Jurnal CyberTech Vol.
No.
Mei 2018, pp.
P-ISSN : 9800-3456
E-ISSN : 2675-9802
Implementasi Data Mining Untuk Memprediksi Pertumbuhan Nasabah Menggunakan Metode Regresi Linear Berganda Asima Astania Simanjuntak**.
Purwadi **.
Firahmi Rizky** Article Info Article history:
Received Mei 12th, 2018 Revised Mei 20th, 2018 Accepted Mei 26th, 2018 Keyword:
Data Mining.
Regresi Linier Berganda.
Pertumbuhan Nasabah
ABSTRACT
Kelanggengan suatu perusahaan asuransi salah satunya ditentukan dari banyaknya nasabah yang ingin untuk membeli produk asuransi untuk jaminan hari tua/kematian.
Semakin meningkatnya jumlah nasabah, maka akan semakin baik pula perusahaan tersebut.
Dalam hal ini pertumbuhan nasabah sangat penting bagi suatu perusahaan asuransi.
Oleh sebab itu dirancanglah suatu aplikasi Data Mining menggunakan metode Regresi Linier Berganda untuk memprediksi pertumbuhan nasabah pada PT Prudential Agency MD 7.
Dengan metode Regresi Linier Berganda dapat membantu mempermudah analisa kumpulan data menjadi suatu hasil peramalan .
Copyright All rights reserved.
STMIK
Triguna Dharma.
First Author:
Nama : Asima Astania Simanjuntak Kampus : STMIK Triguna Dharma Program Studi : Sistem Informasi E-Mail : asimaastania@gmail.
PENDAHULUAN
PT Prudential Agency MD 7 adalah salah satu kantor cabang pemasaran Prudential yang berlokasi di jalan Taruma No 17ab Medan.
Adapun pertumbuhan nasabah rutin dilakukan oleh PT Prudential Agency MD 7 setiap tahun.
Namun PT Prudential Agency MD 7 mengalami kesulitan untuk memprediksi pertumbuhan nasabah setiap tahunnya dikarenakan ada kendala yaitu penginputan data SPAJ (Surat Permohonan Asuransi Jiw.
dari sumber yang berbeda seperti komputer dan tablet sehingga semua SPAJ (Surat Permohonan Asuransi Jiw.
tidak tersimpan di satu database.
Dari beberapa karya ilmiah ternyata ada cara untuk dapat memprediksi pertumbuhan nasabah yaitu Data Mining.
KAJIAN PUSTAKA
1 DATA MINING
Data Mining ialah penciptaan data baru untuk menciptakan desain atau ketentuan dari sejumlah data dengan jumlah besar yang diharapkan dapat mengatasi masalah.
Data Mining mempunyai jenis metode salah satunya metode regresi linear berganda.
Metode regresi linear berganda akan dimanfaatkan untuk menciptakan satu aplikasi perangkat lunak berbasis desktop programming dan dapat mengatasi masalah dalam memprediksi pertumbuhan nasabah.
2 PERTUMBUHAN NASABAH
Pertumbuhan adalah proses pertambahan ukuran, bentuk serta volume yang di iringi dengan proses menuju kedewasaan.
Pertumbuhan dan perkembangan tidak hanya terjadi pada makhluk hidup tetapi juga dapat terjadi pada benda lain yang memiliki sifat yang hampir sama dengan makhluk hidup hanya A P-ISSN : 9800-3456
E-ISSN : 2675-9802
saja tidak bernyawa.
Contohnya pertumbuhan dan perkembangan ekonomi, dunia pendidikan, dan lainlain.
Nasabah adalah sebutan untuk orang atau badan usaha yang mempunyai rekening simpanan atau pinjaman pada sebuah bank tertentu atau Pihak yag menggunakan jasa bank, termasuk pihak yang tidak memiliki rekening namun memanfaatkan jasa bank untuk melakukan transaksi keuangan.
PT Prudential Agency MD 7 mengalami kesulitan dalam mengestimasi laju pertumbuhan nasabah setiap tahunnya dikarenakan beberapa kendala diantaranya data SPAJ (Surat Permohonan Asuransi Jiw.
tidak tersimpan di satu database dan masih dihitung manual bila ingin memprediksi nasabah di tahun selanjutnya 3 REGRESI LINEAR BERGANDA Analisis regresi linier berganda ialah hubungan secara linier antara dua atau lebih variabel independen (X1.
X2,A.
dengan variabel dependen (Y).
Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.
Data yang digunakan biasanya berskala interval atau rasio.
Persamaan regresi linier berganda sebagai berikut:
YAo = a b1X1 b2X2 A.
bkXk Keterangan:
YAo = Variabel dependen .
ilai yang diprediksika.
X1 dan X2 = Variabel independen = Konstanta .
ilai YAo apabila X1.
X2A.
Xn = .
= Koefisien regresi .
ilai peningkatan ataupun penuruna.
Jadi, untuk menemukan garis regresi linier yang paling baik, kita perlu menghitung konstanta a dan bkXk dengan rumus :
b0 n A b1 Eu X 1 A b2 Eu X 2 A AU A bk Eu X k A Eu Y
b0 Eu X 1 A b1 Eu X 1 A b2 Eu X 1 X 2 A AU A bk Eu X 1 X k A Eu X 1Y
b0 Eu X 2 A b1 Eu X 1 X 2 A b2 Eu X 2 A AU A bk Eu X 2 X k A Eu X 2Y
As As As As b0 Eu X k A b1 Eu X 1 X k A b2 Eu X 2 X k A AU A bk Eu X k
A Eu X kY
METODOLOGI PENELITIAN
1 Metodologi Penelitian Dalam melakukan metode penelitian beberapa cara yang dilakukan sebagai berikut:
1 Data Collecting Data Nasabah PT Prudential Agency MD 7
TAHUN
Dalam teknik pengumpulan data terdapat beberapa cara yang dilakukan diantaranya adalah :
Observasi
P-ISSN : 9800-3456
E-ISSN : 2675-9802
Sebelum melakukan wawancara, terlebih dahulu dilakukan observasi langsung ke PT Prudential Agency MD 7 apakah perusahaan tersebut bisa melakukan penelitian setelah mendapat persetujuan baru dilakukan wawancara.
Wawancara Adapun wawancara yang dilakukan dalam penelitian ini untuk mendapatkan data dan informasi yang terkait dengan data pertumbuhan nasabah yang dapat membantu peneliti dalam menganalisa masalah yang terdapat dalam PT Prudential Agency MD 7 kemudian dilakukan analisis kebutuhan dari permasalahan yang ada sehingga dapat dilakukan pemodelan sistem.
Setelah itu dilakukan wawancara ke Office Manager untuk menanyakan apa yang menjadi masalah selama ini.
Kemudian untuk data yang digunakan dalam penelitian ini adalah data primer dari PT Prudential Agency MD 7 yang merupakan hasil dari observasi dan wawancara di PT Prudential Agency MD 7.
Metode Perancangan Sistem Analisis Masalah dan Kebutuhan Analisis masalah dan kebutuhan merupakan fase awal dalam perancangan.
Pada fase ini akan ditentukan titik masalah sebenarnya dan elemen-elemen apa saja yang dibutuhkan untuk mnyelesaikan masalah pada PT Prudential Agency MD 7 dalam mengestimasi laju pertumbuhan nasabah.
Desain Sistem Dalam fase ini dibagi beberapa indikator atau elemen yaitu: .
pemodelan sistem dengan Unified Modelling Language, pemodelan menggunakan flowchart system, desain input, dan desain output dari sistem data mining yang akan dirancang untuk memecahkan masalah pada PT Prudential Agency MD Membangun Sistem Pada fase ini menjelaskan tentang bagaimana melakukan pengkodingan terhadap desain sistem yang dirancang baik dari sistem input, proses dan output menggunakan bahasa pemrograman visual basic.
Uji Coba Sistem Fase ini merupakan fase terpenting dalam pengimplementasian data mining Hal ini dikarenakan pada fase ini akan dilakukan trial and error terhadap keseluruhan aspek aplikasi baik coding, desain sistem dan pemodelan dari sistem pertumbuhan nasabah.
1 Perhitungan manual dengan metode regresi linear berganda Data Nasabah Berikut adalah data nasabah yang digunakan sebagai sampel penelitian :
Tabel 3.
2 Normalisir Data
TAHUN
Keterangan :
Y = Jumlah Nasabah X1 = Prulink Syariah Assurance Account X2 = Prulink Assurance Account X3 = Prulink Generasi Baru Perhitungan Data Tabel 3.
3 Perhitungan Data
YX1
YX2
YX3
X1X2
X1X3
X2X3
X1^2
X2^2
X3^2
P-ISSN : 9800-3456
E-ISSN : 2675-9802
Rumus umum :
Berdasarkan rumus di atas, maka didapat persamaan sbb :
Proses eliminasi 1 .
ersamaan 1 dan .
(A.
(A.
(A.
Proses eliminasi 3 .
ersamaan 1 dan .
(A.
(A.
(A.
Proses eliminasi 3 .
ersamaan 1 dan .
P-ISSN : 9800-3456
E-ISSN : 2675-9802
(A.
(A.
(A.
Proses eliminasi 4 .
ersamaan 5 dan .
-595496 =
-585504 b1
-646722 b2
646653 b3
-676328 =
-646722 b1
-719486 b2
700084 b3
385,120,364,112 =
378,658,317,888 b1 418,249,345,284 b2 ,204,721,.
395,992,749,312 =
378,658,317,888 b1 421,261,930,944 b2 ,901,982,.
,872,385,.
0 b1 .
,012,585,.
,302,739,.
b3 (A.
Proses eliminasi 5 .
ersamaan 6 dan .
700,084 b3
543,522 =
646,653 b1 700,084 b2 ,349,530,.
= .
,204,721,.
,257,780,.
b2 452,711,418,852 b3 ,507,634,.
= .
,204,721,.
,759,724,.
b2 526,804,219,872 b3 ,841,895,.
(A.
,498,055,.
,092,801,.
Proses eliminasi 6 .
ersamaan 8 dan .
,872,385,.
,841,895,.
,012,585,.
,498,055,.
,302,739,.
,092,801,.
b3 135,883,675,930,179,000,000 = 37,651,463,409,827,100,000 b2 103,768,096,192,337,000,000 b3 258,606,062,808,001,000,000 = 37,651,463,409,827,100,000 b2 223,210,909,862,085,000,000 b3 .
,722,386,877,822,000,.
= b2 .
,442,813,669,748,000,.
b3 Hasil b3 dimasukkan ke persamaan 8 , dalam hal ini menggunakan persamaan 8 sbb.
-10872385200 =
-10872385200 =
-10872385200 =
-3012585660 b2 -3012585660 b2 -3012585660 b2 -3012585660 b2 -8302739130 b3 -8302739130 1.
P-ISSN : 9800-3456
E-ISSN : 2675-9802
Hasil b3 dan b2 dimasukkan menggunakan persamaan 5 sbb:
-595496 =
-595496 =
-595496 =
-585504 b1 -646722 b2 646653 b3 -585504 b1 -646722 0.
-585504 b1 664408.
Selanjutnya hasil dari b1, b2, b3 dimasukkan ke dlm persamaan 1 sbb.
-585504 b1 = -757208.
3021 = b1 5 =a 1.
1019 b1 1202 b2 707 b3 (A.
5 a 1317.
5 a 42.
Maka dihasilkan nilai a,b1,b2 dan b3 sebagai berikut :
= 8.
= 1.
= 0.
= 1.
dengan persamaan umum Y = a b1 x1 b2 x2 b3 x3,maka dihasilkan hasil regresi sebagai berikut :
TAHUN Y
n = 5 3021
X2 X3 YX1
YX2 YX3 X1X2 X1X3 X2X3 X1^2 X2^2 X3^2 HASIL REGRESI
321 370 0 228231 263070 0 118770 0
0 103041 136900
340 374 0 251260 276386 0 127160 0
0 115600 139876
324 389 0 236520 283970 0 126036 0
0 104976 151321
34 69 434 18768
2346 14756 29946 1156 4761 188356
0 0 273
0 0 74529
1019 1202 707 734779 861514 318465 374312 14756 29946 324773 432858 262885
maka persamaan sebagai berikut = 8.
293259957 x.
( 0.
777297581 x.
027457267 x.
Y = a b1 x1 b2 x2 b3 x3 , jika di test dengan angka prediksi maka Y = 8.
293259957 x 0 ) ( 0.
777297581 x 0 ) .
027457267 x 24 ) = 33 Dengan metode regresi linear berganda dapat diprediksi nasabah pada bulan januari tahun 2020 sebanyak Jika diuji dengan SPSS, maka dihasilkan nilai sebagai berikut :
Variables Entered/Removedb Model Variables Variables Entered Removed X3.
X2.
X1a
Method
Enter
P-ISSN : 9800-3456
E-ISSN : 2675-9802
Variables Entered/Removedb Variables Variables Entered Removed Model X3.
X2.
X1a Method Enter All requested variables entered.
Dependent Variable: Y Model Summary Model R Square Adjusted R Std.
Error of the Square Estimate Predictors: (Constan.
X3.
X2.
X1 ANOVAb Model Sum of Squares Regression Mean Square Residual Total Sig.
Predictors: (Constan.
X3.
X2.
X1 Dependent Variable: Y Coefficientsa Standardized Unstandardized Coefficients Model Std.
Error (Constan.
Dependent Variable: Y Coefficients Beta Sig.
P-ISSN : 9800-3456
E-ISSN : 2675-9802
PENGUJIAN DAN IMPLEMENTASI
1 Implementasi Sistem Implementasi sistem adalah tahapan dimana sistem atau aplikasi siap untuk dioperasikan pada keadaan yang sebenarnya sesuai dari hasil analisis dan perancangan yang dilakukan, sehingga akan diketahui apakah sistem atau aplikasi yang dirancang benar-benar dapat menghasilkan tujuan yang dicapai aplikasi sistem pakar ini dilengkapi dengan tampilan yang bertujuan untuk memudahkan penggunanya, fungsi dari antarmuka ini adalah untuk memberi kan input dan menampilkan output dari aplikasi.
Pada aplikasi ini memiliki interface yang terdiri dari Form Login.
Form Data .
Form Data Gejala.
Form Data Penyakit.
Form Konsultasi, dan Form Data Rule Base.
1 Tampilan Form Login Form login digunakan untuk mengamankan sistem dari user-user yang tidak bertanggung jawab sebelum masuk ke Form Menu Utama.
Tombol login digunakan untuk memvalidasikan username dan password yang telah kita isi pada kotak teks yang disediakan.
Di bawah ini merupakan tampilan form login sebagai berikut :
Gambar 5.
19 Tampilan halaman Login 2 Tampilan Form Menu Utama Halaman menu utama merupakan tampilan halaman awal sistem untuk melakukan pengolahan data di dalam Implementasi Data Mining Untuk Memprediksi Pertumbuhan Nasabah pada PT Prudential Agency MD7 Menggunakan Metode Regresi Linier Berganda.
Di bawah ini merupakan tampilan halaman menu utama adalah sebagai berikut :
Gambar 5.
20 Tampilan halaman Menu Utama 3 Tampilan Form Variabel Penilaian Form input Variabel Penilaian merupakan form yang digunakan untuk meng-input data nasabah dan jenis produk, yang menjadi variabel penilaian.
Pada form Variabel Penilaian terdiri lima buah tombol button yaitu simpan, ubah, hapus,batal dan tutup.
Di bawah ini merupakan tampilan form Variabel Penilaian adalah sebagai berikut :
P-ISSN : 9800-3456
E-ISSN : 2675-9802
Gambar 5.
21 Tampilan halaman Variabel Penilaian 4 Tampilan Form Detail Perhitungan Form Detail Perhitungan merupakan form yang digunakan untuk melakukan detail perhitungan menggunakan metode Regresi Linier Berganda.
Di bawah ini merupakan tampilan form detail perhitungan.
Gambar 5.
23 Tampilan halaman Detail Perhitungan KESIMPULAN Setelah dilakukan implementasi program dan pengujian pada bab sebelumnya, maka dapat diambil beberapa kesimpulan sebagai berikut :
Dengan menerapkan data mining menggunakan metode Regresi Linear Berganda, dapat membantu perusahaan dalam memprediksi pertumbuhan nasabah.
Aplikasi yang dibangun berbasis desktop sehingga pengguna atau perusahaan dapat langsung melihat hasilnya melalui komputer atau laptop yang ada di rumah sakit tersebut dan dapat dicetak menggunakan printer.
UCAPAN TERIMA KASIH
Puji syukur kehadirat Tuhan Yang Maha Esa atas rahmat-Nya yang telah melimpahkan berkat dan karuniaNya sehingga dapat menyelesaikan jurnal ilmiah ini.
Terimakasih juga kepada dosen pembimbing Bapak Purwadi.
Kom.
Kom dan Ibu Firahmi Rizky yang telah membimbing dan mengarahkan penulis dalam penyelesaian jurnal skripsi ini.
DAFTAR PUSTAKA