Jurnal Cyber Tech Vol.
No.
April 201x, pp.
x P-ISSN:
E-ISSN:
PENERAPAN DATA MINING DALAM MENGANALISA
DATA PENJUALAN UNTUK MENDAPATKAN POLA
REKOMENDASI PENJUALAN MENGGUNAKAN
ALGORITMA APRIORI PADA MINI MARKET
DELI SAUDARA PERBAUNGAN
Nur Laila Agustina .
Muhammad Syahril .
Sobirin *Program Studi Sistem Informasi.
STMIK Triguna Dharma **Program Studi Sistem Informasi.
STMIK Triguna Dharma Article Info Article history:
Received April 12th, 2021 Revised April 20th, 20121 Accepted April 26th, 2021 Keyword:
Data Mining Apriori Mini Market
ABSTRACT
Pertumbuhan mini market sedang berkembang pesat hampir di setiap kotaMaupun kabupaten sudah berdiri mini market.
Mini market adalah sebuah toko retail yang bergerak dibidang perdagangan barang atau kebutuhan rumah tangga, sama halnya seperti mini market yang lainnya, dengan persaingan yang semangkin ketat.
Mini market Deli Saudara sering mengalami kenaikan atau penurunan omset penjualan.
Maka dengan mencari analisa data penjualan terhadap barang yang terjual pada mini market deli saudara perbaungan.
Untuk menyelesaikan permasalahan yang ada maka salah satu cara yang dapat dilakukan untuk memcari pola rekomendasi penjualan barang yang ada di Mini Market Deli Saudara Perbaungan adalah dengan menggunakan teknik data mining.
Adapaun 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 barang yang memiliki keterkaitan yang diolah dengan teknik data mining menggunakan algoritma apriori dapat membantu pemilik Mini Market Deli Saudara Perbaungan dalam mengambil keputusan untuk menentukan perencanaan strategi promosi penjualan dan strategi pemasaran produk berdasarkan data penjualan pada Mini Market Deli Saudara Perbaungan.
First Author Nama: Nur laila Agustina Kampus :STMIK Triguna Dharma Program Studi : Sistem Informasi E-Mail : nurlailaagustina148@gmail.
PENDAHULUAN
Pertumbuhan mini market sedang berkembang pesat hampir di setiap kota maupun kabupaten sudah berdiri mini market.
Oleh karena itu.
Setiap pendirian mini market perlu melakukan tinjauan sosial sehingga dapat ditentukan formalitas dari pendirian mini market tersebut.
Tata cara menerapkan pendirian mini market ini dijelaskan Permendagri Nomor 70/MDAG/PER/12/2013 Tentang Pedoman Penataan Dan Pembinaan Pasar Tradisional.
Pusat Perbelanjaan Dan Toko Modern .
Jurnal homepage: https//ojs.
Mini market adalah sebuah jenis usaha yang menggabungkan antara konsep swalayan dalam skala kecil dengan target pasar yang sama, banyak dari konsumen yang semakin selektif dalam berbelanja .
Mini market Deli Saudara adalah sebuah toko retail yang bergerak dibidang perdagangan barang atau kebutuhan rumah Sama halnya seperti mini market yang lainnya, dengan persaingan yang semakin ketat.
Mini market Deli Saudara sering mengalami kenaikan atau penurunan omset penjualan.
Oleh karena itu.
Mini market harus memiliki strategi lain untuk dapat meningkatkan penjualannya.
Dengan menggunakan data transaksi yang muncul menggunakan salah satu teknik data mining yaitu Association Rule dengan algoritma Apriori.
Dimana setiap transaksi terdiri dari beberapa item sehingga metode ini akan penemuan pola antar item dalam transaksitransaksi yang terjadi .
Dari data transaksi penjualan tersebut dapat diketahui pola rekomendasi penjualan dari pembelian yang biasanya dilakukan oleh customer, khususnya pada kebiasaan customer yang hanya berbelanja satu atau dua produk.
Setelah mendapatkan pola rekomendasi dari pembelian customer, dapat di susun strategi penjualannya dengan membuat beberapa paket belanja yang berupa pembelian makanan atau kebutuhan bahan pokok lainya yang nantinya akan di beri potongan harga untuk pembelian yang ditentukan.
Karena dari itu dalam pembahasan ini akan di cari rekomendasi makanan atau kebutuhan pokok berdasarkan hasil penjualan dari setiap transaksi dengan menggunakan algoritma apriori untuk membantu pemilik mini market menambah stok produk, dan peletakan produk dalam menetukan perencanaan strategi promosi penjualan dan strategi pemasaran produk yang efektif dan dapat membantu meningkatkan omset penjualan.
Association rule adalah teknik data mining yang berguna untuk menemukan suatu korelasi atau pola yang terpenting atau menarik dari sekumpulan data Association rules merupakan salah satu metode yang bertujuan mencari pola yang sering muncul di antara banyak transaksi, dimana setiap transaksi terdiri dari beberapa item sehingga metode ini akan mendukung sistem rekomendasi melalui penemuan pola antar item dalam transaksi-transaksi yang terjadi .
TINJAUAN PUSTAKA 1 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.
Menurut Andriani & Wijaya Pelayanan penjualan ini dimaksudkan untuk memberikan jaminan kepada pembeli bahwa keputusan yang Jurnal Cyber Tech Vol.
No.
April 202x : 01 Ae 13
ISSN: -
diambilnya tepat dan barang yang dibelinya betulbetul bermanfaat.
Aktifitas penjualan produk merupakan pendapatan utama perusahaan jika dikelola dengan baik.
Menurut Swastha dan Irawan .
AyPenjualan dapat dilakukan dengan dua cara, yaitu berdasarkan jumlah unit produk yang terjual, dan didasarkan pada nilai produk yang terjualAy.
2 Pola Rekomendasi Pola rekomendasi dapat di definisikan sebagai program untuk merekomendasikan item yang paling cocok untuk pengguna tertentu.
Pola rekomendasi bertujuan untuk mengurangin informasi yang berlebihan dengan mengambil informasi yang paling relevan dari sejumlah data Pola Rekomendasi, menggunakan teknik kolaboratif, bertujuan untuk memprediksi preferensi individu .
engguna / pelangga.
dan memberikan saran tentang sumber daya lebih lanjut atau item yang mungkin menarik 3 Data Mining Dalam membahas tentang data mining tentulah harus mengetahui terlebih dahulu defenisi dari data mining.
Secara umum data mining terbagi atas dua kata yaitu:
Data yaitu kumpulan fakta yang terekam atau sebuah entitas tidak memiliki arti dan selama ini terabaikan.
Mining yaitu proses penambangan Menurut Vulandari .
7 : .
Data mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis data .
Menurut Kusrini.
Emha taufiq luthfi Data adalah serangkaian proses untuk menemukan hubungan, pola dan trend baru yang bermakna dengan menyaring data yang sangat besar .
5 Knowledge Discovery in Database (KDD) Knowledge Discovery in Database (KDD) pengumpulan, pemakaian data, historis untuk menemukan keteraturan, pola atau hubungan dalam set data berukuran besar .
5 Algoritma Apriori Penerapan algoritma apriori telah banyak digunakan sebelumnya untuk mendapatkan informasi berharga dari sejumlah frekuensi data .
Algoritma Apriori adalah salah satu algoritma yang melakukan pencarian frequent itemset dengan menggunakan teknik association Aturan yang menyatakan asosiasi antara beberapa atribut sering disebut affinity analysis atau market basket analysis.
Analisis Asosiasi dikenal juga sebagai salah satu teknik data mining yang menjadi dasar dari berbagai teknik data mining lainya.
Secara khusus salah satu tahap dari analisis asosiasi yang menaruk perhatian bayak peneliti untuk menghasilakan algoritma yang efesien adalah analisis pola frekuensi tinggi .
requent pattern minin.
Support .
ilai presentase kombinasi item tersebut dalam database, sedangkan confidence .
ilai kepastia.
adalah kuatnya hubungan antara item dalam aturan asosiasi, nilai support sebuah item diperoleh dengan menggunakan rumus berikut:
Support (A) = Nilai Support dari dua item diproleh dari rumus Support (A,B) = P(AOB) Support (A,B) = Pembentukan aturan asosiasi setelah semua pola frekuensi tinggi ditemukan, barulah dicarai aturan asosiasi yang memenuhi syarat minimum untuk confidence dengan menghitung confidence aturan asosiatif AOB.
Nilai confidence dari aturan AOB diperoleh dengan rumus berikut:
Confidence=P(B|A)= ISSN: - Wawancara Teknik wawancara merupakan cara kita menggali informasi yang jelas dari beberapa orang yang memegang kuasa Studi Pustaka Studi pustaka merupakan teknik pengumpulan data dengan cara mencari informasi atau referensi yang ada hubungan keterkaitan dengan permasalahan dalam penelitian ini.
Dimana referensi diambil dari 20 jurnal dan 2 Data penelitian Dari hasil observasi dan wawancara dalam peneilitian ini maka didapatkan data yang dapat menjadi bahan untuk diuji sesuai dengan kebutuhan penilitian.
2 Algoritma Sistem Algoritma sistem merupakan langkah yang dilakukan dalam penyelesaian suatu masalah elemen-elemen Sehingga algoritma sistem yang jelas dan teratur sangat diperlukan dalam penyelesaian perancangan perangkat lunak 1Flowchart Metode Apriori Flowchart program merupakan keterangan yang lebih rinci tentang prosedur sesungguhnya yang dilakukan oleh suatu program.
Untuk menentukan aturan asosiasi yang akan dipilih maka harus diurutkan berdasarkan Support y Confidence.
Aturan diambil sebanyak n aturan yang memiliki hasil terbesar .
METODOLOGI PENELITIAN
1 Metode Penelitian Metode penelitian adalah cara atau langkahlangkah yang dilakukan dalam penelitian ini untuk mendapatkan sumber data dan informasi.
Dalam proses penelitian ini tahapan langkahlangkah yang dilakukan adalah sebagai berikut:
Pengumpulan Data Dalam tahapan pengumpulan data, penelitian ini dilakukan dengan melakukan observasi dan Jurnal Cyber Tech Vol.
No.
April 202x : 01 Ae 13 Gambar 3.
2 Flowchart Metode Apriori 2 Analisa Permasalahan Dalam membangun sebuah sisitem yang akan digunakan untuk mendapatkan pola
ISSN: -
kombinasi item barang dari data transaksi penjualan menggunakan metode apriori adalah sebagai berikut:
Proses Pencarian Nilai Support 1 Itemset Proses ini dilakukan dengan cara mencari nilai frekuensi kemunculan dari setiap item-item pada transaksi, berikut adalah frekuensi kemunculan (FK) 1 itemset pada transaksi penjualan di Mini Market Deli Saudara:
Tabel 3.
1 Frekuensi Kemunculan 1 Itemset Deskripsi Barang Indomie Special Gudang Garam Indomie Ayam Bawang 69g Indomie Kaldu Ayam 75g Rose Brand Kuning 1kg Telur Rose Brand Putih Sedaap Mie Goreng 90g Frisian Flag Sedaap Mie Salero Padang Dari hasil proses kemunculan 1 itemset maka akan dihitung pula nilai support 1 itemset pada 1 berikut:
No.
Kode Barang ( ) No.
Deskripsi Barang Indomie Special 80g
Gudang Garam 16'S Indomie Ayam
Bawang 69g
Indomie Kaldu Ayam
Support
Itemset
0,146
0,132
0,126
0,119
Tabel 3.
3 Itemset Memenuhi Minimum Support 0,03 atau 3% No.
Deskripsi Barang Support 1
Itemset
0,146
0,132
Indomie Special 80g
Gudang Garam 16'S Indomie Ayam Bawang
0,126
Indomie Kaldu Ayam 75g
0,119
Rose Brand Kuning 1kg
0,119
Rose Brand Putih 1kg
0,099
Telur
0,099
Bimoli 2000ml
0,086
Frisian Flag 6x40g
0,079
Sedaap Mie Goreng 90g
0,079
Proses Pencarian Nilai Support 2 Itemset dari Hasil Kombinasi Item Dari data tabel 3.
3 yaitu data item yang minimum support 3%, maka akandibentuk kombinasi 2 itemset dari 1 itemset yang Untuk kombinasi itemset dapat dilihat pada tabel 3.
Tabel 3.
4 Kombinasi 2 Itemset dan Frekuensi Kemunculan Support (Indomie Special 80.
= 22/151 = 0,146 lakukan perhitungan yang sama sampai data Setelah dilakukan perhitungan maka didapatkan hasil support 1 itemset seperti tabel 2 berikut Tabel 3.
2 Nilai Support 1 Itemset
Rose Brand Kuning 0,119 Rose Brand Putih 1kg
0,099
Telur
0,099
Bimoli 2000ml
0,086
Frisian Flag 6x40g
0,079
Sedaap Mie Goreng
0,079
Setelah didapatkan nilai support 1 itemset, maka akan dilakukan eliminasi data dengan minimum support sebesar 0.
03 atau 3%.
Sehingga data yang memenuhi adalah sebagai berikut:
Jurnal Cyber Tech Vol.
No.
April 202x : 01 Ae 13 No.
Kombinasi 2 Itemset {Indomie Special 80g.
Indomie Ayam Bawang 69.
{Indomie Special 80g.
Indomie Kaldu Ayam 75.
{Indomie Special 80g.
Rose Brand Kuning 1K.
{Indomie Special 80g.
Telu.
{Indomie Special 80g.
Sedaap Mie Goreng 90.
{Indomie Special 80g.
Gulaku Premium 1000.
{Indomie Special 80g.
Indomie Soto Medan 63.
5 A ISSN: - {Indomie Special 80g.
Gula {Indomie Special 80g.
Indomie Soto Padang 75.
{Indomie Special 80g.
Frisian Flag Putih 560.
Berdasarkan tabel 3.
5 di atas, dengan menetapkan minimum support 2 itemset sebesar 3% maka didapatkan data yang memenuhi minimum support 2 itemset sebagai berikut:
Tabel 3.
6 2 Itemset Memenuhi Minimum Support Dari data kemunculan 2 itemset pada tabel 3.
maka dapat dihitung nilai support 2 itemset pada 7 berikut:
Dengan menggunakan rumus diatas, maka dapat dilakukan perhitungan sebagai berikut:
Support ({Indomie Special 80g.
Indomie Ayam Bawang 69.
) = 7/151 = 0,06 Support ({Indomie Special 80g.
Indomie Kaldu Ayam 75.
) = 5/151 = 0,046 Lakukan perhitungan sampai data kombinasi yang terakhir, sehingga akan dihasilka nilai support 2 itemset sebagai berikut:
Tabel 3.
5 Nilai Support 2 Itemset No.
Kombinasi 2 Itemset {Indomie Special 80g.
Indomie Ayam Bawang 69.
{Indomie Special 80g.
Indomie Kaldu Ayam {Indomie Special 80g.
Rose Brand Kuning 1K.
{Indomie Special 80g.
Telu.
{Indomie Special 80g.
Sedaap Mie Goreng {Indomie Special 80g.
Gulaku Premium {Indomie Special 80g.
Indomie Soto Medan {Indomie Special 80g.
Gula 5k.
{Indomie Special 80g.
Indomie Soto Padang {Indomie Special 80g.
Frisian Flag Putih
Support
Itemset
0,06
0,046
0,04
0,033
No.
{Indomie Special 80g.
Indomie Ayam Bawang
0,06
{Indomie Special 80g.
Indomie Kaldu Ayam
0,046
{Indomie Special 80g, 0,04 Rose Brand Kuning 1K.
{Indomie Special 80g, 0,033 Telu.
{Indomie Special 80g, 0,033 Sedaap Mie Goreng 90.
Proses Nilai Minimum Confidence dan Aturan Asosiasi Selanjutnya setelah kita mendapatkan data kombinasi 2 itemset dimana data tersebut memenuhi minimum support 2 itemset, maka kita akan mencari nilai confidencenya dengan rumus sebagai berikut:
Dengan menggunakan rumus diatas, maka dapat dilakukan perhitungan sebagai berikut:
Confidence ({Indomie Ayam Bawang 69g.
Indomie Kaldu Ayam 75.
) = 9/19 = 0,473 0,033 0,033 0,026 0,026 0,026 0,026 Jurnal Cyber Tech Vol.
No.
April 202x : 01 Ae 13 Support 2 Itemset Kombinasi 2 Itemset Tabel 3.
7 Nilai Confidence 2 Itemset
Kombinasi 2 itemset
FK Confi
{Indomie Ayam Bawang
Indomie Kaldu
0,473
Ayam 75.
{Indomie Kaldu Ayam Indomie Ayam Bawang 69.
{Indomie Special 80g.
Indomie Ayam Bawang
0,318
{Indomie Ayam Bawang
Indomie Special
0,368
{Gudang Garam 16'S.
Frisian Flag 6x40.
6 A ISSN: - Berdasarkan tabel di atas, selanjutnya adalah mencari data kombinasi 2 itemset yang memenuhi minimum support 3% dan minimum confidence Maka dihasilkan data sebagai berikut:
akan digunakan yaitu: use case diagram, activity diagram dan class diagram 1 Use Case Diagram Tabel 3.
8 Data Kombinasi Itemset Sesuai Minimum Support dan Confidence No.
Kombinasi 2
Itemset
{Indomie Ayam Bawang
Indomie Kaldu Ayam
{Indomie Kaldu Ayam
Indomie Ayam Bawang
{Frisian Flag
Gudang
Garam 16'S} Support
Confidence Peca
Peca
0,06
6 0,47
% 3
0,06
0,04
Berdasarkan hasil data yang memenuhi minimum support 3% dan confidence sebesar Maka didapatkan untuk aturan asosiasi sebagai berikut:
Jika membeli Indomie Ayam Bawang 69g maka akan secara bersamaan konsumen membeli Indomie Kaldu Ayam 75g dengan nilai support 6% dan dengan nilai kepercayaan .
47,3%.
Jika membeli Indomie Kaldu Ayam 75g maka akan secara bersamaan konsumen Indomie Ayam Bawang 69g dengan nilai support 6% dan dengan nilai kepercayaan .
47,3%.
Jika membeli Frisian Flag 6x40g maka akan secara bersamaan konsumen Gudang Garam 16'S dengan nilai support 4% dan dengan nilai kepercayaan .
Gambar 4.
1 Use Case Diagram 2 Activity Diagram Gambar 4.
2 Activity Diagram
3 Class Diagram
PEMODELAN DAN PERANCANGAN
SISTEM
1 Pemodelan Sistem Pemodelan sistem adalah suatu gambaran model sistem yang nantinya akan dibangun berdasarkan Model Berorientasi Objek dengan UML (Unified Modeling Languag.
Adapun diagram pada UML yang Gambar 4.
3 Class Diagram Jurnal Cyber Tech Vol.
No.
April 202x : 01 Ae 13
HASIL DAN PEMBAHASAN
1 Pengujian Program Pengujian sistem atau aplikasi yang telah dibangun bertujuan sebagai pengujian untuk aplikasi apakah sudah sesuai dengan analisis perhitungan yang telah dilakukan di BAB i.
1 Sistem Yang Telah Di Rancang Adapun pengujian terhadap sistem yang telah dirancang adalah sebagai berikut:
Pengujian Login User pengguna akan memasukan username dan password sebelum masuk ke menu Berikut adalah pengujian loginnya:
Gambar 5.
1 Pengujian Halaman Login
ISSN: -
Pengujian Data Transaksi barang Pada pengujian data transaksi barang.
Halaman ini berfungsi untuk memasukan data transaksi barang dengan cara import data transaksi barang dengan bentuk file excel, dan mengupload data transaksi barang, berikut adalah Fromnya Gambar 5.
13 Pengujian Data transaksi barang Pengujian Proses Apriori Pada pengujian proses keputusan dengan menggunakan metode Apriori, berfungsi untuk menghasilkan rule keterkaitan antar Gambar 5.
2 Tampilan Menu Utama Setelah Login Berhasil Pengujian Data Barang Pada pengujian data barang.
Halaman ini berfungsi untuk memasukan data barang dan menguplod data barang, berikut adalah Formnya Gambar 5.
3 Pengujian Memasukan Data barang Jurnal Cyber Tech Vol.
No.
April 202x : 01 Ae 13 Gambar 5.
14 Pengujian Proses Apriori 1 Gambar 5.
15 Pengujian Proses Apriori 2 itemset
ISSN: -
Pengujian Cetak Laporan Gambar 5.
18 Hasil Laporan 1 Identifikasi Sistem Identifikasi sistem merupakan penjelasan dari kelebihan dan kekurangan sistem yang telah 1 Kelebihan Sistem Adapun kelebihan sistem yang dibangun yaitu Data Mining dengan metode Apriori adalah sebagai berikut:
Aplikasi dapat memberikan keputusan dengan lebih efektif dan efisian dan memberikan hasil yang optimal.
Mudah untuk digunakan .
ersifat friendl.
Aplikasi ini dapat mudah dan cepat untuk menganalisa untuk mencari keterkaitan antar produk atau barang dalam penjualan 2 Kekurangan Sistem Adapun kekurangan aplikasi yang dibangun adalah sebagai berikut:
Hasil keputusan hanya digunakan untuk mencari asosiasi kombinasi data barang pada mini market Aplikasi sistem yang dirancang belum bersifat dinamis secara keseluruhan Aplikasi belum dilengkapi keamanan data yang baik karena belum dibutuhkan algoritma pengamanan data.
KESIMPULAN
Setelah menguraikan sistem dalam AuPenerapan Data Mining Dalam Menganalisa Data Penjualan Untuk Mendapatkan Pola Rekomendasi Penjualan Menggunakan Algoritma Apriori Pada Mini Market Deli Saudara PerbaunganAy dan berdasarkan rumusan masalah dari penelitian yang dijadikan dasar dalam penyusunan skripsi ini maka diambil beberapa kesimpulan yaitu :
Data Mining telah dapat di terapkan terhadap data penjualan untuk mendapatkan pola rekomendasi penjualan yang berguna untuk strategi pemasaran dimasa yang akan Dalam Menganalisa data penjualan terhadap produk kebutuhan konsumen pada mini market deli saudara perbaungan dengan menggunakan algoritma Apriori.
Dimana setiap data transaksi akan diolah dengan cara mencari Support dan Confidence dengan mehitung setiap data transaksi berdasarkan itemsetnya.
Implementasi data mining dengan algoritma apriori dalam menganalisa pola rekomendasi penjualan produk, dapat dimodelkan dalam perancangan sistem yang menggunakan UML (Unified Modeling Languag.
dilakukan dengan melakukan perancangan komponen pada sistem sesuai dengan aturan asosiasi algoritma Apriori.
UCAPAN TERIMA KASIH
Puji syukur saya panjatkan kehadirat Allah SWT karena berkat rahmat Nya, yang masih memberikan kesehatan dan kesempatan sehingga dapat diselesaikan jurnal ilmiah ini dengan baik.
Saya ucapkan terima kasih kepada ketua yayasan STMIK Triguna Dharma, kepada Bapak Muhammad Syahril.
SE.
Kom selaku dosen pembimbing 1, kepada Bapak Sobirin selaku dosen pembimbing 2 , kepada kedua orang tua saya yang selalu memberikan dukungan dan doa kepada saya dan tidak lupa kepada temanteman saya seperjuangan.
DAFTAR PUSTAKA