selection Pemilihan .
data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi dalam KDD dimulai.
Data hasil seleksi yang digunakan untuk proses data mining, disimpan dalam suatu berkas, terpisah dari basis data operasional.
Pre-processing/ Cleaning Sebelum proses data mining dapat dilaksanakan, perlu dilakukan proses cleaning pada data yang menjadi fokus KDD.
Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan pada data, seperti kesalahan cetak .
Juga dilakukan proses AumemperkayaAy data yang sudah ada dengan data atau informasi lain yang relevan dan diperlukan untuk KDD, seperti data atau informasi eksternal.
Transformation SAINTIKOM Vol.
No.
Agustus 2020 :
ISSN:
Coding adalah proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai untuk proses data mining.
Proses coding dalam KDD merupakan proses kreatif dan sangat tergantung pada jenis atau pola informasi yang akan dicari dalam basis data.
Data Mining Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu.
Teknik metode atau algoritma dalam data mining sangat bervariasi.
Pemilihan metode atau algoritma yang tepat sangat bergantung pada tujuan dan proses KDD secara Interpretation/Evaluation Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan.
Tahap ini merupakan bagian dari proses KDD yang disebut Tahap ini mencakup pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesis yang ada sebelumnya.
4 Pengertian Data Mining Data mining adalah suatu istilah yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database.
Dalam perkembangan data mining memiliki banyak defenisi yang cukup beragam sehingga data mining untuk menambah ilmu pengetahuan.
Berikut ini bebeapa defenisi data mining pada umumnya :
Menurut Vulandari .
AuData mining adalah proses serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis dataAy.
5 Algoritma Apriori Algoritma apriori adalah termasuk jenis aturan asosiasi pada data mining.
Selain apriori, yang termasuk pada golongan ini adalah metode Generalized Rule Induction dan algoritma hash based.
Aturan yang menyatakan asosiasi antara beberapa atribut sering disebut affinity analysis atau market basket analysis.
Menurut Vulandari .
AuAnalisis asosiasi atau association rule mining adalah teknik data mining untuk menemukan aturan asosiatif antara suatu kombinasi itemAy.
Menurut Srikanti .
AuAlgoritma Apriori adalah salah satu algoritma pada bidang data mining untuk penggalian aturan asosiasi atau yang lebih dikenal dengan istilah association rule mining (ARM).
Algoritma Apriori merupakan pendekatan iteratif dimana k-itemset digunakan untuk mengeksplorasi .
-itemset.
METODOLOGI PENELITIAN
1 Metode Penelitian Motode penelitian adalah salah satu cara yang digunakan untuk mengumpulkan data.
Metode penelitian merupakan cara yang digunakan untuk memperoleh data menjadi informasi akurat dengan masalah yang diteliti.
Ada beberapa teknik yang dapat dilakukan dalam pengumpulan data, diantaranya sebagai berikut:
Pengumpulan Data Adapun beberapa teknik yang digunakan dalam pengumpulan data dari penelitian yaitu:
Observasi Observasi merupakan cara pengumpulan data transaksi penjualan dengan penelitian langsung ke Wakaka.
Dalam hal ini peneliti melakukan Observasi ke Wakaka.
Wawancara Teknik wawancara merupakan cara kita menggali informasi yang jelas dari beberapa orang yang memegang kuasa warung dan bertanya langsung kepada pelanggan serta Manager yang ada di Wakaka untuk mendapatkan keterangan dan data Ae data yang kita perlukan dari penelitian yang kita lakukan pada Restoran Wakaka.
Dari hasil observasi dan wawancara dalam peneilitian ini maka didapatkan data yang dapat menjadi bahan untuk diuji sesuai dengan kebutuhan penilitian, yaitu sebagai berikut:
Tabel 3.
1 Data Menu Makanan Kode Produk
Nama Produk
Jenis Makanan Initial
Nasi Goreng Biasa Menu Utama NGB
Nasi Goreng Seafood
Nasi Goreng Kampung
Nasi Udang Pedas Nasi Kuning Sate Taichan Indomie Kuah
Sandwich
Menu Utama Menu Utama Menu Utama Menu Utama Menu Utama Menu Utama Menu Utama NGS
NGK
NUP
SAINTIKOM Vol.
No.
Agustus 2020 :
Tgl
Transa Transa NGB
13/12/1
WK13
14/12/1
WK14
15/12/1
WK15
16/12/1
WK16
17/12/1
WK17
18/12/1
WK18
19/12/1
WK19
20/12/1
WK20
21/12/1
WK21
22/12/1
WK22
23/12/1
WK23
24/12/1
WK24
25/12/1
WK25
26/12/1
WK26
27/12/1
WK27
28/12/1
WK28
29/12/1
WK29
30/12/1
WK30
31/12/1
WK31
1/1/202
WK01
2/1/202
WK02
3/1/202
WK03
4/1/202
WK04
5/1/202
WK05
6/1/202
WK06
7/1/202
WK07
8/1/202
WK08
9/1/202
WK09
10/1/20
WK10
11/1/20
WK11
Frekuensi Kemunculan No.
SAINTIKOM Vol.
No.
Agustus 2020 :
NUR
TG1
TG2
Menu Utama Menu Utama Menu Utama Menu Utama Menu Utama Menu Utama Menu Utama Oo
NUP
Nasi Uduk Rakyat
Martabak Coklat
Martabak Telur
Roti Kampung
Capcai Tempe Goreng
Tahu Garung
NGK
NGS
ISSN:
NUR
TG1
TG2
Dari hasil penelitian, penilitian ini juga mendapatkan data transaksi yang akan digunakan untuk proses penelitian dengan metode Apriori.
Data ini di dapatkan dari hasil observasi dengan teknik pengumpulan data penjualan.
Berikut adalah data yang telah di dapatkan:
Tabel 3.
2 Data Transaksi Restoran Wakaka ISSN:
Studi Literatur Dalam studi literatur ini dilakukan dengan cara mengumpulkan data dengan mencari beberapa jurnal, buku dan modul yang berkaitan dengan Data Mining, dengan metode Apriori.
Dalam studi ini menggunakan sebanyak 22 Literatur dengan rincian: 20 Jurnal Nasional dan 2 Buku Nasional.
2 Metode Perancangan Sistem Berikut ini adalah langkah-langkah yang digunakan dalam penelitian ini yaitu:
Analisa Masalah dan Kebutuhan Analisa masalah dan kebutuhan adalah suatu proses pengumpulan dan menginterprentasikan kenyataan Ae kenyataan yang ada, mendiagnosa persoalan dan menggunakan keduanya untuk memperbaiki sistem.
Perancangan Sistem dan Pemodelan Perancangan sistem dan pemodelan adalah merancang atau mendesain suatu sistem yang baik, yang isinya adalah langkah langkah operasi dalam proses perancangan sistem dan pemodelan adalah merancang atau mendesain suatu sistem yang baik, yang isinya adalah langkah Ae langkah operasi dalam proses pengolahan data dan prosedur untuk mendukung operasi sistem.
Percobaan Awal Melakukan tes atau uji dimana sistem atau aplikasi yang telah dirancang untuk mengetahui kinerja sistem dengan kebutuhannya.
Sehingga dapat dilakukan perbaikan ataupun perubahan sistem.
Percobaan Akhir Hasil dari perancangan sistem yang telah dibuat, diuji coba dan dijalankan sesuai kebutuhan yang telah Implementasi Sistem Implementasi sistem merupakan dari elemen Ae elemen yang telah di desain kedalam bentuk pemrograman untuk menghasilkan suatu tujuan yang dibuat berdasarkan kebutuhan, atau sebuah sistem terintegrai atau sistem mesin Ae mesin, untuk menyediakan informasi untuk mendukung operasi, manajemen dalam suatu organisasi.
3 Algoritma Sistem Algoritma sistem merupakan urutan langkah-langkah yang dilakukan dalam penyelesaian suatu masalah berdasarkan elemen-elemen yang saling integrasi dengan dituangkan kedalam bentuk kalimat untuk mencapai tujuan yang telah ditetapkan.
Sehingga algoritma sistem yang jelas dan teratur sangat diperlukan dalam penyelesaian perancangan perangkat lunak.
1 Flowchart Program Flowchart program merupakan keterangan yang lebih rinci tentang bagaimana prosedur sesungguhnya yang dilakukan oleh suatu program.
Flowchart ini menggambarkan urutan logika dari suatu prosedur pemecahan masalah.
Fungsi Flowchart juga untuk menggambarkan, menyederhanakan rangkaian proses atau prosedur sehingga mudah dipahami dan mudah dilihat berdasarkan urutan langkah dari suaru Definisi dari Flowchart yaitu bagan .
yang menunjukan alir .
di dalam program atau prosedur sistem secara logika.
Tanpa adanya Flowchat, maka sebuah program tidak akan memiliki alur yang jelas, sehingga fungsi serta tujuan utama dari program tersebut tidak akan menjadi jelas dan juga kabur.
Dengan itu dalam penelitian ini untuk Flowchart dapat dilihat pada gambar berikut ini:
Mulai Input Data Penjualan Mencari Support 1 Itemset Support (A) = Jumlah Transaksi Menggandung A x 100 % Total Transaksi Mencari Support 2 Itemset Support (A O B) = Jumlah Transaksi Menggandung A dan B x 100% Total Transaksi Mencari Nilai Confidance Confidance (A O B) = Jumlah Transaksi Menggandung A dan B x 100% Total Transaksi Mengandung A Cari Support dan Confidance Lagi? Tidak Aturan Asosiasi Selesai Gambar 3.
1 Flowchart Program SAINTIKOM Vol.
No.
Agustus 2020 :
ISSN:
2 Deskripsi Data dari Penelitian Berikut ini adalah data transaksi yang akan di lakukan perhitungan dengan algoritma apriori, sebagai berikut tahapannya:
Tabel 3.
3 Data Transaksi Untuk Perhitungan No.
Id Transaksi
Kode Produk
Nama Produk
WK13
Nasi Goreng Seafood
WK13
Indomie Kuah
WK13
Nasi Uduk Rakyat
WK13
Roti Kampung
WK13
Tahu Goreng
WK14
Nasi Udang Pedas WK14
Martabak Cokelat
WK14
Roti Kampung
WK14
Tempe Goreng
WK15
Nasi Goreng Biasa WK15
Indomie Kuah
WK15
Sandwich
WK15
Roti Kampung
WK15
Tahu Goreng
WK16
Nasi Goreng Biasa WK16
Sandwich
WK16
Martabak Telur
WK16
Tahu Goreng
WK17
Nasi Goreng Seafood
WK17
Nasi Goreng Kampung
WK17
Nasi Udang Pedas WK17
Martabak Cokelat
WK17
Roti Kampung
WK18
Nasi Udang Pedas WK18
Martabak Cokelat
WK18
Capcai WK19
Nasi Goreng Seafood
WK19
Nasi Kuning WK19
Indomie Kuah
WK19
Nasi Uduk Rakyat
WK19
Roti Kampung
WK20
Nasi Goreng Biasa WK20
Nasi Goreng Seafood
WK20
Indomie Kuah
WK21
Sate Taichan WK21
Tempe Goreng
WK22
Nasi Goreng Biasa WK22
Sandwich
10 WK22
Martabak Telur
WK22
Roti Kampung
WK22
Tahu Goreng
WK23
Nasi Udang Pedas 11 WK23
Martabak Cokelat
WK23
Tahu Goreng
WK24
Nasi Goreng Seafood
WK24
Roti Kampung
WK25
Nasi Goreng Seafood
WK25
Nasi Udang Pedas WK25
Nasi Uduk Rakyat
WK25
Tahu Goreng SAINTIKOM Vol.
No.
Agustus 2020 :
ISSN:
Tabel 3.
3 Data Transaksi Untuk Perhitungan (Lanjuta.
No.
Id Transaksi Kode Produk Nama Produk A.
a a.
a WK09
Nasi Goreng Kampung
WK09
Nasi Kuning 28 WK09
Martabak Telur
WK09
Capcai WK09
Tahu Goreng
WK10
Nasi Goreng Biasa WK10
Nasi Kuning WK10
Roti Kampung
WK10
Tahu Goreng
WK11
Nasi Goreng Seafood
WK11
Nasi Udang Pedas WK11
Nasi Uduk Rakyat
WK11
Capcai Dari transaksi diatas, maka dicari nilai Itemset Frekuensi Kemunculan Produk.
Untuk data dapat dilihat pada tabel berikut ini:
Tabel 3.
4 Data Itemset Frekuensi Kemunculan Produk Pada Transaksi No.
Kode Produk Nama Produk Frekuensi Kemunculan Roti Kampung Tahu Goreng Nasi Goreng Seafood Nasi Goreng Biasa Nasi Udang Pedas Indomie Kuah Nasi Uduk Rakyat Martabak Telur Martabak Cokelat Nasi Goreng Kampung Nasi Kuning Sandwich Capcai Sate Taichan Tempe Goreng 3 Penyelesaian Masalah Dengan Algoritma Apriori Dari tabel 3.
4 dengan diberikan minimum support = 20% dari 30 transaksi penjualan berdasarkan 3, maka akan dilakukan pencarian nilai support 1 itemset dengan rumus sebagai berikut:
Jumlah Transaksi Menggandung A Support (A) = x 100% Total Transaksi Sebagai bahan contoh penerapan rumus ke data:
Support (Roti Kampun.
= Jumlah Transaksi Roti Kampung x 100% Total Transaksi Support (Roti Kampun.
= 14 x 100% Support (Roti Kampun.
= 0,4667 x 100% = 46,67% Berdasarkan rumus diatas, maka akan didapatkan nilai support 1 itemset seperti pada tabel 3.
berikut ini:
Tabel 3.
5 Nilai Support 1 Itemset Kode No.
Produk Nama Produk Support 1 Itemset Roti Kampung =.
x 100% = Tahu Goreng =.
x 100% = Nasi Goreng Seafood =.
x 100% = SAINTIKOM Vol.
No.
Agustus 2020 :
ISSN:
No.
Kode Produk Nasi Goreng Biasa =.
x 100% = Tabel 3.
5 Nilai Support 1 Itemset Nama Produk Nasi Udang Pedas Indomie Kuah Nasi Uduk Rakyat Martabak Telur Martabak Cokelat Nasi Goreng Kampung Nasi Kuning Sandwich Capcai Sate Taichan Tempe Goreng Support 1 Itemset =.
x 100% = =.
x 100% = =.
x 100% = =.
x 100% = =.
x 100% = =.
x 100% = =.
x 100% = =.
x 100% = =.
x 100% = =.
x 100% = =.
x 100% = Berdasarkan tabel 3.
5 yang berisi item-item dengan nilai support yang didapatkan dengan menetapkan minimum support = 20% maka item yang memenuhi nilai minimum support = 20% dapat dilihat pada gambar berikut ini:
No.
Tabel 3.
6 Hasil Produk Yang Memenuhi Nilai Minimum Support 1 Itemset Kode Produk Nama Produk Support 1 Itemset Roti Kampung Tahu Goreng Nasi Goreng Seafood Nasi Goreng Biasa Nasi Udang Pedas Indomie Kuah Nasi Uduk Rakyat Martabak Telur Martabak Cokelat Nasi Goreng Kampung Nasi Kuning Setelah didapatkan Produk yang memenuhi target dari minimum support yang telah ditentukan.
Maka selanjutnya, akan mencari nilai Support 2 Itemset yaitu dengan menggunakan rumus sebagai berikut:
Support (A) = Jumlah Transaksi Menggandung A O B x 100% Total Transaksi Sebagai bahan contoh penerapan rumus ke data:
Support (Roti Kampung,Tahu Goren.
= (Tahu Kampung .
Tahu Goren.
x 100% Total Transaksi Support (Roti Kampung,Tahu Goren.
= 4 x 100% Support (Roti Kampun.
= 0,1333 x 100% = 13,33% Berdasarkan rumus diatas, maka akan dilanjutkan dengan mencari nilai support 2 itemset dan didapatkan nilai support 2 itemset dari 2 kombinasi itemset.
Untuk hasil perhitungan dari setiap 2 itemset dapat dilihat pada tabel 3.
7 berikut ini:
Tabel 3.
7 Pola Kombinasi 2 Itemset No.
Kombinasi 2 Itemset Support 2 Itemset 1 Roti Kampung .
Tahu Goreng
= ( 4/30 ) X 100% =
2 Roti Kampung .
Nasi Goreng Seafood
= ( 8/30 ) X 100% =
3 Roti Kampung .
Nasi Goreng Biasa = ( 3/30 ) X 100% = 4 Roti Kampung .
Nasi Udang Pedas = ( 2/30 ) X 100% = 5 Roti Kampung .
Indomie Kuah
= ( 6/30 ) X 100% =
6 Roti Kampung .
Nasi Uduk Rakyat
= ( 6/30 ) X 100% =
7 Roti Kampung .
Martabak Telur
= ( 1/30 ) X 100% =
SAINTIKOM Vol.
No.
Agustus 2020 :
No.
ISSN:
Roti Kampung .
Martabak Cokelat
= ( 2/30 ) X 100% =
Roti Kampung .
Nasi Goreng Kampung
= ( 2/30 ) X 100% =
Tabel 3.
7 Pola Kombinasi 2 Itemset Kombinasi 2 Itemset Support 2 Itemset Roti Kampung .
Nasi Kuning = ( 5/30 ) X 100% = Tahu Goreng .
Nasi Goreng Seafood
= ( 3/30 ) X 100% =
Tahu Goreng .
Nasi Goreng Biasa = ( 9/30 ) X 100% = Tahu Goreng .
Nasi Udang Pedas = ( 4/30 ) X 100% = Tahu Goreng .
Indomie Kuah
= ( 4/30 ) X 100% =
Tahu Goreng .
Nasi Uduk Rakyat
= ( 2/30 ) X 100% =
Tahu Goreng .
Martabak Telur
= ( 7/30 ) X 100% =
Tahu Goreng .
Martabak Cokelat
= ( 3/30 ) X 100% =
Tahu Goreng .
Nasi Goreng Kampung
= ( 3/30 ) X 100% =
Tahu Goreng .
Nasi Kuning = ( 2/30 ) X 100% = Nasi Goreng Seafood .
Nasi Goreng Biasa = ( 2/30 ) X 100% = Nasi Goreng Seafood .
Nasi Udang Pedas = ( 3/30 ) X 100% = Nasi Goreng Seafood .
Indomie Kuah
= ( 4/30 ) X 100% =
Nasi Goreng Seafood .
Nasi Uduk Rakyat
= ( 8/30 ) X 100% =
Nasi Goreng Seafood .
Martabak Telur
= ( 0/30 ) X 100% =
Nasi Goreng Seafood .
Martabak Cokelat
= ( 1/30 ) X 100% =
Nasi Goreng Seafood .
Nasi Goreng Kampung
= ( 2/30 ) X 100% =
Nasi Goreng Seafood .
Nasi Kuning = ( 3/30 ) X 100% = Nasi Goreng Biasa .
Nasi Udang Pedas = ( 2/30 ) X 100% = Nasi Goreng Biasa .
Indomie Kuah
= ( 4/30 ) X 100% =
Nasi Goreng Biasa .
Nasi Uduk Rakyat
= ( 0/30 ) X 100% =
Nasi Goreng Biasa .
Martabak Telur
= ( 6/30 ) X 100% =
Nasi Goreng Biasa .
Martabak Cokelat
= ( 2/30 ) X 100% =
Nasi Goreng Biasa .
Nasi Goreng Kampung
= ( 2/30 ) X 100% =
Nasi Goreng Biasa .
Nasi Kuning = ( 1/30 ) X 100% = Nasi Udang Pedas .
Indomie Kuah
= ( 1/30 ) X 100% =
Nasi Udang Pedas .
Nasi Uduk Rakyat
= ( 2/30 ) X 100% =
Nasi Udang Pedas .
Martabak Telur
= ( 3/30 ) X 100% =
Nasi Udang Pedas .
Martabak Cokelat
= ( 7/30 ) X 100% =
Nasi Udang Pedas .
Nasi Goreng Kampung
= ( 1/30 ) X 100% =
Nasi Udang Pedas .
Nasi Kuning = ( 0/30 ) X 100% = Indomie Kuah .
Nasi Uduk Rakyat
= ( 3/30 ) X 100% =
Indomie Kuah .
Martabak Telur
= ( 1/30 ) X 100% =
Indomie Kuah .
Martabak Cokelat
= ( 1/30 ) X 100% =
Indomie Kuah .
Nasi Goreng Kampung
= ( 1/30 ) X 100% =
Indomie Kuah .
Nasi Kuning = ( 2/30 ) X 100% = Nasi Uduk Rakyat .
Martabak Telur
= ( 0/30 ) X 100% =
Nasi Uduk Rakyat .
Martabak Cokelat
= ( 0/30 ) X 100% =
Nasi Uduk Rakyat .
Nasi Goreng Kampung
= ( 1/30 ) X 100% =
Nasi Uduk Rakyat .
Nasi Kuning = ( 3/30 ) X 100% = Martabak Telur .
Martabak Cokelat
= ( 3/30 ) X 100% =
Martabak Telur .
Nasi Goreng Kampung
= ( 3/30 ) X 100% =
Martabak Telur .
Nasi Kuning = ( 1/30 ) X 100% = Martabak Cokelat .
Nasi Goreng Kampung
= ( 1/30 ) X 100% =
Martabak Cokelat .
Nasi Kuning = ( 0/30 ) X 100% = Nasi Goreng Kampung .
Nasi Kuning = ( 2/30 ) X 100% = SAINTIKOM Vol.
No.
Agustus 2020 :
ISSN:
Dengan menetapkan minimum support = 20%, maka data yang memenuhi minimum support =20% adalah sebagai berikut:
Tabel 3.
8 Kombinasi Itemset Mencapai Target Minimum Support 2 Itemset No.
Kombinasi 2 Itemset Support Tahu Goreng .
Nasi Goreng Biasa Roti Kampung .
Nasi Goreng Seafood Nasi Goreng Seafood .
Nasi Uduk Rakyat Tahu Goreng .
Martabak Telur Nasi Udang Pedas .
Martabak Cokelat Roti Kampung .
Indomie Kuah Roti Kampung .
Nasi Uduk Rakyat Nasi Goreng Biasa .
Martabak Telur Setelah didapatkan kombinasi 2 itemset yang mencapai target minimum support 2 itemset, maka selanjutnya adalah dengan mencari nilai confidance 2 itemset.
Untuk mencari nilai confidance dari setiap kombinasi 2 itemset tersebut dapat dilakukan dengan menggunakan rumus sebagai berikut:
Jumlah Transaksi Menggandung A dan B Confidence (A O B) = x 100% Total Transaksi Mengandung A Untuk hasil perhitungannya bisa dilihat pada tabel berikut ini:
Tabel 3.
9 Nilai Confidance 2 Itemset No.
Kombinasi 2 Itemset Confidance Tahu Goreng .
Nasi Goreng Biasa =.
x 100% = Nasi Goreng Biasa .
Tahu Goreng =.
x 100% = Roti Kampung .
Nasi Goreng Seafood =.
x 100% = Nasi Goreng Seafood .
Roti Kampung =.
x 100% = Nasi Goreng Seafood .
Nasi Uduk Rakyat =.
x 100% = Nasi Uduk Rakyat .
Nasi Goreng Seafood =.
x 100% = Tahu Goreng .
Martabak Telur =.
x 100% = Martabak Telur .
Tahu Goreng =.
x 100% = Nasi Udang Pedas .
Martabak Cokelat =.
x 100% = Martabak Cokelat .
Nasi Udang Pedas =.
x 100% = Roti Kampung .
Indomie Kuah =.
x 100% = Indomie Kuah .
Roti Kampung =.
x 100% = Roti Kampung .
Nasi Uduk Rakyat =.
x 100% = Nasi Uduk Rakyat .
Roti Kampung =.
x 100% = Nasi Goreng Biasa .
Martabak Telur =.
x 100% = Martabak Telur .
Nasi Goreng Biasa =.
x 100% = Selanjutnya dengan ditetapkan nilai minimum confidance = 80% dan nilai support = 20% maka aturan asosiasi yang terbentuk adalah sebagai berikut:
Tabel 3.
10 Aturan Asosiasi (Association Rul.
No.
Kombinasi 2 Itemset Support Confidance Nasi Uduk Rakyat .
Nasi Goreng Seafood Martabak Cokelat .
Nasi Udang Pedas Nasi Goreng Biasa .
Tahu Goreng Martabak Telur .
Tahu Goreng Dari tahap-tahap yang telah dilakukan, maka aturan asosianya adalah sebagai berikut:
Jika membeli Nasi Uduk Rakyat maka akan membeli Nasi Goreng Seafood dengan tingkat persentasi support 26,67% dan confidance 100%.
Jika membeli Martabak Cokelat maka akan membeli Nasi Udang Pedas dengan tingkat persentasi support 23,33% dan confidance 100%.
Jika membeli Nasi Goreng Biasa maka akan membeli Tahu Goreng dengan tingkat persentasi support 30% dan confidance 90%.
SAINTIKOM Vol.
No.
Agustus 2020 :
ISSN:
Jika membeli Martabak Telur maka akan membeli Tahu Goreng dengan tingkat persentasi support 23,33% dan confidance 87,5%.
IMPLEMENTASI PROGRAM
Implementasi merupakan langkah yang digunakan untuk mengoperasikan sistem yang akan di bangun dalam bab ini akan dijelaskan bagaimana menjalankan sistem yang telah dibangun tersebut.
Dibawah ini merupakan tampilan dari Penerapan metode Apriori dari Datamining untuk mencari asosiasi keterkaitan antar produk yang sering dipesan.
Tampilan Halaman Form Interface Login Halaman ini memiliki fungsi sebagai tempat Login untuk masuk kedalam Program.
Berikut ini adalah tampilan halaman Login adalah sebagai berikut :
Gambar 5.
1 Interface Login Admin Tampilan Halaman Form Interface Menu Utama Halaman ini menampilkan menu Ae menu pada program sistem aplikasi yang dibuat dengan menggunakan metode Apriori.
Berikut ini adalah tampilan Form interface menu utama :
Gambar 5.
2 Interface Menu Utama Tampilan Halaman Form Interface Input Data dan Import Data Produk Halaman ini berfungsi untuk memasukan data produk, berikut adalah Formnya:
Gambar 5.
3 Interface Input Data Produk Gambar 5.
4 Interface Import Data Produk Tampilan Halaman Form Interface Input Data dan Import Data Penjualan Halaman ini berfungsi untuk memasukan data penjualan sales restoran wakaka:
SAINTIKOM Vol.
No.
Agustus 2020 :
ISSN:
Gambar 5.
5 Interface Input Data Penjualan Gambar 5.
6 Interface Import Data Penjualan Tampilan Halaman Form interface Proses Apriori Halaman ini berfungsi proses diagnosa autis dengan penerapan metode Certainty Factor:
Gambar 5.
7 Interface Proses 1 Itemset Gambar 5.
8 Interface Proses 2 Itemset dan Hasil Rule Asosiasi Tampilan Halaman Form Interface Laporan Hasil Halaman ini berfungsi untuk menampilkan hasil laporan asosiasi penjualan produk wakaka:
Gambar 5.
9 Interface Laporan Hasil
KESIMPULAN
Setelah menganalisis, merancang dan menguraikan sistem dalam AuImplementasi Data Mining Untuk Menganalisa Pola Penjualan Menu Makanan Berdasarkan Permintaan Konsumen Di Restoran Wakaka SAINTIKOM Vol.
No.
Agustus 2020 :
ISSN:
Center Point Menggunakan Algoritma AprioriAy dan berdasarkan rumusan masalah dari penelitian yang dijadikan dasar dalam penyusunan skripsi ini maka diambil beberapa kesimpulan yaitu :
Dalam menganalisa data penjualan menu makanan pada Restoran Wakaka dengan menggunakan algoritma Apriori pada datamining untuk mencari asosiasi keterkaitan antar produk dalam penjualan menu makanan pada Restoran tersebut.
Penerapan data mining dengan algoritma Apriori dalam menganalisa barang atau produk untuk mencari pola penjualan terhadap menu makanan yang saling berhubungan dalam bentuk aturan/rule dan dapat mengetahui persentase penjualan pada setiap item produk.
Untuk mengimplementasikan data mining dengan algoritma apriori dalam menganalisa pola penjualan menu makanan berdasarkan permintaan konsumen pada Restoran Wakaka dengan melakukan peranccangan komponen pada sistem sesuai dengan aturan asosiasi algoritma apriori.
UCAPAN TERIMA KASIH
Terima kasih kepada dosen pembimbing Ibu Yohanni Syahra.
Si.
Kom dan Bapak Suharsil.
SE.
MM beserta pihakAepihak lainnya yang mendukung penyelesaian jurnal skripsi ini.
DAFTAR PUSTAKA