Jurnal Riset Rumpun Matematika dan Ilmu Pengetahuan Alam (JURRIMIPA) Vol.
No.
2 Oktober 2023 p-ISSN: 2828-9382.
e-ISSN: 2828-9390.
Hal 135-146 DOI: https://doi.
org/ 10.
55606/jurrimipa.
Penerapan Data Mining Untuk Menganalisis Penjualan Produk Menggunakan Algoritma Apriori Berbasis WEB Syarief Afifi Sumantri Jurusan Matematika.
Fakultas Matematika dan Ilmu Pengetahuan Alam.
Universitas Negeri Medan E-mail: syariefafifi@gmail.
Hermawan Syahputra Jurusan Matematika.
Fakultas Matematika dan Ilmu Pengetahuan Alam.
Universitas Negeri Medan E-mail: hsyahputra@unimed.
Jalan Willem Iskandar Pasar V Medan Estate.
Kotak Pos No.
1589 Medan 20221 A.
Sumatera Utara Abstract.
This study aims to determine the best selling food and beverage products at Caffe Kopi Kito.
Data mining is the process of extracting useful information and patterns from very large data.
Data mining includes data collection, data extraction, data analysis, and data statistics.
The Apriori algorithm is a classic algorithm in data mining.
This algorithm is used to see the intensity of occurrence of the relevant itemset or frequent items or association rules.
This study uses consumer transaction data for 30 days in January 2023.
Transaction data will be collected first based on the day and number of transactions, then the transaction data that has been collected will be grouped according to each item, the data that has been grouped will be carried out a priori algorithm process to determine the most dominant product.
Then a system design will be carried out whose result will be a website.
The results showed that using the website-based a priori algorithm could determine the most dominant product at Caffe Kopi Kito and make it easier for users to determine the most dominant product.
Based on the results of product sales analysis at Cafee Kopi Kito, it can be concluded that working on the a priori algorithm on Caffe Kopi Kito using a website can be said to have the result of a product combination and in the future it can be used to create the best-selling menu packages at Cafee Kopi Kito.
Keywords: Data Mining.
Apriori Algorithms.
Transaction Data.
Websites.
Abstrak.
Penelitian ini bertujuan untuk menentukan produk makanan dan minuman yang paling laris di Caffe Kopi Kito.
Data mining merupakan proses penggalian informasi dan pola yang bermanfaat dari data yang sangat besar.
Data mining mencakup pengumpulan data, ekstraksi data, analisis data, dan statistik data.
Algoritma Apriori merupakan algoritma klasik dalam data mining.
Algoritma ini digunakan untuk melihat intensitas kemunculan itemset atau frequent item atau aturan asosiasi yang relevan.
Penelitian ini menggunakan data transaksi konsumen selama 30 hari pada bulan Januari 2023.
Data transaksi akan dikumpulkan terlebih dahulu berdasarkan hari dan banyaknya transaksi, kemudia data transaksi yang telah di kumpulkan akan di kelompokkan sesuai dengan item masing-masing, data yang telah di kelompokkan akan dilakukan proses algoritma apriori Received Mei 30, 2023.
Revised Juni 30, 2023.
Accepted Juli 15, 2023 * Syarief Afifi Sumantri, syariefafifi@gmail.
Penerapan Data Mining Untuk Menganalisis Penjualan Produk Menggunakan Algoritma Apriori Berbasis WEB untuk menentukan produk yang paling dominan.
Kemudian akan dilakukan perancangan sistem yang hasilnya akan berupa website.
Hasil penelitian menunjukkan dengan menggunakan algoritma apriori dengan berbasis website dapat menentukan produk yang paling dominan pada Caffe Kopi Kito dan mempermudah pengguna dalam menentukan produk yang paling dominan.
Berdasarkan hasil analisis penjualan produk pada Cafee Kopi Kito dapat disimpulkan bahwa pengerjaan algoritma apriori pada Caffe Kopi Kito dengan menggunakan website dapat dikatakan memiliki hasil kombinasi produk dan untuk kedepannya bisa digunakan untuk membuat paket menu terlaris pada Cafee Kopi Kito.
Kata kunci: Data Mining.
Algoritma Apriori, data transaksi.
Website LATAR BELAKANG Pertumbuhan industri makanan dan minuman mulai menjadi andalan sebagai penopang pertumbuhan ekonomi nasional dan manufaktur.
Pada tahun 2019 sektor makanan dan minuman terus menjadi primadona terutama pada sektor industri pariwisata yang mengembangkan wisata kuliner.
Kementerian mencatat sektor makanan dan minuman memiliki nilai investasi pada tahun 2018 senilai Rp56,20 triliun.
Pada proyeksi pertumbuhan nonmigas 2019, sektor industri makanan dan minuman diproyeksikan akan tumbuh tinggi sebesar 9,86% Perkembangan teknologi informasi sangatlah besar memberikan kontribusi pada pertumbuhan jumlah data yang dikumpulkan dan disimpan dalam basis data.
Maka dari itu dibutuhkan sebuah metode atau teknik yang dapat merubah kumpulan data tersebut menjadi sebuah informasi berharga ataupun pengetahuan yang bermanfaat untuk mendukung pengambilan keputusan bisnis.
Dalam berbisnis tentunya ingin mencari keuntungan yang merupakan tujuan dasar dari terbentuknya unit bisnis.
Maka untuk memenuhi tujuan tersebut diperlukan suatu strategi yang dapat meningkatkan penjualan.
Tujuan penggunaan algoritma apriori adalah untuk dapat dihasilkan informasi baru seperti pengetahuan tingkat kecenderungan atau kebiasaan pelanggan dalam membeli barang-barang secara bersamaan, menentukan tata letak produk, dan menentukan antrian produk-produk yang akan diproduksi lebih dulu, yang berguna untuk meningkatkan kinerja operational serta sebagai referensi marketing Kopi Kito untuk meningkatkan keuntungan dari usaha kaki lima ini.
Dengan berkembanganya usaha Kopi Kito membuat jumlah data yang begitu besar justru bisa menjadi masalah bagi Kopi Kito tersebut jika tidak bisa dimanfaatkan sebaik mungkin.
Semakin banyak data, maka Kopi Kito tersebut semakin memerlukan JURRIMIPA: Jurnal Riset Rumpun Matematika dan Ilmu Pengetahuan Alam - Vol.
No.
2 Oktober 2023 p-ISSN: 2828-9382.
e-ISSN: 2828-9390.
Hal 135-146 usaha untuk mengolah data-data agar dapat dijadikan informasi yang berguna di masa depan, yang bisa digunakan untuk mengambil suatu keputusan dan untuk memperoleh pengetahuan yang baru .
, yang berguna untuk peningkatan kemajuan suatu usaha, seperti peningkatan penjualan produk, penentuan produk yang akan diproduksi terlebih dahulu, promosi dll.
Oleh karena itu sangat diperlukan sebuah aplikasi yang bisa memanfaatkan kumpulan data yang besar, agar dapat diperoleh informasi yang berguna bagi pengguna di masa depan.
Rumusan Masalah Pengolahan data transaksi penjualan pada kafe Kopi Kito masih dilakukan secara manual, sehingga mengakibatkan kesulitan dalam menemukan item makanan dan minuman yang paling sering dibeli oleh konsumen guna membuat rekomendasi paket Batasan Masalah Berdasarkan rumusan masalah dan tujuan diatas, maka pembatas dari penelitian ini Data yang digunakan adalah data transaksi penjualan konsumen pada bulan Januari Algoritma yang digunakan untuk membuat aturan asosiasi adalah algoritma apriori.
KAJIAN TEORITIS
Data Mining Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar.
Analisis asosiasi atau association rule mining adalah teknik data mining untuk menentukan aturan asosiasi antara satu kombinasi item.
Interestingness measure yang dapat digunakan dalam data mining adalah (Khairul 2.
Support adalah suatu ukuran yang menunjukan seberapa besar tingkat dominasi suatu item atau itemset dari keseluruhan data transaksi.
Confidence adalah suatu ukuran yang menunjukan hubungan antara dua item secara Penerapan Data Mining Untuk Menganalisis Penjualan Produk Menggunakan Algoritma Apriori Berbasis WEB Tahap-Tahap Data Mining Berikut ini adalah tahapan-tahapan data mining sebagai berikut:
Pembersihan Data (Data Cleanin.
Merupakan proses menghilangkan noise dan data yang tidak relevan.
Pada umumnya data yang diperoleh, baik dari database suatu perusahaan maupun hasil eksperimen, memiliki isian-isian.
yang tidak sempurna seperti data yang hilang, data yang tidak valid atau juga hanya sekedar salah ketik.
Selain itu, ada juga atribut-atribut data yang tidak relevan dengan hipotesa data mining yang dimiliki.
Data-data yang tidak relevan itu juga lebih baik dibuang.
Pembersihan data juga akan mempengaruhi performasi dari teknik data mining karena data yang ditangani akan berkurang jumlah dan kompleksitasnya Integrasi Data (Data Integratio.
Merupakan penggabungan data dari berbagai database baru.
Integrasi data dilakukan pada atribut-aribut yang mengidentifikasikan entitas-entitas yang unik seperti atribut nama, jenis produk, nomor pelanggan dan lainnya.
Integrasi data perlu dilakukan secara cermat karena kesalahan pada integrasi data bisa menghasilkan hasil yang menyimpang dan bahkan menyesatkan pengambilan aksi nantinya.
Seleksi Data (Data Selectio.
Data yang ada pada database sering kali tidak semuanya dipakai, oleh karena itu hanya data yang akan diambil dari database.
Sebagai contoh, sebuah kasus yang meneliti faktor kecenderungan orang membeli dalam kasus market basket analysis, tidak perlu mengambil nama pelanggan, cukup dengan id pelanggan saja Data Transformation Data diubah atau digabungkan kedalam format yang sesuai untuk diproses dalam data mining.
Beberapa metode data mining membutuhkan format data yang khusus sebelum bisa diaplikasikan.
Sebagai contoh beberapa metode standar seperti analisis asosiasi dan clustering hanya bisa menerima input data kategorikal.
Karenanya data berupa angka numerik yang berlanjut perlu dibagibagi menjadi beberapa interval.
Proses Mining Merupakan suatu proses utama saat metode diterapkan untuk menemukan penetahuan berharga dan tersembunyi dari data.
JURRIMIPA: Jurnal Riset Rumpun Matematika dan Ilmu Pengetahuan Alam - Vol.
No.
2 Oktober 2023 p-ISSN: 2828-9382.
e-ISSN: 2828-9390.
Hal 135-146 Evaluasi Pola (Pattern Evaluatio.
Untuk mengidentifikasi pola-pola menarik kedalam knowledge based yang ditemukan bermanfaat.
Dalam tahap ini hasil dari teknik data mining berupa pola-pola yang khas maupun model prediksi dievaluasi untuk menilai apakah hipotesa yang ada memang tercapai.
Bila ternyata hasil yang diperoleh tidak sesuai hipotesa ada beberapa alternatif yang dapat diambil seperti menjadikannya umpan balik untuk memperbaiki proses data mining, mencoba metode data mining lain yang lebih sesuai, atau menerima hasil ini sebagai suatu hasil yang di luar dugaan yang mungkin bermanfaat.
Presentasi Pengetahuan Merupakan visualisasi dan penyajian pengetahuan mengenai metode yang digunakan untuk memperoleh pengetahuan yang diperoleh pengguna.
Dalam presentasi ini, visualisasi juga bisa membantu mengkomunikasikan hasil data mining.
Algoritma Apriori Algoritma Apriori merupakan suatu algoritma yang diajukan oleh R.
Agrawal dan Srikant pada tahun 1994 pada suatu penelitian yang berguna untuk menemukan frequent itemset untuk Boolean association rule.
Nama Algoritma Apriori berdasarkan fakta bahwa algoritma tersebut menggunakan pengetahuan sebelumnya .
rior knowledg.
dari pencarian frequent itemset mining (Gama 2.
Aturan Asosiasi atau disebut dengan association rules merupakan salah satu teknik data mining yang berguna dalam mencari aturan asosiatif dari suatu barang.
Aturan Asosiasi dibentuk dengan cara menganalisis pola data yang sering muncul .
requent patter.
dan dengan menggunakan parameter support dan confidence untuk mengidentifikasi hubungan yang paling penting dan sesuai.
Support adalah indikasi yang menunjukkan seberapa sering suatu item muncul di dalam suatu database.
Sedangkan Confidence menunjukkan berapa kali pernyataan tersebut benar (Gunadi 2.
Menurut Kusrini .
Analisis asosiasi didefenisikan sebagai suatu proses untuk menemukan semua aturan asosiasi yang memenuhi syarat minimum untuk support .
inimum suppor.
dan syarat minimum untuk confidence .
inimum confidenc.
Minimal Support : sebuah nilai yang ditentukan sendiri oleh peneliti untuk memangkas kombinasi item set menjadi lebih sedikit.
Biasanya nilai ini dilihat dari kemunculan item set dalam data.
Minimal Confidence sebuah nilai yang ditentukan juga oleh peneliti untuk memangkas kombinasi setiap k-item set .
asil dari pemangkasan minimal suppor.
untuk membentuk aturan Penerapan Data Mining Untuk Menganalisis Penjualan Produk Menggunakan Algoritma Apriori Berbasis WEB Nilai ini ditentukan untuk mendapatkan kepastian yang tinggi terhadap kombinasi item (Desti Fitriati, 2.
Berikut merupakan penjelasan mengenai support dan confidence pada aturan asosiasi:
Support Support adalah suatu ukuran yang menunjukkan seberapa besar tingkat dominasi suatu item/item set dari keseluruhan transaksi.
Ukuran ini akan menentukan apakah suatu item/item set layak untuk dicari confidence selanjutnya atau tidak.
Nilai support sebuah item diperoleh dengan menggunakan rumus sebagai berikut:
( )=
Jumlah Transaksi Mengandung A Total Transaksi Sedangkan nilai support dari 2 item diperoleh dengan menggunakan rumus:
Confidence ( , )= Transaksi Megandung A dan B Transaksi Confidence adalah suatu ukuran yang menunjukkan hubungan antar 2 .
item secara conditional seperti: seberapa sering item A dibeli jika orang membeli item B.
Nilai confidence dari aturan dari AOB diperoleh dengan rumus berikut:
( | )=
Oc OcTransaksi Mengandung A METODE PENELITIAN Jenis penelitian yang digunakan dalam penelitian ini ialah penelitian kuantitatif yang menggunakan jenis data sekunder yang datanya diperoleh peneliti atau pengumpul data secara tidak langsung.
Dikatakan tidak langsung karena data diperoleh melalui perantara, yaitu lewat orang lain, ataupun lewat dokumen.
Adapun data yang diperoleh dari Kopi Kito ialah data transaksi makanan dan minuman selama 1 bulan pada bulan Januari 2023.
Langkah-langkah yang digunakan dalam penelitian ini ialah:
Melakukan observasi pada Kopi Kito.
Mengumpulkan data transaksi makanan dan minuman dari Kopi Kito selama 1 bulan pada bulan Januari 2023 Pengolahan data mining:
Seleksi data.
Preprocessing / cleaning data.
Tranformating.
JURRIMIPA: Jurnal Riset Rumpun Matematika dan Ilmu Pengetahuan Alam - Vol.
No.
2 Oktober 2023 p-ISSN: 2828-9382.
e-ISSN: 2828-9390.
Hal 135-146 Data Mining.
Interpretation / Evaluation.
Menarik kesimpulan.
HASIL DAN PEMBAHASAN
Analisa Analisa data dengan menggunakan algoritma apriori dapat dilakukan dengan mengunakan beberapa tahap, dimulai dengan pengelompokan data transaksi.
Data yang diambil merupakan data transaksi konsumen pada bulan Januari tahun 2023.
Data tersebut adalah data yang mewakili keseluruhan data transaksi sebanyak 8 transaksi dan dapat dilihat pada Tabel berikut.
Tabel 1.
Data Transaksi Transaksi Item Yang Dibeli Teh Manis.
Nasi Goreng Ayam Penyet.
Sanger.
Nasi Goreng.
Teh Manis Teh Manis.
Ayam Penyet.
Nasi Goreng.
Thai Tea Thai Tea.
Ayam Penyet.
Sanger Nasi Goreng.
Teh Manis.
Sanger.
Ayam Penyet Teh Manis.
Ayam Penyet.
Nasi Goreng Teh Manis.
Ayam Penyet.
Thai Tea Nasi Goreng.
Thai Tea Aturan asosiasi yang berurut berdasarkan minimum support dan minimum confidence dapat dilihat pada tabel 2.
Penerapan Data Mining Untuk Menganalisis Penjualan Produk Menggunakan Algoritma Apriori Berbasis WEB Tabel 2.
Aturan Asosiasi Final Itemset Banyak Item Support Confidence Nasi Goreng.
Ayam Penyet Nasi Goreng.
Teh Manis 62,5% Ayam Penyet.
Teh Manis 62,5% Teh Manis.
Ayam 4 Penyet.
Nasi Goreng Dari hasil di atas didapat kesimpulan yang harus dilakukan oleh pihak kafe ialah menyediakan stok nasi goreng/bahan-bahan pembuatan dan stok ayam penyet dalam jumlah yang sama, menyediakan stok ayam penyet dan teh manis dalam jumlah yang sama, menyediakan stok nasi goreng dan teh manis dalam jumlah yang sama, dan juga pihak kafe juga bisa membuat keputusan untuk membuat paket makanan seperti paket promosi kombo untuk menambah daya tarik konsumen.
Perancangan Use Case Use case diagram adalah satu dari berbagai jenis diagram UML (Unified Modelling Languag.
yang menggambarkan hubungan interaksi antara sistem dan aktor.
Use Case dapat mendeskripsikan tipe interaksi antara si pengguna sistem dengan sistemnya.
Use case diagram pada desain proses ini adalah untuk menggambarkan proses dari admin, selaku aktor yang berperan dalam penggunaan sistem sebagai pengelola data.
Gambar 1.
Use Case Diagram JURRIMIPA: Jurnal Riset Rumpun Matematika dan Ilmu Pengetahuan Alam - Vol.
No.
2 Oktober 2023 p-ISSN: 2828-9382.
e-ISSN: 2828-9390.
Hal 135-146 Implementasi Sistem Implementasi Implementasi sistem merupakan hasil dari pembuatan sistem yang sudah dirancang.
Hasil implementasi berupa tampilan - tampilan dari sistem yang dibangun.
Menu Login Halaman awal ini merupakan halaman login yang pertama kali admin lihat saat membuka website.
Admin harus memasukkan username dan password yang sudah didaftarkan, jika yang dimasukkan salah maka admin tidak akan bisa masuk ke halaman Jika berhasil terverifikasi maka admin akan dibawa menuju halaman Jika tidak maka akan muncul pop up bahwa username dan password yang dimasukkan tidak sesuai atau login gagal.
Gambar 2.
Menu Login Menu Dashbord Dashboard merupakan halaman pertama yang dapat ditemukan setelah berhasil melakukan login, terdapat menu-menu yang dapat dipilih untuk menjalankan sistem algoritma apriori pada data transaksi.
Gambar 3.
Menu Dashbord Menu Data Transaksi Pada halaman menu data transaksi, admin dapat menampilkan data transaksi.
Pada halaman ini, admin juga dapat menjalankan fungsi tambah .
, cari .
, edit .
dan hapus .
data transaksi.
Penerapan Data Mining Untuk Menganalisis Penjualan Produk Menggunakan Algoritma Apriori Berbasis WEB Gambar 4.
Menu Data Transaksi Menu Proses Apriori Pada halaman menu proses apriori, admin dapat melakukan proses apriori.
Pada halaman ini, admin juga dapat menjalankan fungsi min support, min confidence dan Gambar 5.
Menu Proses Apriori Menu Tampilan Hasil Pada halaman menu tampilan hasil, admin dapat melihat seluruh hasil dan kesimpulan dari proses apriori yang telah dilakukan.
Gambar 6.
Menu Tampilan Hasil Penjelasan Support 11,64%, artinya 11,64% dari semua transaksi yang dianalisis menunjukkan bahwa Teh manis dan Nasi goreng dibeli bersamaan, sedangkan confidence sebesar 91,67% menyatakan tingkat kepercayaan atau dapat dikatakan jika seorang konsumen membeli Teh manis maka terdapat 91,67% kemungkinan dia akan membeli Nasi goreng juga.
JURRIMIPA: Jurnal Riset Rumpun Matematika dan Ilmu Pengetahuan Alam - Vol.
No.
2 Oktober 2023 p-ISSN: 2828-9382.
e-ISSN: 2828-9390.
Hal 135-146 Support 14,81%, artinya 14,81% dari semua transaksi yang dianalisis menunjukkan bahwa Teh manis dan Ayam penyet dibeli bersamaan, sedangkan confidence sebesar 84,85% menyatakan tingkat kepercayaan atau dapat dikatakan jika seorang konsumen membeli Teh manis maka terdapat 84,85% kemungkinan dia akan membeli Ayam penyet juga.
Dari penjelasan di atas dapat disimpulkan bagi produsen Kafe Kopi Kito agar menyediakan stok teh manis, nasi goreng dan ayam penyet berupa bahan-bahan pembuatan dalam jumlah yang sama.
Dan juga pihak Kafe Kopi Kito bisa membuat paket makanan seperti paket promosi kombo untuk menambah daya tarik konsumen.
KESIMPULAN DAN SARAN
Berdasarkan hasil pembahasan dan analisis maka disimpulkan bahwa data transaksi Kafe Kopi Kito yang dilakukan selama 1 bulan pada bulan Januari 2023 sebanyak 464 transaksi memiliki kombinasi tinggi terhadap teh manis, nasi goreng dan teh manis, ayam Dan juga pihak Kafe Kopi Kito bisa membuat paket makanan seperti paket promosi kombo untuk menambah daya tarik konsumen.
Bagi peneliti kedepannya agar melakukan pengembangan terhadap aplikasi ini agar input transaksi dapat dilakukan oleh konsumen sendiri serta dilakukan pengembangan terhadap website ini agar dapat menampilkan grafik analisa pemesanan.
Penerapan Data Mining Untuk Menganalisis Penjualan Produk Menggunakan Algoritma Apriori Berbasis WEB
DAFTAR REFERENSI
Ade.
, .
: Pemodelan UML Sistem Informasi Monitoring Penjualan dan Stok Barang (Studi Kasus: Distro Zhezha Pontianak.
Jurnal Khatulistiwa Informatika, 4.
Agus.
, .
: Implementasi Algoritma Apriori Untuk Analisa Penjualan Dengan Berbasis Web.
Jurnal Simetris, 7.
Desak.
, .
: Penerapan Data Mining Pada Penjualan TANAoS BAKERY Menggunakan Algoritma Apriori.
Jurnal TIK, 3.
Desti.
: Implementasi Data Mining untuk Menentukan Kombinasi Media Promosi barang Berdasarkan Perilaku Pembelian pelanggan Menggunakan Algoritma Apriori.
Annual Research Seminar , 2.
Gama.
Putra.
, & Bayupati.
Majalah ilmiah teknologi Majalah Ilmiah Teknologi Elektro (Vol.
Gunadi.
, & Sensuse.
Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Buku Dengan Menggunakan Algoritma Apriori dan Frequent Pattern Growth (FP-Growt.
: Studi Kasus Percetakan PT.
GRAMEDIA.
Telematika MKOM, 4.
, 118Ae132.
Khairul U.
, .
: Analisa Data Mining Dalam Penjualan Sparepart Mobil Dengan Menggunakan Metode Algoitma Apriori.
Jurnal Sistem Informasi.
ISSN : 2085Ae Muhammad.
, .
: Analisis Algoritma Apriori Pada Pemesanan Konsumen Di Cafy The L.
CO Coffe.
Jurnal SAINTEK, 1.
Santosa.
Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis.
Yogyakarta: Graha Ilmu.
Tika.
, .
: Analisis Data Mining Menggunakan Algoritma Aprioti Untuk Meningkatkan Cross Selling Dan Up Selling (Studi Kasus Rumah Makan Mas Nur Perwakart.
Jurnal TIK.
JURRIMIPA: Jurnal Riset Rumpun Matematika dan Ilmu Pengetahuan Alam - Vol.
No.
2 Oktober 2023