Oleh :
Nama : MUCHAMMAD SOFYAN
NIM : 97.41010.4148 Program : S1 (Strata Satu) Jurusan : Sistem Informasi
SEKOLAH TINGGI
MANAJEMEN INFORAMATIKA & TEKNIK KOMPUTER
SURABAYA
DAFTAR ISI DAFTAR ISI
ABSTRAKSI... iv
KATA PENGANTAR ...v
DAFTAR ISI ... vii
DAFTAR TABEL ... ix
DAFTAR GAMBAR ... xi
BAB I PENDAHULUAN ...1
1.1. Latar Belakang Masalah ...1
1.2. Perumusan Masalah ...3
1.3. Pembatasan Masalah ...4
1.4. Tujuan ...4
1.5. Sistematika Penulisan...4
BAB II LANDASAN TEORI ...6
2.1. Fuzzy Logic ...6
2.2. Data Mining ...15
2.3. Customer Relationship Management (CRM)...18
2.4. Analisa dan Perancangan Sistem ...23
BAB III METODE PENELITIAN...38
3.1. Analisa Pemasalahan ...38
3.2. Desain Sistem ...39
3.3. Struktur File ...46
3.4. Desain Antarmuka ...52
3.5. Desain Uji coba dan Analisa ...58 Halaman
BAB IV IMPLEMENTASI DAN EVALUASI ...66
4.1. Implementasi Sistem ...66
4.2. Evaluasi ...77
BAB V PENUTUP ...80
5.1. Kesimpulan ...80
5.2. Saran ...80
DAFTAR PUSTAKA ...81
BIODATA PENULIS ...82
LAMPIRAN ...83 Halaman
BAB I PENDAHULUAN
1.1 Latar Belakang
Apotek sebagai penyedia obat-obatan sering kali mengalami kesulitan dalam
pemenuhan permintaan obat-obatan, baik obat atas resep maupun obat bebas. Hal ini
dikarenakan kurangnya informasi tentang transaksi yang ada di apotek itu sendiri, baik
yang berhubungan dengan penyedian jumlah obat, kecenderungan jenis obat yang sering
digunakan oleh para dokter mupun kecenderungan jenis penyakit yang biasa terjadi
dalam masyarakat dilingkungan sekitar apotek.
Apotek harus dapat membedakan jenis obat berdasarkan jenis obat yang sering
digunakan atau diberikan kepada konsumen. Adapun jenis obat dapat dikategorikan
dalam 2 kelompok berdasarkan jumlah transaksinya : yaitu obat jalan dan obat statis. Hal
ini diperlukan untuk peramalan stok obat yang ada di gudang sehingga apotek tidak akan
mengalami kehabisan stok atau kelebihan stok obat.
Hal ini dipandang perlu karena apotek merupakan usaha yang berorientasi bisnis
atau disebut juga perusahaan jasa penyedia obat. Perusahaan adalah suatu himpunan
sumber-sumber yang dapat mendatangkan hasil yang dipercayakan oleh seseorang atau
sekelompok orang yang mempunyai harapan bahwa investasi itu akan memperoleh nilai
tambah (Soerjono seto,1999).
Saat ini Customer Relationship Management (CRM) menjadi bahan utama perbincangan setiap pimpinan, eksekutif dan konsultan manajerial, termasuk juga
bersamaan dengan ide tentang sales force automation dan customization. CRM yang baik menuntut pengertian siapa pelanggan-pelanggannya, apa yang pelanggan suka dan
butuhkan, serta apa yang pelanggan tidak suka (Berry, 2000). Itu berarti seorang apoteker
harus mengantisipasi persediaan obat-obatan sehingga memastikan semua resep yang
masuk dapat dilayani.
Dalam mengolah apotek, seorang apoteker sering mengalami kesulitan dalam
menganalisa dan memahami sekumpulan data yang berhubungan dengan pelanggan
maupun data tentang persediaan obat-obatan. Hal ini disebabkan oleh melubernya
jumlah data yang tidak seimbang dengan kemampuan manusia dalam mengumpulkan dan
menyimpan data-data. Sehingga apoteker memerlukan seorang spesialis yang secara
periodik menganalisa kecenderungan dan perubahan pola distribusi data. Spesialis
bertugas memberikan suatu laporan hasil analisa kepada apoteker selaku eksekutif
sebagai dasar pertimbangan dalam merencanakan atau meramalkan jenis-jenis obat apa
saja yang semestinya lebih diutamakan untuk di stok dalam gudang, sehingga dapat
meminimalkan jumlah pelanggan yang tidak terlayani. Sedangkan untuk dapat melayani
permintaan pelanggan, seorang apoteker harus dibantu seorang spesialis untuk
menganalisa dan memahami kecenderungan perubahan pola pembelian pelanggan.
Dalam menganalisa jenis penyakit yang sering menjadi sindrom bagi pelanggan
yang berada di sekitar apotek dan memahami perubahan pola pembelian obat-obatan
digunakan konsep Data Mining. Data Mining adalah suatu penerapan algoritma tertentu untuk melakukan ekstraksi pola-pola dari data. Data adalah sekumpulan fakta, dan pola
adalah suatu suatu ekspresi dalam beberapa bahasa yang menggambarkan suatu
Mining merupakan suatu tahapan dalam prosess Knowledge Discovery in Databases
(KDD). Data Mining dan KDD banyak digunakan untuk menganalisa database pelanggan guna mengklarifikasikan dan mengidentifikasikan grup-grup pelanggan, serta memprediksikan tingkah laku pelanggan, Business Week (Berry, 1994).
Pada tugas akhir ini akan dikembangkan sistem penggalian data (data mining)
dengan metode fuzzy logic. Konsep fuzzy logic pertama kali diperkenalkan oleh Lotfi Zadeh pada tahun 1965 (Blair,1994). Sebelum fuzzy logic diperkenalkan, orang telah mengenal konsep logika klasik yang membagi sifat parameter menjadi dua hal yang
berlawanan secara tegas, seperti benar atau salah atau 0 dan 1. Konsep fuzzy logic
merupakan konsep yang memetakan suatu variabel pada kemungkinan yang tidak eksak
sehingga dapat menangani sistem linguistik atau permasalahan-permasalahan yang tidak
pasti atau tidak presisi serta permasalahan probabilitas (Kosko, 1992). Dengan fuzzy logic
diharapkan data yang banyak dan beragam ini dapat dikelompokkan, sehingga data
tersebut dapat lebih mudah digunakan dalam melakukan peramalan stok obat-obatan.
1.2 Perumusan Masalah
Berdasarkan pada latar belakang di atas, permasalahan yang akan dibahas dalam
tugas akhir ini, adalah :
1.3 Pembatasan Masalah
Mengingat luasnya permasalahan dalam sistem ini, maka perlu diberikan
batasan untuk lebih memperjelas ruang lingkup permasalahan yang akan dibahas dalam
penelitian Tugas Akhir ini. Batasan-batasan masalah penelitian Tugas Akhir meliputi :
a. Sistem database yang dapat digunakan untuk pengambilan data adalah
Microsoft SQL 7.0 .
b. Bahasa pemrograman yang di gunakan adalah Microsoft Visual Basic 6.0 Enterprise Edition.
c. Sistem informasi apotek yang dibahas meliputi : Maintenance data dokter,
Maintenance data suplier, Maintenance data obat, transaksi pembelian,
transaksi penjualan, dan proses pemolaan transaksi penjualan.
d. Semua transaksi diasumsikan dilakukan dengan pembayaran tunai.
e. Sistem tidak menangani kas apotek, retur pembelian dan retur penjualan.
1.4 Tujuan
Tujuan dari penelitian tugas akhir ini adalah mengembangkan sistem aplikasi
Data Mining untuk mempolakan pembelian obat pada apotek dengan menggunakan metode fuzzy logic.
1.5 Sistematika Penulisan
Dalam buku Tugas Akhir ini, pembahasan mengenai aplikasi yang dibuat dibagi
BAB I : Pendahuluan, yang membahas tentang latar belakang yang menjadi dasar pertimbangan timbulnya permasalahan, perumusan masalah, pembatasan
masalah yang disoroti, dan tujuan pembuatan Tugas Akhir ini.
BAB 2 : Landasan Teori, yang membahas tentang teori-teori yang mendasari perancangan dan pembuatan dari aplikasi ini.
BAB 3 : Metode Penelitian, yang membahas tentang penjelasan timbulnya masalah dan kendala yang ada saat ini, analisa sistem lama dan perancangan sistem yang
akan dibuat yang dijabarkan dengan menggunakan Data Flow Diagran (DFD),
Entity Relational Diagram (ERD) beserta System Flow dari sistem yang baru dibuat beserta penjelasan tentang input dan output.
BAB 4 : Implementasi dan Evaluasi, yang membahas tentang implementasi dan evaluasi dari sistem yang dibuat apakah telah sesuai dengan yang diharapkan.
BAB 5 : Penutup, yang merupakan bab terakhir dari laporan Tugas Akhir ini, terdiri atas kesimpulan yang berisi apakah tugas akhir ini dapat memenuhi tujuannya
yaitu mengembangkan sistem aplikasi Data Mining untuk mempolakan pembelian obat pada apotek “Putra Jaya”, serta saran untuk pengembangan dari
Pada bab ini membahas tentang teori-teori yang mendasari
perancangan dan pembuatan dari aplikasi.
2.1. Fuzzy Logic
Untuk menghitung gradasi yang tidak terbatas jumlahnya antara benar dan
salah, Zadeh mengembangkan ide penggolongan himpunan (set) yang ia namakan himpunan fuzzy (fuzzy set). Tidak seperti logika boolean yang menyatakan bahwa suatu pernyataan adalah benar atau salah, fuzzy logic dapat membaginya dalam derajat keanggotaan dan derajat kebenaran sehingga suatu pernyataan dapat menjadi
sebagian benar dan sebagian salah pada waktu yang sama.
2.1.1. Sejarah fuzzy logic
Fuzzy logic secara resmi diperkenalkan pada tahun 1965, oleh Lotfi Zadeh
(Professor on Systems Theory at University of California, Berkeley) melalui jurnalnya yang berjudul “Fuzzy Set” dalam jurnal Information and Control. Dan dalam paper penting lain yang ditulisnya yaitu “Outline of a New Approach to the Analysis of Complex Systems and Decision Process”, dipublikasikan pada tahun 1973 dalam jurnal IEEE Transactions on System, Man and Cybernetics, menjelaskan mengenai pemikiran fuzzy ( fuzzy reasoning ).
Namun Lotfi Zadeh bukanlah orang yang menciptakan fuzzy logic / logika
fuzzy, karena logika fuzzy telah ada sejak dulu kala. Bisa kita lihat dari teori dari
nilai benar / salah, [ 0,1 ]. Dan jauh sebelum itu, ahli filsafat Yunani kuno, yaitu
Heraclitus dan Anaximander telah mengenal sistem logika ini. (Earl Cox, Fuzzy Logic for Business and Industry,1995).
Dan sejak permulaan abad ke-20, Max Black telah menulis mengenai fuzzy set
dalam penelitiannya mengenai ketidakjelasan (vagueness). Kemudian pertengahan tahun 1930, Jan Lukasiewicz, dimana dikenal sebagai penemu dari notasi tingkah laku
(polish notation), mengembangkan sistem logika yang memperluas nilai kebenaran untuk semua bilangan riil dari 0 sampai 1. Ia menggunakan himpunan bilangan
tersebut mempresentasikan kemungkinan dari pernyataan yang telah diberikan benar
atau salah.
Perkembangan teori Logika Fuzzy telah menarik pakar sistem kendali untuk
memanfaatkannya dalam pengendalian suatu sistem dalam bentuk algoritma -
algoritma automatik yang dapat dinyatakan, seperti dalam pemakaian pengaturan lalu
lintas, sistem transmisi otomatis, alat rumah tangga, industri dan lain-lainnya.
Aplikasi Logika Fuzzy pada industri pertama kali diterapkan setelah tahun
1970 di Eropa. Di Queen Mary College, London, Inggris, Ebrahim Mamdani
menggunakan logika fuzzy untuk mengontrol generator uap, dengan menggunakan
teknik konvensional.
RWTH University of Aachen, Germany, Hans Zimmermann juga
menggunakan logika fuzzy dalam sistem pengambil keputusan (DSS). Dan sampai
2.1.2. Definisi fuzzy logic
Suatu logika dimana mencoba menggabungkan suatu pertidaksamaan dengan
bahasa dengan kejadian alam dengan perhitungan kekuatan komputer untuk
menghasilkan kecerdasan tinggi, kuat dan sistem pemikiran yang fleksibel. Namun
logika fuzzy, dalam kehidupan sehari-hari, cakupannya benar-benar luas. Lapisan
perbedaannya dapat dilihat pada gambar berikut:
Gambar 2.1 Berbagai Aspek dari Fuzzy Logic
Digambarkan yang paling dibawah adalah Fuzzy set Theory, yang menggambarkan ilmu mekanik dari bagaimana fuzzy sets mengatur dan operasi apa yang diijinkan. Logika Fuzzy itu sendiri adalah proses pembuatan kesimpulan logis
dari kumpulan-kumpulan fuzzy set. Dalam banyak aplikasi control dan mesin hal ini digambarkan paling atas, karena tak ada teknologi lain yang dibutuhkan.
Dan yang paling atas adalah approximate reasoning, suatu kombinasi dari logika matematika dan heuristic yang sangat kuat. Approximate reasoning merupakan alat yang digunakan oleh fuzzy expert dan sistem pendukung keputusan dan termasuk didalamnya penentuan batas (hedges) fuzzy set, aturan-aturan (rules), dan bentuk operator.
Approximate reasoning
Fuzzy Logic
2.1.3. Kemampuan fuzzy logic
a. Beroperasi tanpa campur tangan manusia secara langsung, tetapi sama
efektifitasnya dengan kontroller manusia
b. Mampu menangani sistem-sistem yang kompleks, non linier dan tidak
stasioner
c. Strukturnya sederhana dan beroperasi secara real time
d. Dapat melengkapi kekurangan dari model boolean dalam mempresentasikan hal-hal pada dunia nyata
e. Mampu memenuhi kebutuhan untuk memecahkan masalah yg kompleks dan
presisi
f. Kecepatan dalam pengembangan dan kemudahan dalam implementasi
2.1.4. Konsep utama fuzzy logic
A. Prinsip ketidakpastian
Beberapa ilmu matematika terkadang sulit untuk dipastikan, seperti teori
probabilitas, teori informasi, teori fuzzy set. Hal ini bisa diklasifikasikan berdasar tipe
ketidakpastian yang dilakukan. Ada beberapa tipe ketidakpastian, dua diantaranya
adalah Stochastic Uncertainty dan Lexical Uncertainty.
Stochastic Uncertainty berhubungan dengan arah ketidakpastian dari kejadian yang pasti. Sedangkan Lexical Uncertainty merupakan ketidakpastian yang diungkapkan oleh kata-kata manusia, seperti “orang tinggi”, “hari yang panas”.
B. Fuzzy sets
Fuzzy set terdiri atas 3 bagian, dimana sumbu horisontal menunjukkan kumpulan
menghubungkan masing-masing titik dari member dengan derajat membership yang
tepat.
Gambar 2.2 Fuzzy Sets
C. Membership function
Derajat dimana angka teknis bernilai sesuai konsep bahasa dari kondisi variabel
bahasa (linguistic) dinamakan sebagai derajat membership. Untuk variabel berlanjut (continous variable) derajat ini disebut Membership function (MBF).
D. Variabel linguistik
Logika Fuzzy pada dasarnya menitikberatkan pada pengukuran dan penalaran
tentang kekaburan atau bentuk fuzzy yang nampak dalam bahasa alami. Dalam logika
fuzzy bentuk fuzzy dinyatakan sebagai variabel linguistik (disebut juga variabel
fuzzy).
Variabel linguistik adalah bentuk yang digunakan dalam bahasa alami untuk
menggambarkan beberapa konsep yang biasanya mempunyai kekaburan atau nilai Derajat
membership
µ[x]
Set Members (Domain dari Fuzzy Set)
N N+k
0 1
fuzzy. Sebagai contoh dalam pernyataan “Jack adalah muda” menyatakan bahwa
variabel linguistik umur mempunyai nilai linguistik muda.
Range dari nilai kemungkinan sebuah variabel linguistik disebut semesta
pembicaraan dari variabel. Sebagai contoh diberikan range variabel suhu yang
digunakan pada rule 1 antara 0-15 derajat. Kata “suhu rendah” anggota dari semesta
pembicaraan dari variabel. Ini merupakan himpunan fuzzy.
E. Aturan fuzzy
Aturan dari Sistem Logika Fuzzy (Fuzzy Logic System) menggambarkan pengetahuan dari sistem. Mereka menggunakan variabel linguistik sebagai bahasanya,
sebagai contoh untuk mengekspresikan strategi control dari sebuah pengontrol logika
fuzzy. Menjelaskan aturan fuzzy berarti menunjukkan, bagaimana menghitung dengan
konsep linguistik.
2.1.5. Perhitungan fuzzy
Dalam aplikasi kontrol, komputasi fuzzy terdiri atas 3 bagian, yaitu :
A. Fuzzifikasi
Fuzzifikasi berarti menggunakan Membership function dari variabel linguistik untuk menghitung masing-masing derajat kondisi validitas dari angka-angka spesifik
B. Inference
Sistem inferensi fuzzy adalah sistem kerja komputer yang didasarkan pada konsep
teori fuzzy, aturan if-then, dan logika fuzzy. Struktur dasar dari sistem Inferensi Fuzzy terdiri dari basis aturan yang berisi aturan if-then, basis data yang mendefinisikan fungsi keanggotaan dari himpunan fuzzy.
C. Defuzzifikasi
Defuzzifikasi yang mentransformasi hasil fuzzy ke bentuk keluaran yang crisp.
Membership function digunakan dalam menterjemahkan keluaran fuzzy ke bentuk keluaran crisp. Terjemahan kembali disini dapat menggunakan beberapa metode, dimana diantaranya adalah CoM (Center of Maximum) / CoG (Center of Gravity), CoA (Center of Area), MoM (Mean of Maximum), MoM BSUM (Mean of Maximum Bounded Sum).
2.1.6. Himpunan fuzzy
Teori himpunan tradisional menggambarkan dunia sebagai hitam dan putih. Ini
berarti sebuah obyek berada didalam atau diluar himpunan yang diberikan. Dalam
teori himpunan tradisional untuk anggota diberi nilai 1 dan untuk bukan anggota
diberi nilai 0; ini disebut himpunan crisp. Sebagai contoh anggota himpunan orang muda dapat berisi hanya orang yang berumur kurang dari 10. Penggunaan interpretasi
ini pada seseorang yang berulang tahun ke-11, maka orang tersebut bukan anggota
himpunan orang muda.
Himpunan fuzzy memberikan nilai keanggotaan antara 0 dan 1 yang
menggambarkan secara lebih alami sebuah kumpulan anggota dengan himpunan,
atau jika umurnya 13 tahun nilai keanggotaannya 0.1. Dalam contoh ini “umur”
adalah variabel linguistik dan “muda” adalah salah satu himpunan fuzzy.
Definisi himpunan Fuzzy :
Misalkan X semesta pembicaraan, dengan elemen dari X dinotasikan x. Sebuah
himpunan fuzzy A dari X dikarakteristikkan dengan fungsi keanggotaan
]
Pada logika fuzzy, kejadian atau elemen x diberikan nilai keanggotaan dengan
fungsi keanggotaan µ. Nilai ini mempresentasikan derajat keanggotaan elemen x
pada himpunan fuzzy A.
µ۸ (x) = Degree(x∈A)
Nilai keanggotaan dari x berada pada interval :
0 ≤ µ۸(x) ≤ 1
Himpunan fuzzy adalah perluasan dari teori himpunan tradisional. Himpunan
fuzzy menyamakan konsep keanggotaan dengan menggunakan fungsi keanggotaan µ
yang menghasilka nilai antara 0 dan 1 yang mempresentasikan derajat keanggotaan
obyek x pada himpunan A.
2.1.7. Membentuk himpunan fuzzy
Untuk mempresentasikan himpunan fuzzy dalam komputer perlu didefinisikan
fungsi keanggotaannya. Sebagai contoh : orang tinggi. Dapat dinyatakan pada setiap
individu, pada tingkatan mana bahwa mereka yakin seseorang itu dikatakan tinggi.
Setelah mengumpulkan jawaban untuk interval ukuran tinggi, dapat disajikan tingkat
Fungsi ini dapat digunakan sebagai suatu keyakinan (nilai keanggotaan). Bagi
individu yang menjadi anggota himpunan fuzzy dari orang tinggi.
Dengan membentuk fuzzy subset untuk berbagai bentuk fuzzy, dapat dianggap
nilai keanggotaan dari obyek yang diberikan pada setiap himpunan. Pendekatan lain
yang sering ditemukan pada praktek untuk membentuk himpunan fuzzy sangat
berhubungan dengan interpretasi dari seorang ahli. Seperti teknik pengumpulan data,
dapat ditanyakan pada pakar untuk kepercayaannya bahwa berbagai obyek merupakan
bagian himpunan yang diberikan.
2.1.8. Batasan
Dalam pembicaraan normal, manusia mungkin menambahkan kekaburan
untuk memberikan pernyataan dengan menggunakan kata keterangan seperti sangat,
agak. Kata keterangan adalah sebuah kata yang memodifikasi kata benda, kata sifat,
kata keterangan lain, atau keseluruhan kalimat. Sebagai contoh, kata keterangan
memodifikasi kata sifat, “orang itu sangat tinggi”.
Sebuah hedges memodifikasi himpunan fuzzy yang sudah ada secara
matematis untuk menghitung beberapa kata keterangan yang ditambahkan.
2.1.9. Operasi himpunan fuzzy
Terdapat 3 operasi dalam himpunan fuzzy, yaitu :
A. Irisan
Dalam teori himpunan klasik, irisan dari dua himpunan berisi elemen-elemen
yang sama dari keduanya. Dalam himpunan fuzzy, sebuah elemen mungkin
kedua himpunan, tidak dapat dikatakan bahwa sebuah elemen adalah lebih
mungkin menjadi dalam irisan daripada dalam suatu himpunan asli.
B. Gabungan
Cara kedua dari penggabungan himpunan fuzzy adalah gabungannya.
Penggabungan dari dua himpunan adalah terdiri dari dua himpunan adalah terdiri
dari elemen-elemen yang menjadi satu atau dua himpunan. Dalam situasi ini
anggota dari gabungan tidak dapat mempunyai nilai keanggotaan yang kurang dari
nilai keanggotaan yang lain dari himpunan aslinya.
C. Komplemen
Komplemen dari himpunan fuzzy A dinotasikan dengan (~A) dinyatakan
dengan persamaan sebagai berikut :
µ~۸(x) = 1 - µ۸(x)
2.2. Data Mining
Proses pengektrasian informasi yang sebelumnya tidak diketahui, merupakan
hal yang penting dari suatu sumber basis data, dan hal ini dapat dirumuskan untuk
kepentingan bisnis. Data Mining adalah tentang sebuah penemuan hal-hal yang
benar-benar nyata ( discovery of Facts ). Sesuatu yang awalnya tidak saling berhubungan,
tetapi jika dilihat dari sudut yang lebih luas dengan menggunakan kepandaian
2.2.1. Proses data mining :
Pentranformasian data
Seleksi Transformasi “Penggalian” Pemrosesan
Informasi informasi
Gambar 2.3 Proses Data mining
Diagram diatas adalah sebuah gambar proses Data Mining. Diawali dari sebuah
sumber data lalu dilakukan seleksi-seleksi untuk memilih data apa yang akan
dianalisa. Hasil seleksi Data Mining kemudian diubah menjadi bentuk algoritma Data
Mining dapat dilakukan. Hasilnya adalah suatu informasi penting tentang karakteristik
dari data itu sendiri yang akan sangat membantu para pelaku pasar untuk melakukan
tindakan.
Data mining relevan untuk diimplementasikan diberbagai bidang mulai dari
perdagangan / pemasaran, keuangan, pelayanan kesehatan hingga telekomunikasi.
Ada 2 tahap proses data mining yang disesuaikan intuk pencarian informasi :
1. Pencarian awal dilakukan terhadap data untuk menghasilkan informasi yang
benar-benar dibutuhkan. Sumber
Data Data
terekstrasi
Data tertrans formasi
Informasi terintegra si
2. Mengarahkan perhatian pada detil untuk memberikan interpretasi yang lebih jelas
terhadap informasi yang dihasilkan.
Konsep data mining menyediakan kemampuan untuk menganalisa dan
memonitor kecenderungan dan pola pembelian pelanggan. Sehingga dapat
mendukung seorang pakar dalam pengambilan keputusan. Data mining melibatkan
proses yang komplek dan biaya yang tidak sedikit. Agar penggunaan data mining
berlangsung efektif dan efisien harus disiapkan terlebih dahulu lingkup informasi dan
data apa saja yang patut dilibatkan.
Keuntungan data mining :
1. Hasilnya merupakan kumpulan alamiah data berdasarkan kemiripan
2. Jumlah cluster / kelompok yang ingin dihasilkan dapat ditentukan sendiri ( konsep
hirarki )
2.2.2. Pengelompokan
Metode ini pada dasarnya melakukan segmentasi / pengelompokan suatu
populasi data yang heterogen menjadi beberapa subgrup atau cluster yang homogen.
Metode ini dikategorikan kedalam teknik undirect knowledge dan unsupervised learning karena tidak membutuhkan proses pelatihan untuk mengklasifikasi awal data dalam masing-masing grup atau cluster. Selain itu tidak ada perbedaan perlakukan
antara variabel dependen dalam studi kasus ini satu sama lain dan
variable-variabel independen. Record data dikelompokkan berdasarkan kemiripan data antara
satu record dengan record yang lain.
Pengguna harus mengartikan sendiri cluster-cluster yang dihasilkan, karena
itu output metode ini sering kali dijadikan input metode data mining atau pemodelan
data yang lain untuk menghasilkan informasi yang benar-benar siap dipakai untuk
analisa data.
2.2.3. Pengklasifikasian
Klasifikasi merupakan bentuk umum dari data mining. Klasifikasi
menyediakan cara penyediaan obyek dan menggabungkannya menjadi kelas-kelas.
Untuk lebih mudahnya obyek yang kita klasifikasikan secara umum direpresentasikan
dalam satu record didalam suatu database dan pengklasifikasian menyediakan fasilitas
untuk mengupdate setiap record dengan memberikan kode untuk setiap jenis record
yang sama. Walaupun antara clustering dan classification memiliki kemiripan
(kedua-duanya sama-sama melakukan pengelompokan), namun pada dasarnya ke(kedua-duanya
sangatlah berbeda. Kenyataannya kita seringkali harus mempergunakan algoritma
clustering dan algoritma classification secara bersamaan. Pertama-tama kita harus
mempergunakan algoritma clustering untuk menemukan cara terbaik dalam
menentukan kemiripan karakteristik kelompok-kelompok data yang ada. Kemudian
kelompok-kelompok tersebut kita jadikan kelas-kelas. Data yang ada dimasukkan
dengan kelompok-kelompoknya. Akhirnya kita gunakan algoritma classification
untuk menentukan rule atau rumus-rumus untuk menentukan suatu data baru masuk
ke kelas yang mana.
2.3. Customer Relationship Management
Menurut Tourniaire dan Francoise (1993). Customer Relationship
1. Masukkan dari CRM yang terdiri dari pelanggan dan sales.
2. Peralatan yang digunakan oleh Sales Force Automation (SFA).
3. Sesuatu yang berada diantara keduanya, biasanya proses yang terlibat dalam
hubungan manajemen dengan pelanggan.
CRM mempunyai kemampuan dalam menangani kekacauan field, dan beberapa vendor yang mengambil tindakan hanya sedikit memperbaiki teka-teki yang mereka sebut CRM vendor, hal ini menyulitkan untuk menyaring tuntutan yang terus menerus. Dalam penjumlahan, beberapa back-office-system merupakan rangkaian
awal hubungan dengan pelanggan, dan keistimewaan yang lain yaitu menutup CRM
fungsional. Jadi, batasan bukan merupakan potongan keberhasilan mereka. Gambar
dibawah merupakan hasil survei dari fungsional klasik untuk sistem CRM.
Gambar2.4 Elemen dari CRM Sales Force
Automation
Marketing Automation
Support Tracking
Telemarketing/ Telesales Tracking
Product Configuration
Field Service
Knowledge Base
Customer Portal
2.3.1. Sales force automation
Sales force automation (SFA) disebut juga bintang dari tanah lapang, merupakan salah satu driver dari field CRM, dan yang satu lagi adalah wujud dari
support tracking. Karakteristik unik dari SFA adalah keperluan untuk membantu bergerak, memutuskan hubungan pemakai. Dasar dari kebutuhan penjual yaitu
pengambilan informasi akuntansi yang sesuai dengan komputer mereka,
memperbaharui jika pergi dari kantor dan kemudian memuat kembali di dalam
mengambil bagian sistem. Ini disebut juga kekuatan kebersamaan dalam pengambilan
dan pemuatan kejadian yang dapat terjadi dengan cepat serta memelihara atau
mempertahankan data secara konsisten jika terjadi pembaharuan yang berkali-kali.
2.3.2. Telemarketing and telesales tracking
Walaupun Telemarketing and telesales tracking bisa menganggap bagian dari SFA, peralatan untuk operasi Telemarketing and telesales mempunyai sedikit perbedaan kerena telemarketers sering bekerja dari naskah tulisan atau berakhir pada banyak struktur lingkungan sekitar. Mereka tidak membutuhkan bergerak atau
berpindah untuk memutuskan hubungan fungsional. Dalam beberapa jalan, mereka
perlu untuk menutup itu dari support tracking dan tentu saja vendor menutup pusat hubungan yang dapat melayani kedua-duanya di dalam batas dan di luar pusat
hubungan. Bagian fungsional dari aplikasi pusat hubungan adalah Computer telephony integration (CTI), dengan memberikan informasi dalam mengambil bagian diantara sistem telepon dan aplikasi CRM. Keistimewaan dari aplikasi CTI yaitu
oleh menu pilihan dan kemampuan untuk menunjukkan layar yang berisi informasi
panggilan. CTI dapat juga memanipulasi dasar sistem telepon dalam database CRM,
untuk langsung memanggil nomer telepon yang tertera pada layar.
2.3.3. Product configuration
Product configuration atau bentuk wujud dari produk merupakan peralatan yang memberi pemakai kebiasaan yang komplek untuk meneliti keperluan dari
produk tersebut. Bentuk wujud dari produk digunakan untuk pekerjaan yang
membawa urusan di luar hubungan dengan pelanggan, tetapi sekarang menjadi bagian
dari beberapa CRM yang baik.
2.3.4. Marketing automation
Marketing automation sering disebut dengan manajemen kampanye,
Marketing automation memberikan desain, pelaksanaan dan pengaturan dalam kampanye. Tergantung pengalaman dari peralatan, kampanye mungkin menggunakan
bermacam-macam media dan termasuk segmentation dan list management.
2.3.5. Support tracking
Dengan SFA, support tracking merupakan satu lagi sejarah yang penting dari CRM. Dasar support tracking yaitu mengolah data-data sehingga dapat digunakan sebagai dasar dalam pengambilan keputusan. CTI dan sistem komunikasi elektronik
2.3.6. Field service
Field service mempunyai perbedaan keperluan dari pada pelayanan yang mengambil tindakan dari support center.
2.3.7. Knowledge base
Knowledge base fungsional sangat berguna dalam semua area dari fokus fungsi pelanggan. Mereka sesungguhnya mempunyai dua perbedaan tipe dari
fungsional. Yang pertama kemampuan untuk menunjukkan knowledge base kepada pengguna melalui bermacam-macam kemampuan penyelidikan dan yang kedua lebih
penting dalam beberapa jalan walaupun tanpa diskusi yaitu kemampuan untuk
mendukung kreasi dan mempertahankan dokumen.
2.3.8. Customer portal
Web-based akses pelanggan untuk sistem CRM sekarang ini mutlak diperlukan. Dasar customer portal memberikan akses ke knowledge base dan ke sistem request-tracking, tetapi beberapa fungsi yang berpengalaman merupakan harapan termasuk cabang lokasi, pengambilan elektronik, dan komunikasi online. Customer portal dan fungsional sekitarnya suatu saat akan disebut sebagai eCRM dan subsistemnya disebut e-sales, e-marketing atau e-support.
2.3.9. Analytics
Satu manfaat dari CRM adalah mengembangkan kemampuan untuk
memperlihatkan dan menganalisa aktivitas pelanggan. Dari dulu orang miskin sangat
menjual secara terpisah dengan pilihan harga tambahan. Walaupun pemberitahuan
sangat penting, kunci utama kesuksesan untuk analisa adalah mempunyai data yang
baik, jadi pastikan bahwa data yang anda punyai merupakan gambaran dari sistem.
2.4. Analisa dan Perancangan Sistem
2.4.1. Penggunaan DFD
Meskipun suatu analisa yang disebut dengan DFD mempunyai struktur
tersendiri, namun sistem analisa dapat meletakkan secara bersamaan sebuah gambar
yang merepresentasikan seluruh proses-proses data dalam sebuah organisasi.
Pendekatan data flow menitik beratkan pada logika yang tersirat dari suatu sistem (Kendall, and Kendall, 2002).
Dengan menggunakan kombinasi simbol, sistem analisa dapat membuat sebuah
gambaran dari suatu proses yang sebenarnya dengan menggunakan dokumen sistem.
A. Keuntungan pembuatan data flow
Data flow mempunyai lima keuntungan utama dari penjelasan-penjelasan jalannya data dalam sistem, yaitu :
1.Kebebasan yang berasal dari kepercayaan untuk mengimplementasikan secara
benar teknik sistem dari suatu sistem yang baru.
2.Memberikan pengertian dari hubungan sistem-sistem dan subsistem yang ada.
3.Komunikasi mengenai pengetahuan sistem bagi user melalui DFD
4.Analisa dari sebuah usulan sistem untuk menentukan jika data dan proses-proses
5.Penggunaan data flow merupakan keuntungan tambahan yang dapat digunakan sebagai latihan bagi sistem analis, kesempatan sistem analis menjadi lebih baik
untuk mengerti tentang hubungan sistem dan subsistem yang ada didalamnya.
Keuntungan dari kelima penggunaan data flow tersebut dapat digunakan sebagai
tools yang interaktif dengan user. Hal yang menarik dalam penggunaan DFD adalah ditunjukannya kepada user gambaran-gambaran secara lengkap dari sistem. User
dapat menanyakan guna memberikan komentar pada konsep, sistem analis dapat
merubah sistem berdasarkan keinginan user. Keuntungan terakhir dari penggunaan DFD adalah dapat mengikuti sistem analis untuk mendeskripsikan
komponen-komponen yang digunakan dalam suatu diagram. Analisa dapat ditampilkan untuk
menjamin bahwa semua output mempunyai isi atau memperoleh data inputan dari prosesnya.
B. Pembuatan DFD
DFD dapat dan harus digambarkan secara sistematis . Pertama, dibutuhkan
sistem analis untuk mengkonsep data flow, dari atas ke bawah seperti ditunjukkan pada gambar berikut:
Gambar 2.5 Pembuatan DFD
Pembuatan DFD dengan pendekatan dari atas ke bawah
1. Membuat sebuah daftar dari kegiatan bisnis dengan menggunakan beberapa variasi, yaitu :
- Entity luar (external entity) - Data flow
- Proses - Data store
2. Membuat sebuah context diagram dimana ditunjukkan external entity dan data flow ke dan dari sistem.
3. Menggambar diagram level 0, level selanjutnya.
4. Membuat sebuah child diagram untuk tiap-tiap proses pada level 0 5. Pengecekan error
Untuk memulai sebuah DFD dari suatu sistem biasanya dituangkan dalam
sebuah daftar dengan empat kategori yaitu entity luar, arus data, proses, dan
penyimpanan data. Daftar ini akan membantu menentukan batasan-batasan dari suatu
sistem yang akan digambarkan. Pada dasarnya daftar itu berisi elemen-elemen data
yang dikarang. Elemen-elemen tersebut terdiri dari
a.Pembuatan context diagram
Context diagram adalah level yang tertinggi dalam sebuah DFD dan hanya berisi
satu proses serta merupakan representasi dari sebuah sistem. Proses dimulai dengan
penomeran ke-0 dan untuk seluruh entity luar akan ditunjukkan dalam context
diagram yang sama seperti data awal yang dikirim dari entity luar. Context diagram
tidak berisi penyimpanan data.
b.Pembuatan diagram level 0 serta level berikutnya
Diagram level 0 dihasilkan oleh context diagram dan berisi proses-proses.
Pengisian proses-proses yang berlebihan pada level ini akan menghasilkan sebuah
diagram yang salah, sehingga sulit umtuk dimengerti . Masing-masing proses
diberikan penomoran dengan sebuah bentuk integer. Umumnya dimulai dari kiri
atas dan penyelesaiannya di kanan bawah dalam sebuah bentuk diagram.
c.Pembuatan child diagram
Child diagram diberikan nomor yang sama seperti proses diatasnya (parent proses) dalam diagram level 0. Contohnya, proses 3 harus diturunkan ke diagram 3,
proses pada child diagram menggunakan penomoran unik untuk masing-masing proses dengan mengikuti penomoran proses diatasnya . Contohnya, dalam diagram
3 proses-proses diberikan nomor 3.1, 3.2, 3.3 dan seterusnya. Konversi ini diikuti
oleh beberapa level, jika pada proses diagram level 0 digambarkan sebagai 1, 2, ,
dan 3 maka child diagram-diagramnya adalah 1, 2, dan 3 pada level yang sama. Ilustri level detil dengan sebuah child DFD dapat ditunjukkan pada gambar :
Gambar 2.6 Ilustrasi level detil dengan sebuah childDFD
d.Pengecekan kesalahan pada diagram digunakan untuk melihat
kesalahan-kesalahan yang terdapat pada sebuah DFD. Beberapa kesalahan-kesalahan-kesalahan-kesalahan yang
umum terjadi ketika penggambaran / pembuatan DFD, ditunjukkan pada gambar
berikut, adalah :
Kesesuaian data flow
Record A
Data flow dari Parent Process ke Child diagram harus sama
Input B
Entity 2
D1 Data store 1
3
General Process
3.1
Detail Process
Input B
D1 Data store 1
3.1
Detail Process
Gambar 2.7 Pengecekan kesalahan 1
Gambar 2.8 Pengecekan kesalahan 2
Gambar 2.9 Pengecekan kesalahan 3
Semua data flow salah satunya harus berasal atau berakhir pada sebuah proses Sebuah data flow tidak diperbolehkan
mempunyai percabangan / memisahkan diri (flow) ke dalam dua atau lebih data flow yang berbeda
1. Lupa untuk menginputkan sebuah arus data atau arah panah langsung. Sebagai contoh adalah penggambaran proses yang menunjukkan sebuah data flow seperti
input atau seperti output. Tiap-tiap proses pengubahan data harus menerima input
dan output. Tipe kesalahan ini terjadi ketika sistem analis lupa memasukkan sebuah data flow atau meletakkan sebuah arah panah ditempat yang salah.
2. Hubungan penyimpanan data dan entity luar secara langsung satu sama lain. Data
store dan entity tidak mungkin dikoneksikan satu sama lain ; data store dan entity luar harus dikoneksikan melalui sebuah proses.
3. Kesalahan penamaan (label) pada proses-proses atau data flow. Pengecekan DFD untuk memastikan bahwa tiap-tiap objek atau data flow telah diberikan label. Sebuah proses haruslah di indikasikan seperti nama dari sistem atau menggunakan
format kata kerja-kata benda. Tiap data flow haruslah dideskripsikan dengan sebuah kata benda.
4. Memasukkan lebih dari sembilan proses dalam sebuah DFD. Memiliki banyak
proses akan mengakibatkan kekacauan pada diagram sehingga dapat
menyebabkan kebingungan dalam pembacaan sebuah proses dan akan
menghalangi tingkat komunikasi. Jika lebih dari sembilan proses dalam sebuah
sistem, maka beberapa grup dalam proses dilakukan bersama-sama ke dalam
sebuah sub sistem dan meletakkannya dalam sebuah child diagram.
5. Menghilangkan suatu arus data. Pengujian dari suatu diagram yang menunjukkan
garis / arah (flow), dimana untuk setiap proses data flow hanya mempunyai input
arah arus data seringkali digambarkan untuk mengidentifikasikan bahwa diagram
tersebut kehilangan data flow. Seperti di tunjukkan pada gambar :
Gambar 2.10 Kehilangan Data Flow Pada DFD
6. Membuat ketidaksesuiaan komposisi dalam child diagram , dimana tiap child
diagram harus mempunyai input dan output arus data yang sama seperti proses dilevel atasnya (parent proses). Pengecualian untuk rule ini adalah kurangnya
output, seperti kesalahan garis yang ada didalam child diagram.
1 Employee Master Employee
record
Employee time file Hours
worked
Employee
1 Calculate gross pay
Sebuah external entity tidak dikoneksikan ke
data store
Proses 1 tidak punya output
C. Perbedaan DFD
Pada tabel berikut digambarkan perbedaan antara DFD logika dan DFD fisik
Tabel 2.1 Perbedaan DFD Logika Dan Fisik
Disain Logika Fisik
Gambaran
model
Operasi-operasi
bisnis
Bagaimana sistem akan
diimplementasikan (atau bagaimana
sistem dijalankan)
Apa yang
ditampilkan
oleh proses
Aktivitas bisnis Program-program, modul program, dan
prosedur-prosedur manual
dari data yang
dikesampingkan
dari bagaimana data
tersebut di simpan
File-file fisik dan database-database
dari file-file manual
Kontrol
system
Menunjukkan
kontrol-kontrol
bisnis
Menunjukkan kontrol-kontrol untuk
validasi input data, untuk memperoleh sebuah record , untuk memastikan kesuksesan proses dan untuk keamanan
2.4.2 Desain input
Bentuk-bentuk desain secara khusus mungkin dapat digunakan jika suatu
analisa sistem dapat disesuaikan dengan bentuk desain secara lengkap dan
bermanfaat. Hal itu juga penting untuk mengenalkan secara dini desain yang
digunakan, arus data atau bentuk-bentuk yang tidak digunakan pada sumber-sumber
suatu organisasi dan itu harus dihilangkan. Untuk mendesain form-form yang baik
harus diterapkan antara lain :
1. Membuat form-form tersebut mudah dalam pengisiannya.
2. Memastikan form-form tersebut sesuai dengan tujuan untuk masing-masing
desain.
3. Desain form digunakan untuk menjamin kelengkapannya.
4. Mempertahankan form-form yang menarik.
2.4.3. Desain output
Output merupakan sebuah informasi yang dikirim kepada user melalui suatu sistem informasi (seperti : Internet, Extranet, dan WWW). Beberapa data yang
dibutuhkan diproses secara teliti sebelum dinyatakan layak sebagai sebuah output, penyimpanan data lain, dan ketika data-data tersebut dibutuhkan kembali, data-data
tersebut berupa output yang membutuhkan proses yang sedikit. Output dapat diambil dari beberapa bentuk yaitu : bentuk laporan yang dihasilkan printer dan tampilan layer
computer, mikrofon (suara).
mencoba untuk mencapai suatu desain output yang tepat. Objek-objek tersebut antara
lain :
a. Desain output untuk melayani sebuah tujuan tertentu. b. Pembuatan output yang disesuaikan bagi kebutuhan user. c. Pengiriman sejumlah output
d. Pengelolaan distribusi output
e. Pengelolaan waktu output
f. Penyesuain metode ouput yang paling efektif.
2.4.4. Desain database A. Bentuk database dan file
Ada dua bentuk pendekatan pada proses penyimpanan data dalam sebuah
sistem komputer. Metode pertama adalah untuk menyimpan file-file tunggal,
masing-masing dengan bentuk unik untuk berbagai macam aplikasi. Pendekatan yang kedua
adalah untuk menyimpan data dalam sebuah sistem komputer dengan melibatkan
pembuatan sebuah database. Sebuah database merupakan sebuah pendefinisian normal dan merupakan pusat penyimpanan dari data tertentu yang digunakan dalam
beberapa aplikasi yang berbeda.
B. Database
adalah DBMS (Database Management Sistem), dimana diikuti dengan kreasi, modifikasi, dan perubahan (update) dari database.
C. Konsep-konsep data
Hal ini sangat penting untuk dimengerti bagaimana data dipresentasikan
kembali sebelum memutuskan penggunaan file atau database. 1. Realita data dan Meta data
Hubungan antara realita, data dan meta data yaitu didalamnya terdapat entity
dan attribut (realita), record dan item data (data), definisi record dan definisi item data (meta data). Ditunjukkan pada gambar berikut :
Gambar 2.11 Hubungan Antara Realita, Data, dan Meta data
dimana :
- Entity Merupakan beberapa obyek atau kejadian tentang dimana dapat
mencocokkan koleksi data sebagai sebuah entity. Entity juga dapat berupa sebuah
kejadian atau unit dari satu waktu.
- Relationship Merupakan hubungan antara entity, adapun tipe-tipe dari
relationship antara lain (1) one to one (1:1), (2) one to many (1:M), dan (3) many to many (M:N).
Entities
Record
Occurrences
Record
Definitions
Item data
Occurrences
Item data
Definitions
- Attribut Merupakan sebuah karakteristik dari sebuah entity.
- Record Merupakan suatu kumpulan dari item-item data yang secara umum merupakan penjelasan umum dari entity.
2. Meta data
Meta data merupakan data dimana dijelaskan tentang data file atau database. Meta data menjelaskan pemberian nama dan menunjukkan panjang dari
masing-masing item data. Meta data juga menjelaskan panjang dan komposisi dari tiap-tiap
record.
3 Kelompok file
Sebuah file berisi grup-grup dari record yang digunakan untuk melengkapi informasi untuk suatu operasi-operasi, perencanaan, manajemen, dan pembuatan
keputusan. Tipe-tipe dari file yang digunakan antara lain :
a. File master : berisi record-record dari sebuah kelompok entity. b. File tabel : berisi data yang digunakan.
c. File-file transaksi : digunakan untuk mengisi perubahan (update) sebuah
file master dan laporan-laporan.
d. Work file : digunakan untuk menjalankan program agar lebih efektif.
D. Kumpulan database
1. Data fisik dan logika (Physical and Logical) 2. Hierachical
3. Struktur jaringan data
4. Struktur hubungan data
E. Normalisasi
Normalisasi merupakan perubahan dari user yang ditampilkan secara lengkap dan simpanan data untuk ukuran dari yang terkecil, serta merupakan struktur-struktur
data yang stabil. Normalisasi dibutuhkan untuk mengorganisir data dan menghindari
redudansi data (data double). Ada tiga bentuk normalisasi, yaitu :
1.First Normal Form (1NF)
Langkah pertama ini terdapat pada sebuah relasi normalisasi yang digunakan untuk
menghilangkan (menghapus) grup-grup yang berulang.
2.Second Normal Form (2NF)
Pada bentuk normal yang kedua, seluruh attribut yang ada akan difungsikan
tergantung pada PK (Primary Key). 3.Third Normal Form (3NF)
Sebuah relasi penormalisasian yang ketiga adalah jika seluruh yang bukan kunci
(PK) dari semua attribut seluruhnya difungsikan bergantung pada PK dan attribut
2.4.5. Desain user interface
Bagaimanapun baik atau buruknya suatu tampilan, hal itu berpengaruh pada
keberadaan representasi sebuah sistem. Desain terdiri dari :
a. Tipe-Tipe User Interface
Beberapa peebedaan terdiri dari penjelasan User Interface, bahasa yang digunakan pada suatu tampilan, jawaban dan pertanyaan dari suatu tampilan,
menu-menu, tampilan bahasa yang digunakan, tampilan bentuk isian, GUIs (Graphical User Interface) dan variasi dari web Interface (untuk program internet).
b. Tampilan Bahasa
Tampilan bahasa sering kali digunakan unruk percobaan bagi user guna dapat berinteraksi dengan Komputer.
c. Tampilan Tanya Jawab
Dalam tampilan tanya jawab, tampilan computer merupakan sebuah
pertanyaan bagi user, untuk berinteraksi user memasukkan sebuah pertanyaan
(melalui tombol keyboard atau mouse) dan computer memberikan aksinya pada suatu
informasi output.
d. Menu-Menu
Sebuah tampilan menu menyediakan tempat bagi user untuk melihat
nama-nama dari daftar pada form tampilan.
e. Tampilan Bentuk Isian / Bentuk Input dan Output
Tampilan bentuk isian terdiri dari bentuk-bentuk dalam layer atau bentuk form
yang menampilkan isian-isian field item data atau parameter-parameter yang dibutuhkan untuk dikomunikasikan oleh user.
Sebuah tampilan perintah bahasa mengizinkan user untuk mengontrol sebuah aplikasi dengan sebuah deretan tombol kunci dan perintah-perintah. Bahasa perintah
Pada bab ini membahas tentang implementasi dan evaluasi dari sistem yang
dibuat apakah telah sesuai dengan yang diharapkan.
4.1. Implementasi Sistem
Tahapan ini merupakan pembuatan perangkat lunak yang disesuaikan dengan
rancangan atau desain sistem yang telah dibuat. Program yang dibuat akan diterapkan
berdasarkan kebutuhan pemakai.selain itu program ini akan dibuat sedemikian rupa
sehingga sistem informasi ini dapat digunakan dengan mudah.
4.1.1 Instalasi program
a. Kebutuhan Perangkat Lunak (Software)
Perangkat lunak yang dibutuhkan dalam membangun sistem aplikasi, yaitu :
1. Sistem Operasi Windows 9x dan Xp
2. Bahasa pemrograman Visual Basic 6
3. Microsoft SQL Server 7.0
b. Kebutuhan Perangkat Keras (Hardware)
1. Processor minimal Pentium II
2. Memory 128 Mb Bus 100
3. Hard Disk 4,3 Gb
4. VGA 8 MB
c. Instalasi
Untuk proses instalasi program ada beberapa tahap yang harus dilakukan
agar sistem dapat bekerja dengan baik. Tahapan-tahapan tersebut, yaitu :
1. Install sistem operasi Windows yang akan digunakan
2. Install Microsoft SQL Server 7.0 untuk database
3. Install ActiveX
4.1.2 Aplikasi program
Pada saat program pertama kali dijalankan Form Menu utama akan muncul
pertama kali pada layar. Form ini Merupakan tampilan utama dari sistem . Menu
utama terbagi dalam 4 ( empat ) kelompok menu yaitu :
a. Menu File
b. Menu Master Data
c. Menu Transaksi
d. Menu Fuzzy
A. Menu File
1. Form About, berfungsi untuk menjelaskan tentang judul dan objek yang penulis
buat beserta identitas penulis.
Gambar 4.2 Form About
2. Tombol Exit, berfungsi untuk keluar dari aplikasi .
B. Menu Master Data
1. Form Dokter, berfungsi untuk menginputkan nama-nama dokter yang berhubungan
dengan apotek. Form Dokter mempunyai field kode dokter, nama, alamat, kota,
kode pos , nip dan keterangan. Pada form ini juga terdapat tombol Baru untuk membuat atau menginputkan data-data dokter. Ubah untuk mengubah data-data dokter. Hapus untuk menghapus data-data dokter yang telah diinputkan.Simpan
Gambar 4.3 Form Dokter
2. Form Suplier, berfungsi untuk menginputkan nama-nama Suplier yang
berhubungan dengan apotek. Form Suplier mempunyai field kode Suplier, nama,
alamat, kota, kode pos , telpon1, telpon2, fax dan keterangan. Pada form ini juga
terdapat tombol Baru untuk membuat atau menginputkan data-data Suplier. Ubah
untuk mengubah data-data suplier. Hapus untuk menghapus data-data suplier yang telah diinputkan. Simpan untuk menyimpan data-data suplier yang telah diinputkan. Keluar untuk keluar dari form dan tombol Awal, Akhir, sebelum, sesudah, untuk melihat record pada aplikasi.
3. Form Tipe Produk, berfungsi untuk menginputkan tipe produk yang berhubungan
dengan apotek. Form tipe produk mempunyai field tipe produk id, nama tipe
produk dan keterangan. Pada form ini juga terdapat tombol Baru untuk membuat atau menginputkan tipe produk. Ubah untuk mengubah data tipe produk. Hapus
untuk menghapus data-data tipe produk yang telah diinputkan. Simpan untuk menyimpan data-data tipe yang telah diinputkan. Keluar untuk keluar dari form dan tombol Awal, Akhir, sebelum, sesudah, untuk melihat record pada aplikasi.
Gambar 4.5 Form Tipe Produk
4. Form Standart Satuan, berfungsi untuk menginputkan standart satuan yang
berhubungan dengan apotek. Form standart satuan mempunyai field id standart
satuan dan keterangan. Pada form ini juga terdapat tombol Baru untuk membuat atau menginputkan standart satuan. Ubah untuk mengubah data standart satuan.
Hapus untuk menghapus data-data standart satuan yang telah diinputkan. Simpan
Gambar 4.6 Form Standart Satuan
5. Form Produk, berfungsi untuk menginputkan data-data produk yang berhubungan
dengan apotek. Form produk mempunyai field produk id, tipe produk idn nama
produk, saldo awal, nilai awal, saldo total, standart satuan id, nama satuan,
konversi, nama pabrik dan keterangan. Pada form ini juga terdapat tombol Baru
untuk membuat atau menginputkan produk. Ubah untuk mengubah data produk.
Hapus untuk menghapus data-data produk yang telah diinputkan. Simpan untuk menyimpan data-data produk yang telah diinputkan. Keluar untuk keluar dari form dan tombol Awal, Akhir, sebelum, sesudah, untuk melihat record pada aplikasi.
6. Form Harga Produk, berfungsi untuk menginputkan data-data harga produk yang
berhubungan dengan apotek. Form produk mempunyai field harga produk id,
produk id, tipe produk id, tnggal mulai dan harga produk. Pada form ini juga
terdapat tombol Baru untuk membuat atau menginputkan harga produk. Ubah
untuk mengubah data harga produk. Hapus untuk menghapus data-data harga produk yang telah diinputkan. Simpan untuk menyimpan data-data harga produk yang telah diinputkan. Keluar untuk keluar dari form dan tombol Awal, Akhir, sebelum, sesudah, untuk melihat record pada aplikasi.
Gambar 4.8 Form Harga Produk
C. Menu Transaksi
1. Form Transaksi Pembelian, berfungsi untuk mencatat transaksi pembelian obat dan
Pada form ini terdapat field- field no transaksi, tanggal transaksi, kode suplier,
status penerimaan, sub total pembelian, diskon pembelian, ppn, total pembelian
tombol Baru , kemudian inputkan field-field yang ada lalu tekan tombol Simpan, tanggal transaksi muncul sesuai dengan tanggal sistem pada saat transaksi
dilakukan. Form ini juga terdapat tombol Ubah untuk mengubah data-data transaksi pembelian, Hapus untuk menghapus data-data transaksi pembelian,
Batal untuk melakukan pembatalan waktu pencatatan transaksi, Keluar untuk keluar dari form transaksi pembelian dan juga Ada tombol Awal, Akhir, Sesudah, Sebelum untuk melihat record- record inputan yang ada pada detil transaksi
pembelian
Gambar 4.9 Form Transaksi Pembelian
2. Form Transaksi Penjualan, berfungsi untuk mencatat transaksi penjualan obat dan
Pada form ini terdapat field- field no transaksi, tanggal transaksi, status barang
siap, tipe pejualan, kode dokter, no resep, tanggal resep, no copy resep, nama
pelanggan, alamat, kota, kode pos, sub total penjualan, ppn, total penjualan dan
SSDB Grid detil transaksi penjualan.. Dimana untuk menginputkan pilih tombol
Baru , kemudian inputkan field-field yang ada lalu tekan tombol Simpan, tanggal transaksi muncul sesuai dengan tanggal sistem pada saat transaksi dilakukan.
penjualan, Hapus untuk menghapus data-data transaksi penjualan, Batal untuk melakukan pembatalan waktu pencatatan transaksi, Keluar untuk keluar dari form transaksi penjualan dan juga Ada tombol Awal, Akhir, Sesudah, Sebelum untuk melihat record- record inputan yang ada pada detil transaksi pembelian
Gambar 4.10 Form Transaksi Penjualan
D. Menu Fuzzy
1. Form Master Fuzzy terbagi menjadi 4 bagian yaitu Bahasa Fuzzy jumlah transaksi,
bahasa fuzzy jumlah barang, bahasa fuzzy keputusan dan aturan fuzzy yang akan
digunakan untuk menganalisa data sehingga didapatkan suatu output.
a. Bahasa Fuzzy jumlah transaksi berisi tentang kategori jumlah transaksi
yang akan digunakan dan terbagi menjadi tiga kategori yaitu tinggi, sedang
dan rendah.
Gambar 4.11 Form Bahasa Fuzzy Jumlah Transaksi
b. Bahasa Fuzzy jumlah barang berisi tentang kategori jumlah barang yang
akan digunakan dan terbagi menjadi tiga kategori yaitu tinggi, sedang dan
rendah.
Gambar 4.12 Form Bahasa Fuzzy Jumlah Barang
c. Bahasa Fuzzy keputusan berisi tentang kategori keputusan yang akan
digunakan dan terbagi menjadi tiga kategori yaitu tinggi, sedang dan
Gambar 4.13 Form Bahasa Fuzzy Keputusan
d. Aturan Fuzzy berisi aturan-aturan yang digunakan dalam menganalisa data
yang selanjutnya dianalisa untuk menghasilkan suatu keputusan
Gambar 4.14 Form Aturan Fuzzy
2. Form Analisa Fuzzy berisi tabel hasil analisa yang terbagi menjadi tiga bagian
yaitu kode produk, nama-nama produk dan bulan-bulan. yang sudah dianalisa.
Gambar 4.15 Form Analisa Fuzzy
4.2 Evaluasi
Tahap ini merupakan tahap pengujian apakah aplikasi yang telah dibuat dapat
diterapkan sesuai dengan tujuan yang diharapkan. Kekurangan atau kelemahan sistem
pada tahap ini akan dievaluas sebelum diimplementasikan secara riil.
Berikut ini hasil uji coba sistem pada apliksi yang telah dilakukan
Tabel 4.1. Tabel Hasil Uji Coba Sistem
Test
Case ID Tujuan Input
Output Yang Di harapkan
Mengisi kode dokter = D01, nama = Dr. Agus Susetyo, alamat = Jl. Pahlawan 15 Kota = Gresik, Kode pos = 61116, keterangan = dokter umum nip = 123/
Kandep/SipG/U/II/1996
Database akan berisi kode dokter = D01, nama = Dr. Agus Susetyo, alamat = Jl. Pahlawan 15 Kota = Gresik, Kode pos = 61116, keterangan = dokter umum nip = 123/ Kandep/SipG/U/II/1996
Database akan berisi kode dokter = D01, nama = Dr. Agus Susetyo, alamat = Jl. Pahlawan 15 Kota = Gresik, Kode pos = 61116, keterangan = dokter umum nip = 123/
Mengisi kode dokter = D02, nama = Drg.Hj. Nurul Ruqaijah, alamat = Jl. Reden Santri 8 Kota = Gresik, Kode pos = 61116, keterangan = Dokter Gigi nip = 011/ Kandep/SipG/G/1989
Database akan berisi kode dokter = D02, nama = Drg.Hj. Nurul Ruqaijah, alamat = Jl. Reden Santri 8 Kota = Gresik, Kode pos = 61116, keterangan = Dokter Gigi nip = 011/ Kandep/SipG/G/1989
Test
Mengisi kode Suplier = S01, nama = PT. Pharos, alamat = Jl Tri Dharma 8 Kota = Gresik, Telp1 = (031)3975990, telp2 = (031)3975991, Fax = (031)3975990
Database akan berisi kode Suplier = S01, nama = PT. Pharos, alamat = Jl Tri Dharma 8 Kota = Gresik, Telp1 = (031)3975990, telp2 = (031)3975991, Fax = (031)3975990
Database akan berisi kode Suplier = S01, nama = PT. Pharos, alamat = Jl Tri Dharma 8 Kota = Gresik, Telp1 = (031)3975990, telp2 = (031)3975991, Fax = (031)3975990
Mengisi kode Suplier = S02, nama = PT. Phapros, alamat = Jl. Mayjend Sungkono Cris Kencana blok H2, Kota = Surabaya, Telp1 = (031)5671348, Fax = (031)5671348
Database akan berisi kode Suplier = S02, nama = PT. Phapros, alamat = Jl. Mayjend Sungkono Cris Kencana blok H2, Kota = Surabaya, Telp1 = (031)5671348, Fax = (031)5671348
Database akan berisi kode Suplier = S02, nama = PT. Phapros, alamat = Jl. Mayjend Sungkono Cris Kencana blok H2, Kota = Surabaya, Telp1 = (031)5671348, Fax = (031)5671348
Mengisi StdSatuanID = SS01, keterangan = Kemasan Per Strip 4 Tablet
Database akan berisi StdSatuanID = SS01, keterangan = Kemasan Per Strip 4 Tablet
Database akan berisi StdSatuanID = SS01, keterangan = Kemasan Per Strip 4 Tablet
6 Menambah
Mengisi StdSatuanID = SS02, keterangan = Kemasan Per Strip 10 Tablet
Mengisi StdSatuanID = SS02, keterangan = Kemasan Per Strip 10 Tablet
Mengisi StdSatuanID = SS02, keterangan = Kemasan Per Strip 10 Tablet
Tekan tombol “ubah data” pada data dengan StdSatuanID = SS01, isi nama satuan = box, konversi = 40, nama satuan = Karton, konversi = 400, nama satuan = strip, konversi = 4, nama satuan = tablet, konversi = 1
Database
MstStdSatuanDetil dengan StdSatuanID = SS01, akan berisi nama satuan = box, konversi = 40, nama satuan = Karton, konversi = 400, nama satuan = strip, konversi = 4, nama satuan = tablet, konversi = 1
Database
MstStdSatuanDetil dengan StdSatuanID = SS01, akan berisi nama satuan = box, konversi = 40, nama satuan = Karton, konversi = 400, nama satuan = strip, konversi = 4, nama satuan = tablet, konversi = 1 keterangan = Obat Resep
Database akan berisi TipeProdukID = TP01, NamaTipeProduk = Antibiotikum, keterangan = Obat Resep
Database akan berisi TipeProdukID = TP01, NamaTipeProduk = Antibiotikum,
Test
Case ID Tujuan Input
Output Yang Di harapkan Anti radang mata, keterangan = Obat bebas
Database akan berisi TipeProdukID = TP02, NamaTipeProduk = Anti radang mata, keterangan = Obat bebas
Database akan berisi TipeProdukID = TP02, NamaTipeProduk = Anti radang mata, keterangan = Obat bebas
10 Menambah
transaksipemb elian pada data base
Database brisi No=1, tipe produk=TP01.04,kode
Database brisi No=1, tipe alan pada data base
Database brisi No=1, tipe produk=TP01.04,kode
Database brisi No=1, tipe 12 Menganalisa
tingkan
Transaksi pada bulan agustus
Dari data base keluar dengan kategori Rendah.
Dari data base keluas dengan kategori Rendah.
Kesimpulan yang dapat diambil dari pembuatan sistem ini, adalah :
Berdasarkan uji coba yang dilakukan sistem berjalan sesuai dengan yang diharapkan
dan data mining dengan algoritma fuzzy logic dapat mengklasifikasikan data-data
transaksi obat di apotek “Putra Jaya” untuk menghasilakan pola distribusi penjualan
obat per tipe obat per bulan. Sehingga, kebutuhan apotek “Putra Jaya” untuk dapat
BAB V PENUTUPV Penutup
5.1 Kesimpulan
Dari hasil pembuatan sistem yang baru dapat diambil kesimpulan :
Berdasarkan uji coba yang dilakukan sistem berjalan sesuai dengan
yang diharapkan dan data mining dengan algoritma fuzzy logic dapat
mengklasifikasikan data-data transaksi obat di apotek “Putra Jaya” untuk
menghasilakan pola distribusi penjualan obat per tipe obat per bulan. Sehingga,
kebutuhan apotek “Putra Jaya” untuk dapat meramalkan kebutuhan stok obat per
bulan dapat direalisasikan
.
5.2 Saran
Adapun saran untuk pengembangan lebih lanjut dari penulisan tugas
akhir ini adalah :
Sistem aplikasi ini dapat dikembangkan lebih lanjut dengan
menggunakan metode lain untuk mendeteksi serta meramalkan pembelian obat
dengan melakukan analisa terhadap data transaksi penjualan sehingga dapat
dijadikan sebagai pertimbangan untuk proses pengambilan keputusan.
DAFTAR PUSTAKA
Berson, Alex & J. Smith, Stephen, 2001, Data Warehousing, Data Mining, & OLAP,
McGraw-Hill, Singapore
Fuzzy Team, Belajar Logika Fuzzy, Laboratorium Mikroelektronika ITN Malang
Kendall, and Kendall, Copyright © 2002, 1999, 1995, 1992, Systems analysis And Design, by Pearson Education, Upper Saddle River, New Jersey.
Kosko, Bart,1992, Neural Networks and Fuzzy System : A Dynamical System Application to Machine Intelligence., Prentice Hall, inc.
P. Bigus, Joseph,1996, Data Mining With Neural Network, McGraw-Hill, United State of America
Tourniaire, Francoise, 1993, Just Enough Customer Relationship Management, Prentice Hall, Inc.
