Jurnal CyberTech Vol.
No.
Mei 2018, pp.
P-ISSN : 9800-3456
E-ISSN : 2675-9802
Implementasi Data Mining Untuk Mengestimasi Penjualan Barang Pada Store Perlengkapan Camping Dengan Menggunakan Metode Regresi Linier Berganda Sari Depi Napitupulu *.
Puji Sari Ramdhan**.
Moch.
Iswan Perangin-angin** * Program Studi Mahasiswa.
STMIK Triguna Dharma ** Program Studi Dosen Pembimbing.
STMIK Triguna Dharma Article Info Article history:
Received Mei 12th, 2018 Revised Mei 20th, 2018 Accepted Mei 26th, 2018 Keyword:
Data Mining.
Regresi Linier Berganda.
Estimasi/Prediksi.
Perediksi Penjualan.
ABSTRACT Dalam sebuah perusahaan pasti akan memiliki tujuan untuk memproleh keuntungan dan laba penjualan untuk di olah kembali demi kelangsungan kesuksesan perusahaan tersebut.
Pendapatan laba besar atau kecil sering menjadi tolak ukur kesuksesan dalam suatu perancanaan.
Hal ini lah dapat mendukung melihat kemugkinan dan kesempatan di masa yang akan datang untuk meningkatkan penjualan.
Dalam skripsi ini yang akan di bahas adalah mengenai estimasi laba penjualan barang pada store perlengkapan camping toko pilar outdoor medan.
Data mining memiliki salah satu teknik dalam Pada skripsi ini akan di bahas tentang teknik untuk mengestimasi laba penjualan pada toko pilar proses pencaian pola dalam kumpulan data besar yang melibatkan metode perhitungan statistic.
Proses pertama untuk memecahkan masalah terlebih dahulu menentukan variabl Y.
X1, dan X2 berdasarkan permasalahan yang ditimbulkan dan mengambil data akurat mengenai hasil laba penjualan barang.
Salah satu metode yang dapat digunakan yaitu regresi linier berganda.
Metode ini dipilih karena mampu membaut suatu estimasi/prediksi dengan memanfaatkan data penjualan yang sudah lewat untuk membuat persamaan regresi dan perediksi/estimmasi terbaik berdasarkan variabel-variabel yang ada.
Adanya sitem ini dapat menghasilkan suatu pola hubungan antara variable yang mempengaruhi laba penjualan untuk bulan selanjutnya.
Copyright A 2018 STMIK Triguna Dharma.
All rights reserved.
Corresponding Author:
Nama : Sari Depi Napitupulu Program Studi : Sistem Imformasi STMIK Triguna Dharma Email : saridepi0305@gamail.
PENDAHULUAN
Dalam sebuah perusahaan pasti akan memiliki tujuan untuk memproleh keuntungan dan laba penjualan untuk di olah kembali demi kelangsungan kesuksesan perusahaan tersebut.
Pendapatan laba besar atau kecil sering menjadi tolak ukur kesuksesan dalam suatu perancanaan.
Hal ini lah dapat mendukung melihat kemugkinan dan kesempatan di masa yang akan datang untuk meningkatkan penjualan.
Bisnis ini juga menjanjikan dan akan semakin berkembang.
Karena banyaknya sekarang orang hobby dengan kegiatan outdoor atau traveling ke gunung, laut, atau pun kota-kota besar.
Namun sekarang karena menjamurnya bisnis Journal homepage: https://ojs.
P-ISSN : 9800-3456
E-ISSN : 2675-9802
tersebut dan mermunculan jenis-jenis merek lain yang memperjualkan peralatan outdoor tersebut sehingga membuat trend pada bisnis toko dalam keadaan tidak baik-baik saja.
Sehingga mengakibatkan turunnya laba pendapatan pada toko.
Dalam melakukan prediksi penjualan terhadap peralatan camping pada Pilar Outdoor medan nantinya akan menggunakan metode Regresi Linier Berganda.
Penerapan Regresi Linier Berganda telah teruji seperti dalam (Gunawan, 2.
digunakannya regresi linier berganda memperediksi jumlah nasabah kredit macet pada BPR Tanjung Morawa dan teruji juga dalam penelitian (Siregar.
Sembiring, & Siburian, 2.
perancangan aplikasi prediksi penjualan lattop.
Digunakannya Algoritma Regresi Linier Berganda untuk menyelesaikan permasalahan pada penjualan peralatan LANDASAN TEORI 1 Data Mining Penambangan data atau data mining adalah proses pencarian pola dalam kumpulan data besar yang melibatkan metode di persimpangan perjalanan mesin, statistic, dan sistem basis data.
Data mining merupakan salah satu bidang ilmu yang disiplin dan statistic dalam komputer dengan tujuan untuk menyaring keseluruhan data menjadi informasi .
engan metode cerda.
yang diambil dari kumpulan data dan mengubah informasinya menjadi struktur yang dapat di pahami untuk penggunaan lebih lanjut seperti pada (Eska, 2.
Penerapan Data Mining Untuk Prekdiksi Penjualan Wallpaper, (Marsono, 2.
Penerapan Data Mining Pengaturan Pola Tata Letak Barang Pada Berkah Swalayan Untuk Strategi Penjualan dan telah melakukan pengembangan pada proses pengolahan data mining dengan metode cerdas.
Banyak defenisi atau pengerian dari data mining namun beluam ada satu pun yang membekukan atau menyepakati banyak pihak, namuan data mining memiliki hakikat sebgai disiplin ilmu yang tujuan utamanya adalah untuk menentukan, menggali atau menambang pengetahuna dari data atau informasi yang banyak.
hal ini lah yang memasukkan data mining dalam perhatian utama dari disiplin ilmu data mining.
2 Algoritma dan metode data mining Asosiasi Digunakan untuk mengenali kelakuan dari kejadian-kejadian khusus atau proses dimana hubungan asosiasi muncul pada setiap kejadian.
Klasifikasi Suatu teknik dengan melihat pada kelakuan dan atribut dari kelompok yang telah didefinisikan.
Klastering Digunakan untuk menganalisis pengelompokkan berbeda terhadap data, mirip dengan klasifikasi, namun pengelompokkan belum didefinisikan sebelum dijalankannya tool data mining.
Prediksi Algoritma prediksi biasanya digunakan untuk memperkirakan atau forecasting suatu kejadian sebelum kejadian atau peristiwa tertentu terjadi.
3 Pengertian Estimasi Menurut (AuAhmad Rivandi.
Natalia SilalahiA.
(Rivandi.
Bu, & Silalahi, 2.
estimasi adalah merupakan sebuah proses pengulangan.
Sehingga estimasi dalam data mining adalah proses menaksir nilai yang belum diketahui secara pasti.
Metode yang biasa menggunakan estimasi berupa Multiple Regression.
Simple Linear Regresilinier.
4 Regresi Linier Berganda Menurut (AuFirahmi Rizky.
Yohanni SyahraA.
(Rizky.
Syahra, & Mariami, 2.
Regresi Linier Berganda adalah sebagai kajian terhadap ketergantungan satu variabel dengan variabel lain dengan tujuan membuat estimasi rata-rata nilai variabel yang sudah diketahui.
Sedangkan menurut (AuRudi GunawanA.
(Gunawan, 2.
Regresi Linier Berganda adalah hubungan secara linier antara dua atau lebih variabel independen (X1.
X2,A.
dengan variabel (Y).
Dimana untuk menentukan nilai hubungan antara Y dan x1 dan x2 yang sebenarnya.
Secara umum persamaan Regresi untuk k variabel sebagai berikut :
Y = a b1 X1 b2 X2 .
= bn Xn Persamaan Regresi Untuk dua Variabel Independen adalah Y = a b1 X 1 b2 X 2 Keterangan :
: Variabel Terikat : Konstanta
b1,b2 : Koefisien Regresi
X1 X2
: Variabel Bebas Jurnal CyberTech.
Vol.
No.
Mei 2018, pp.
P-ISSN : 9800-3456
E-ISSN : 2675-9802
PEMBAHASAN DAN HASIL
Setelah dilakukannya pengujian dalam setudi kasus yang di ambil pada toko pilar outdoor Medan dapat digunakan metode Regresi Linier Berganda sebagai solusi dalam mengestimasi penjualan.
Metode redresi linier berganda bertujuan untuk mencari perediksi atau meramalkan pendapatan untuk bulan yang akan datang.
Tujuan ini sangat berguna untuk toko pilar outdoor medan untuk mendorong menaiknya omset penjualan untuk bulan selanjuatnya.
Untuk melakukan perediksi, terlebih dahulu menentukan variabel terikat atau variabel bebas untuk menentukan hubungan antara Y dan X1 dan X2.
Untuk meramalkan nilai Y, apabila telah diketahui nilai variabel bebas dan kemudian menggunakan persamaan regresi linier berganda.
Data yang diperoleh dari toko Pilar Outdoor Medan memiliki data penjualan yang cukup besar sehingga diperlukan untuk perkecilan jumlah data yang kan diperoses untuk memudahkan perhitungannya.
Jumlah barang dibagi 100.
Jumlah penjualan bagi 1.
000 dan Omset penjualan bagi 1.
Dimana untuk menentukan nilai hubungan antara Y dan x1 dan x2 yang sebenarnya.
Secara umum persamaan Regresi untuk k variabel sebagai berikut :
Y = a b1 X1 b2 X2 .
= bn Xn Persamaan Regresi Untuk dua Variabel Independen adalah Y = a b1 X 1 b2 X 2 Keterangan :
: Variabel Terikat : Konstanta
b1,b2 : Koefisien Regresi
X1 X2
: Variabel Bebas : Jumlah_barang : Penjualan : Target 1 Menentikan Variabel Dakn Koofisien Regresi Data akan diolah dengan menerapkan data mining dengan menggunakan metode regresi linier berganda dalam proses untuk memprediksi target penjualan.
Data koefisien dibawah ini akan di gunakandalam perhitungan regresi linier berganda untuk mengestimasi penjualan.
Data penjualan tersebut akan siap memproses untuk menghasilkan data khusus yang dapat membentuk menjadi informasi yang bermanfaat.
Table 3.
1 Data Penjualan pada Pilar Outdoor Medan Bulan Jumlah Barang Penjualan Laba Penjualan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Januari Sumber : Toko Pilar Outdoor Medan Table 3.
2 Perhitungan Koefisien Regresi
P-ISSN : 9800-3456
E-ISSN : 2675-9802
X1^2
X2^2
Y^2
Periode Januari 93,025 128,674,992 Februari 62,181,110 Maret
121,782,260
April
79,914,660
Mei
129,734,378
Juni
167,927,906
Juli
56,816,921
Agustus
68,861,783
September 113,565,255 Oktober
120,962,603
November 109,803,154 Desember 115,208,022 Januari 103,856,481 Table 3.
2 Perhitungan Koefisien Regresi (Lanjuta.
X1 * X2
X1 * Y
X2*Y
14,937,375
3,459,768
555,547,913
6,310,395
1,584,986
247,565,273
12,791,643
3,255,473
478,515,833
8,659,928
2,279,573
303,589,890
14,399,253
3,792,903
492,519,314
14,904,189
4,185,660
597,953,294
6,583,979
1,726,133
216,716,413
7,338,639
1,916,907
263,628,693
12,793,102
3,367,517
431,431,171
13,562,472
3,607,442
454,768,707
11,787,552
3,017,866
428,882,712
14,460,990
3,745,992
444,747,939
12,102,900
3,057,300
411,135,513
Untuk memperoleh koefisien regresi a, b1 dan b2 dapat diperoleh dengan cara simultan dari tiga persamaan sebagai berikut :
ycaycu yca1 Oc ycU1 yca2 Oc ycU2 = Oc ycU yca Oc ycU1 yca1 Oc ycU1 yca2 Oc ycU2 = Oc 2ycU1 ycU yca Oc ycU2 yca1 Oc ycUMemasukkan ycU2 yang = Octelah ycU2 ycUdidapat pada ikhtisar yang di peroleh dari Table perhitungan 1 ycU2 yca2 Ocangka Kemudian Koefisien regresi :
a13 b1( 3,.
=132,450 a.
,108,.
b2( 150,632,.
= 38,998,367 a.
,632,.
,620,957,.
=5,327,122,861 kemudian tiga persamaan di atas diselesaikan hingga memperoleh nilai pasa a, b1, dan b2.
langkah-langkah penyelesaiannya adalah sebagai berikut :
Perssamaan 1 dan 2 di eliminasi Jurnal CyberTech.
Vol.
No.
Mei 2018, pp.
P-ISSN : 9800-3456
E-ISSN : 2675-9802
a13 b1( 3,.
=132,450 x1 3,753 a.
,108,.
b2( 150,632,.
= 38,998,367 48789 a .
,085,.
,922,057,.
b2 = 497,084850 48789 a .
,412,.
,958,229,.
b2 = 50,6978,771 -327844 b1 -36171632 b2
= -9893921
Persamaan 4 kemudian persamaan 1 dan 3 di eliminasi a13 b1( 3,.
=132,450 x1 512,137 a.
,632,.
,620,957,.
=5,327,122,861 x2 13 6,657,781 a .
,922,057,.
,286,355,.
b2 = 67,832,810,550 6,657,781 a .
,958,229,.
,074,558,.
b2 = 69,252,866,072 -36,171,632 b1 -5,788,203,626 = -1,420,055,522 Persamaan 5
Lalu persamaan 4 dan 5 di eliminasi
-327844 b1 -36171632 b2
= -9893921
x1 -36,171,632 -36,171,632 b1 -5,788,203,626 = -1,420,055,522 x2 -327,844 11858652521408 b1 -1308386961543420 b2 = 357879269449072 11858652521408 b1 1,897,627829562340 b2 = 465556682554568 589240868018929 b2 = 107677413195496 b2 = 107677413195496 / 589240868018929 b2 = 0.
kemudian masukkan nilai b2 kedalam persamaan 4 dengan mensubsitusikan -327,844 b1 -36,171,632 b2 = -9893921 -327,844 b1 -36,171,632 * .
= -9893921
-327,844 b1 -6,609,975.
60 = -9893921
-327,844 b1 = 6,609,975.
-327,844 b1 = -16503896.
b1 = 16,503,896.
60 : 327,844
b1= 50.
kelima masukkan nilai b1 dan b2 ke persamaan 1 dengan mensubsitusikan.
a13 b1( 3,.
=132,450 a13 .
3411* 3,.
1827*512,.
=132,450
43 = 132,450
58 = 132,450
a13 = 132,450 - 282,497.
a13 = -150,047.
a = 150,047.
6 : 13
a = -11543.
Jadi sekarang telah didapat nilai a, b1, b2 dimana nilai-nilainya adalah sebagai berikut :
a = -11543.
b1 = 50.
b2 = 0.
sehingga menghasilkan persamaan regresi sebagai berikut :
Y = -11543.
3411 X1 0.
1827 X2
Setelah persamaan regresi linier didapatkan , maka untuk mengestimasi penjualan di peroleh dengan mudah.
Dengan memasukkan nilai x1 dan x2 pada periode bulan Februuari 2020 yaitu nilai x1 sebesar 327 dan nilai x2 sebesar maka menghitung mengestimasi pertumbuhan penduduk adalah dengan menggunakan persamaan reggresi linier berganda diiatas, sehingga :
Y = -11543.
3411 X1 0.
1827 X2
Y = -11543.
3411 * .
1827 * 41.
Y = -11543.
Y = 12441.
2642 dikali 1000
Y = 12,441,264
laba penjualan pada bulan februari 2020 Pengujian Sistem Setelah melakukan proses inplemetasi pada interfece program, selanjutnya adalahh uji coba dengan tujuan mengetahui hasil perhitungan pada bab i sesuai dengan hasil yang di tampilkan pada aplikasi.
Adapun memulai pengujian sistem dilakukan pada from data penjualan untuk memasukkan data sampel.
P-ISSN : 9800-3456
E-ISSN : 2675-9802
Gambar : 5.
8 Tampilan Form Data Penjualan Lanjut pada proses perhitungan regresi linier berganda untuk mendapatkan nilai hasil persamaan regresinya.
Dimana hasil nilai persamaan regrsi dihitung sebgai nilai hitungan estimasi untuk menentukan penjualan untuk bulan selanjutnya.
Gambar : 5.
9 Tampilan Form Data Penjualan Kemudian lanjut pada pengujian estimasi pada data penjualan yang baru.
Estimasi target dihitung berdasarkan hasil uji persamaan regresi linier berganda .
Gambar : 5.
10 Tampilan Form Uji Regresi Berikut adalah tampilan laporan hasil yang telah disimpan dari hasil pengujian data penjualan baru.
Jurnal CyberTech.
Vol.
No.
Mei 2018, pp.
P-ISSN : 9800-3456
E-ISSN : 2675-9802
Gambar : 5.
11 Tampilan Form Lporan Hasil
KESIMPULAN
Setelah dilakukan perancaagan program pada bab sebelumnya, maka doperoleh beberapa suatu kesimpulan yaitu sebagai berikut :
Adapun cara untuk mengestimasi penjualan pada toko pilar outdoor medan dengan menggunakan metode regresi linier berganda, yang pertama adalah terlebuh dahulu mengumpulkan data akurat pada tiap bulannya, kemudian data tersebut di kelompokan dan selanjutnya dilakukan pembulatan pada data penjualan perbulannya agar nominal hasil tidak terlalu besar untuk memulai perhitungan.
Untuk menginplementasikan teknik data mining menggunakan regresi linier berganda dalam pemecahan masalah yang terjadi pada toko pilar outdoor medan untuk menentukan target penjualan adalah dengan cara terlebih dahulu tentukan nilai variabel Y.
X1.
X2, selanjutnya hitung nilai dari setiap perpangkatan, lalu hitung menggunakan rumus Y= a b1 X1 b2 X2 A= bn Xn untuk mencari nilai a b1 dan b2, setelah nilai a b2 dan b2 ditentukan saatnya pengujian sempel untuk menentukan prediksi target penjualan yang akan di cari menggunakan rumus Y = a b1 x1 b2 x2.
untuk merencang sebuah sistem estimasi menggunakan teknik data mining menggunakan metode regresi linier berganda dapat menggunakan bahasa pemrograman berbasis desktop atau berupa visual Basic sehingga menjadi aplikasi pengestimasi penjualan pada toko pilar outdoor medan yang dapat digunakan secara cepat dan jauh lebih akurat.
REFERENSI