Implementasi data mining pada penjualan obat di pt. sanbe farma menggunakan metode analisis korelasi

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)

1

Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033

IMPLEMENTASI DATA MINING PADA PENJUALAN OBAT DI PT.

SANBE FARMA MENGGUNAKAN METODE ANALISIS KORELASI

Wydiyanto,Adam Mukaharil Bachtiar2

1_{Teknik Informatika - Universitas Komputer Indonesia}

Jl. Dipati Ukur No. 112-116, Bandung 40132

2_{Teknik Informatika - Universitas Komputer Indonesia}

Jl. Dipati Ukur No. 112-116, Bandung 40132 E-mail : wydi83@yahoo.com1 _{, adammb@outlook.com}2

ABSTRAK

Perusahaan Sanbe Farma selalu menaikkan target penjualan setiap bulannya. Untuk meningkatkan penjualan demi memenuhi target penjualan, divisi pemasaran dapat mengendalikan faktor yang mempengaruhi penjualan yang disebut juga marketing mix. Faktor-faktor tersebut adalah faktor produk, harga, saluran distribusi, dan promosi.

Korelasi atau hubungan dari faktor-faktor tersebut terhadap penjualan dapat dijadikan suatu informasi yang berguna bagi perusahaan untuk menentukan faktor yang perlu ditingkatkan atau dikurangi. Salah satu cara untuk mendapatkan informasi hasil analisis tersebut adalah data mining

karena salah satu fungsi dari data mining adalah untuk melakukan analisis korelasi. Ada dua jenis korelasi yang dapat dianalisis pada penelitian ini, yaitu hubungan satu ke satu (bivariat) dan hubungan banyak ke satu (multivariat). Berdasarkan datanya yang kuantitatif, maka algoritma yang digunakan adalah produk momen Pearson (bivariat) dan regresi linear berganda (multivariat).

Analisis korelasi menggunakan algoritma produk momen Pearson dan regresi linear berganda memberikan hasil yang baik. Oleh karena itu, hasil dari analisis korelasi pada penjualan obat di PT. Sanbe Farma ini bisa dijadikan referensi dalam meningkatkan atau mengurangi suatu faktor yang mempengaruhi penjualannya.

Kata kunci : data mining, analisis korelasi, penjualan, bivariat, multivariat

1. PENDAHULUAN

PT. Sanbe Farma merupakan grup perusahaan farmasi yang melaksanakan pengembangan formulasi, produksi, dan penjualan obat yang aman dan berkualitas tinggi. PT. Sanbe Farma saat ini telah memproduksi 300 jenis obat yang bervariasi. Seluruh obat Sanbe Farma dipasarkan melalui penyalur tunggal, yaitu PT. Bina San Prima. Banyaknya data obat dan transaksi di perusahaan

dapat dimanfaatkan untuk menghasilkan suatu informasi yang berguna untuk kemajuan perusahaan di masa mendatang.

Dalam pemasarannya, PT. Sanbe Farma memiliki divisi khusus, yaitu divisi pemasaran. Divisi pemasaran berperan penting dalam menentukan kemajuan perusahaan dengan meningkatkan pendapatan perusahaan. Namun, divisi pemasaran kesulitan dalam mendapatkan faktor yang tepat untuk meningkatkan penjualan. Selain itu, tanpa adanya analisis penjualan, sulit mengetahui apakah bisnis yang dijalankan sudah baik atau tidak. Dalam upaya memajukan perusahaan dan memenuhi target penjualan, divisi pemasaran perlu melakukan kegiatan analisis terhadap permasalan tersebut.

Tingkat volume penjualan dipengaruhi oleh beberapa faktor. Terdapat empat faktor dalam kebijaksanaan pemasaran, yaitu Produk (Product), Harga (Price), Saluran Distribusi (Place), dan Promosi (Promotion) [1]. Keempat faktor ini berperan penting dalam menentukan baik buruknya penjualan. Oleh karena itu, perusahaan harus teliti dan berhati-hati dalam menentukan ataupun merubah nilai faktor-faktor tersebut. Untuk membantu perusahaan agar mengetahui setiap hubungan dan besar pengaruhnya dari faktor-faktor tersebut terhadap penjualan, dibutuhkan analisis lebih lanjut menggunakan metode khusus.

Data mining dapat digunakan untuk membantu perusahaan dalam menemukan informasi dalam data penjualan. Data mining merupakan suatu proses yang interaktif atau terotomatisasi untuk menemukan pola (pattern) data dan memprediksi kelakuan (trend) di masa mendatang berdasarkan pola data tersebut [3]. Data mining bukanlah suatu bidang yang sama sekali baru karena telah mewarisi banyak aspek dan teknik dari bidang-bidang ilmu yang sudah mapan terlebih dulu. Data mining

memiliki akar yang panjang dari bidang ilmu seperti kecerdasan buatan (artificial intelligent), machine learning, statistik, database, dan juga information retrieval [4].

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)

2

Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033

tujuannya. Pada penelitian ini, peneliti menggunakan teknik analisis korelasi. Istilah korelasi dan regresi sering digunakan secara bergantian, padahal tujuannya berbeda. Analisis korelasi digunakan untuk mengukur kedekatan hubungan dua variabel atau lebih yang diskala secara interval sedangkan analisis regresi digunakan untuk memperoleh persamaan yang menunjukkan hubungan linier antara dua atau lebih variabel [5].

1.1Pemasaran

Pemasaran adalah suatu proses penjualan dan manajerial yang digunakan individu, rumah tangga ataupun organisasi untuk memperoleh kebutuhan dan keinginan mereka dengan cara menciptakan dan mempertukarkan produk dan nilai dengan pihak lain. Prinsip pemasaran mengatakan bahwa pencapaian tujuan suatu organisasi tergantung pada seberapa mampu perusahaan tersebut memahami kebutuhan dan keinginan pelanggannya dan memenuhinya dengan cara yang lebih efisien dibanding pesaing [8].

Di dalam pemasaran terdapat bauran pemasaran (marketing mix) atau disebut juga 4P. Bauran pemasaran adalah alat-alat yang bisa dikontrol oleh perusahaan dan diarahkan untuk memperoleh respons yang diinginkan dari pasar sasaran [8]. Empat bauran pemasaran tersebut adalah sebagai berikut :

1. Produk (product)

Produk adalah barang atau jasa yang bisa ditawarkan di pasar untuk mendapatkan perhatian, permintaan, pemakaian, atau konsumsi yang dapat memenuhi keinginan atau kebutuhan. Tugas bagian pemasaran adalah menyesuaikan kemampuan produksi perusahaan dengan keinginan pasar (konsumen).

2. Harga (price)

Harga adalah sejumlah kompensasi (uang maupun barang, kalau mungkin) yang dibutuhkan untuk mendapatkan sejumlah kombinasi barang atau jasa. Penentuan harga merupakan keputusan penting bagi manajemen perusahaan karena harus dapat menutup biaya produksi ditambah besarnya laba yang diinginkan.

3. Saluran distribusi (place)

Saluran distribusi adalah saluran yang digunakan oleh produsen untuk menyalurkan produk sampai ke konsumen atau berbagai aktivitas perusahaan yang mengupayakan agar produk sampai ke tangan konsumen. Manajer pemasaran perlu berhati-hati dalam menyeleksi dan menentukan jumlah penyalur. Bila jumlahnya terlalu sedikit menyebabkan penyebaran produk kurang luas, sedangkan jumlah yang terlalu banyak menyebabkan pemborosan waktu.

4. Promosi (promotion)

Promosi merupakan kegiatan-kegiatan yang secara aktif dilakukan perusahaan untuk mendorong

konsumen membeli produk yang ditawarkan. Kegiatan dalam promosi ini umumnya adalah periklanan, personal selling, promosi penjualan, pemasaran langsung, serta hubungan masyarakat dan publisitas [1].

Selain keempat faktor di atas, faktor lain yang dapat digunakan dalam pemasaran, yaitu : 1. Diskon (discount)

Diskon adalah pengurangan dari harga dalam daftar yang diberikan oleh penjual kepada pembeli yang menyerahkan sejumlah fungsi pemasaran atau menyediakan sendiri fungsi tersebut. Diskon dapat berguna dalam perencanaan strategi pemasaran [9]. 2. Komisi penjualan

Komisi adalah suatu biaya yang dikenakan oleh suatu agen dalam melakukan suatu transaksi pembelian atau penjualan suatu paper asset [10]. Untuk mendapatkan komisi maksimal, sebagai pemasar tentunya akan bekerja lebih giat dan termotivasi untuk memasarkan produk. Hal ini dapat mendorong kemajuan perusahaan.

Dengan adanya sistem pemasaran, ada empat sasaran yang bisa dicapai, yaitu:

1. Memaksimalkan konsumsi, di mana konsumen bebas mengkonsumsi atau memakai produk yang mampu mereka beli.

2. Memakimalkan kepuasan konsumen, sebab hanya produk yang memuaskanlah yang akan dibeli konsumen.

3. Memaksimalkan pilihan konsumen, hanya dengan adanya pemasaranlah selera konsumen yang beragam dapat dipenuhi.

Memaksimalkan kualitas hidup, dengan konsumsi yang tinggi, kepuasan yang besar, serta pilihan yang banyak tentu akan meningkatkan kualitas hidup [8].

1.2Data Mining

Data mining merupakan suatu proses yang interaktif atau terotomatisasi untuk menemukan pola (pattern) data tersebut dan memprediksi kelakukan (trend) di masa mendatang berdasarkan pola data tersebut [3]. Data mining dibagi menjadi beberapa kelompok berdasarkan tugas yang dilakukan, yaitu : 1. Deskripsi

Deskripsi dalam data mining bertujuan menggambarkan pola dan kecenderungan yang terdapat dalam data serta memberikan penjelasan pola atau kecenderungan tersebut.

2. Estimasi

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)

3

Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033 3. Prediksi

Prediksi hampir sama dengan estimasi, tetapi hasil nilai dari prediksi adalah untuk memperkirakan yang akan terjadi di masa mendatang.

4. Klasifikasi

Dalam klasifikasi, variabel target berupa kategori. Misalkan, menentukan apakah suatu transaksi kartu kredit merupakan transaksi yang curang atau bukan.

5. Pengklusteran

Pengklusteran merupakan pengelompokan

record, pengamatan, atau memperhatikan dan membentuk kelas objek-objek yang memiliki kemiripan. Contohnya, melakukan pemisahan terhadap perilaku finansial dalam baik dan mencurigakan.

6. Asosiasi

Tugas asosiasi dalam data mining adalah menemukan atribut yang muncul dalam satu waktu. Contohnya, menemukan barang dalam toko yang dibeli secara bersamaan dan barang yang tidak pernah dibeli secara bersamaan [4]. Analisis korelasi juga termasuk ke dalam kelompok ini, dimana tujuan dari analisis ini adalah menemukan hubungan atau tingkat kedekatan antar variabel.

1.3Analisis Korelasi

Analisis korelasi (correlation analysis) adalah suatu teknik statistik yang digunakan untuk mengukur kedekatan hubungan linear antara dua variabel atau lebih yang diskala secara interval. Dalam analisis korelasi, langkah awal yang perlu dilakukan adalah menentukan posisi variabel apakah sebagai variabel X (independent) dan vatiabel Y (dependent). Penentuan variabel tidak didasarkan pada kausalitas (prinsip sebab-akibat) karena analisis korelasi hanya mengukur sifat dan tingkat asosiasi atau kovariasi antara variabel-variabel [5].

Bentuk atau jenis korelasi ada 4, yaitu : 1. Korelasi positif, di mana kenaikan variabel X

diikuti dengan kenaikan variabel Y atau penurunan variabel X diikuti dengan penurunan variabel Y.

2. Korelasi negatif, di mana kenaikan variabel X diikuti dengan penurunan variabel Y atau penurunan variabel X diikuti dengan kenaikan variabel Y.

3. Tidak ada korelasi, di mana kedua variable tidak memperlihatkan adanya hubungan.

Korelasi sempurna, di mana kenaikan atau penurunan variabel X berbanding dengan kenaikan atau penurunan variabel Y.

Tabel 1 Koefisien Korelasi

Koefisien Korelasi ( r ) Kriteria Korelasi

0 Tidak Ada Korelasi

-1 atau +1 Korelasi Sempurna

Sebelum melakukan analisis terhadap koefisien korelasi, terlebih dahulu menentukan jenis data yang digunakan. Adapun jenis data yang dapat digunakan untuk analisis korelasi bisa kualitatif ataupun kuantitatif.

Berdasarkan jumlah variabel yang dianalisis, korelasi dibagi menjadi dua, yaitu korelasi bivariat dan multivariat.

1. Korelasi Bivariat

Korelasi bivariat adalah hubungan dari dua variabel pada suatu waktu tertentu. Analisis korelasi ini bertujuan untuk mengukur hubungan antara dua variabel.

2. Korelasi Multivariat

Korelasi multivariat adalah hubungan dari variabel-variabel yang lebih dari dua pada suatu waktu tertentu. Analisis ini bertujuan untuk mengukur hubungan antara lebih dari dua variabel.

1.4Preprocessing

Tahap preprocessing diperlukan untuk membersihkan data dari yang tidak diperlukan, dengan tujuan pada tahap masuk ke dalam analalisis bivariat dan multivariat lebih optimal dalam penghitungannya. Pada tahap ini melibatkan dari nilai tiap variabelnya. Adapun tahapan-tahapan dari

preprocessing adalah sebagai berikut. 1. Representasi Data

Data yang ingin diteliti terlebih dahulu dipersiapkan. Kemudian menentukan variabel yang akan digunakan. Setelah itu, variabel-variabel dikelompokkan ke variabel-variabel dependen atau independen.

2. Cleaning

Solusi untuk menangani nilai yang tidak konsisten adalah dengan menggunakan cleaning.

Proses ini akan menghilangkan baris yang mengandung nilai tidak konsisten. Misalnya, menghapus baris dari kolom harga yang mengandung nilai negatif.

3. Filtering

Tahap ini adalah proses penyaringan nilai dari batas variabel yang telah ditentukan. Misalnya, diskon yang diberikan oleh perusahaan dibatasi sebesar 2% hingga 55%, maka baris dengan nilai diskon yang lebih kecil dari 2 % atau lebih besar dari 55% akan dihapus.

4. Analisis Outlier

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)

4

Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033

karakteristik data secara umum. Nilai yang tidak konsisten itu dinamakan outlier.Metode yang dapat digunakan adalah dengan mendeteksi outlier

berdasarkan teknik statistik. Metode ini menggunakan threshold untuk dinyatakan sebagai

outlier.

1.5Produk Momen Pearson

Berdasarkan data yang digunakan yang bertipe metrik atau kuantitatif (data berupa angka), maka teknik yang akan digunakan pada analisis korelasi bivariat adalah Koefisien Korelasi Produk Momen Pearson.

( 2 ) Di mana :

r = Koefisien korelasi Pearson n = Jumlah sampel

x = Variabel Independent

y = Variabel Dependent

1.6 Regresi Linear Berganda

Pada regresi linear berganda, variabel dependen berjumlah satu sedangkan variabel independennya lebih dari satu variabel. Hubungannya dapat dinyatakan dalam persamaan sebagai berikut:

( 3 ) dengan i = 1, 2, …, n

di mana:

Y = nilai observasi (data hasil pencatatan) , , …, = koefisien korelasi tiap-tiap variabel

Untuk menghitung kita gunakan Metode Kuadrat Terkecil (Least Square Method) yang menghasilkan persamaan normal sebagai berikut:

Kalau persamaan dipecahkan, kita akan memperoleh nilai . Kemudian dapat dibentuk persamaan regresi linear berganda. Untuk k = 2, , satu variabel tak bebas (Y), dan dua variabel bebas ( dan ), maka dihitung dari persamaan normal berikut:

+ + =

+ + =

+ + =

Ada tiga persamaan dengan tiga variabel yang tidak diketahui nilainya, yaitu dan .Persamaan tersebut dapat dinyatakan dalam persamaan matriks berikut:

=

A b H

dengan: A = matriks (diketahui) H = vektor kolom (diketahui) b = vektor kolom (tidak diketahui) Kalau kita mempunyai 3 persamaan dengan 3 variabel yang diketahui nilainya sebagai berikut:

Maka

, , dan dapat dihitung dengan menggunakan metode eliminasi Gauss.

1.7 Eliminasi Gauss

Eliminasi Gauss adalah suatu cara mengoperasikan nilai-nilai di dalam matriks sehingga menjadi matriks yang lebih sederhana. Eliminasi ini pada hakekatnya terdiri dari dua bagian:

1. Eliminasi Maju

Penyederhanaan sistem tersebut secara bertahap untuk menghasilkan seuah persamaan degenerasi tanpa solusi (yang mengindikasikan bahwa sistem tersebut tidak mempunyai solusi) atau sebuah sistem ekuivalen yang lebih sederhana yang berbentuka segitiga atau berbentuk eselon.

2. Eliminasi Mundur

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)

5

Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033

1.7 Aljabar Matriks

Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun menurut baris dan kolom, di mana panjang dan lebarnya ditunjukkan oleh banyaknya kolom dan

baris serta diatasi tanda “[ ]” atau “( )” [12]. Sebuah

matriks dinotasikan dengan simbol huruf besar seperti A, X, atau Z dan sebagainya. Sebuah matriks

A yang berukuran m baris dan n kolom dapat ditulis seperti berikut.

Atau juga dapat ditulis seperti persamaan berikut.

Operasi-operasi dalam matriks adalah sebagai berikut :

1. Perkalian matriks dengan skalar

Jika A = [aij] adalah matriks m x n dan k

adalah suatu skalar, maka hasil kali A dengan k

adalah B = [bij] matriks m x n dengan bij = kaij (1 ≤ i

≤ m, 1 ≤ j≤ n).

2. Perkalian matriks dengan matriks

Jika A = [aij] adalah matriks m x p dan B =

4. Pengurangan matriks

Jika A = [aij] adalah matriks m x n dan B = [bij] adalah matriks m x n maka pengurangan matriks dari matriks A dan matriks B yang ditulis dengan C

= [cij] dengan persamaan berikut.

(i = 1, 2, …, m; j= 1, 2, …,

n)

5. Transpose suatu matriks

Jika A = [aij] adalah matriks m x n maka matriks n x m dengan A’ = [a’ij] dan a’ij= aij (1 ≤i ≤

m, 1 ≤j ≤n) disebut dengan transpose dari matriks

A. Matriks m x n yang umum dapat ditulis seperti persamaan sebelumnya, maka hasil transposenya dapat dilihat pada persamaan berikut.

2. ISI PENELITIAN

2.1Sumber Data

Data yang digunakan untuk melakukan analisis bivariat adalah sebagai berikut.

Tabel 2 Contoh Data yang Digunakan untuk Bivariat

2.2 Implementasi Preprocessing

Setelah melakukan preprocessing, maka didapatkan :

Tabel 3 Statistik Bivariat

2.3Implementasi Algoritma Produk Momen Pearson

Setelah melalui proses preprocessing,

dokumen kemudian akan melalui proses penghitungan. Berdasarkan penghitungan dengan menggunakan rumus ( 2 ), maka dihasilkan :

Koefisien Korelasi ( r ) = -0.7195 Kriteria Korelasi = Korelasi Kuat

Harga berkorelasi negatif terhadap jumlah penjualan sehingga kenaikan harga mengakibatkan penurunan jumlah penjualan dan sebaliknya.

2.4 Implementasi Algoritma Regresi Linear Berganda

Dengan menggunakan sumber data yang berbeda, yaitu diskon dan komisi terhadap penjualan, maka didapatkan tabel sebagai berikut.

No Harga Obat (Rp) Jumlah Obat

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)

6

Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033

Tabel 4 Hasil Preprocessing

Dari tabel di atas, dapat dibentuk tabel statistik yang akan digunakan untuk membentuk matriks dengan hasilnya sebagai berikut.

=

A b H

Melalui persamaan tersebut, maka vektor b dapat dihitung dengan menggunakan metode eliminasi Gauss. Dari perhitungan tersebut, dapat dihasilkan vektor b sebagai berikut.

b =

Sehingga dapat ditulis persamaan seperti pada persamaan di bawah ini, yaitu:

1.69444 + 0.01015 + 0.18012

Berdasarkan persamaan tersebut maka dapat ditentukan kriteria hubungan variabel X terhadap Y, di mana :

Diskon memiliki korelasi terhadap Penjualan, dengan nilai positif sehingga kenaikan/penurunan Diskon mengakibatkan kenaikan/penurunan Penjualan.

Komisi memiliki korelasi terhadap Penjualan, dengan nilai positif sehingga kenaikan/penurunan Komisi mengakibatkan kenaikan/penurunan Penjualan.

Berdasarkan hasil analisis yang diperoleh dengan periode data Desember 2013 hingga September 2014, maka perusahaan disarankan agar menaikkan diskon dan komisi untuk meningkatkan penjualan pada bulan berikutnya.

3. PENUTUP

3.1 Kesimpulan

Dari hasil penelitian yang telah dilakukan terlihat bahwa algoritma produk momen pearson dan regresi linear berganda dapat menganalisis korelasi/hubungan yang terdapat dalam penjualan. Tingkat keakurasian dari hasil korelasi tersebut sangat dipengaruhi oleh jumlah dan variasi nilai data yang digunakan. Sehingga dapat disimpulkan dari hasil korelasi yang didapatkan bahwa faktor biaya promosi, diskon, harga, komisi sales, dan jumlah

broker memiliki pengaruh/korelasi terhadap penjualan.

3.2Saran

Adapun saran dari penelitian ini adalah dibutuhkannya penelitian lebih lanjut untuk penelitian analisis korelasi menggunakan metode korelasi lainnya agar dapat membandingkan hasil analisisnya. Meramalkan Bisnis Perusahaan”. Cetakan

Pertama. Jakarta : PT Elex Media Komputindo, 2010.

[3] Kusrini dan Emha Taufiq Luthfi, “Algoritma Data Mining”. Yogyakarta : CV ANDI, 2009. [4] Churchill, Gilbert A., “Dasar-dasar Riset

Pemasaran”. Edisi ke-4. Jakarta : Erlangga, 2005.

[5] Sugiyono, “Metode Penelitian Pendidikan Pendekatan Kuantitatif, Kualitatif, dan R & D”.

Bandung : Alfabeta, 2009.

[6] Sommerville, Ian, “Software Engineering”. Edisi ke-9. USA : Pearson Education, Inc., 2011.

[7] Simamora, Bilson, “Memenangkan Pasar Dengan Pemasaran Efektif dan Profitabel”.

Cetakan ke-2. Jakarta : Gramedia Pustaka Utama, 2003.

[8] Cannon, Joseph P., William D. Perrcault, Jr. dan E. Jerome McCarthy, “Basic Marketing, A Global-Managerial Approach”. Edisi ke-16. Diterjemahkan oleh Diana Angelica dan Ria Cahyani. Jakarta : Salemba Empat, 2009. [9] Kamadjaja, Ir. Agustino, MBA, Edianto Ong,

dkk., “Smart Investment For Mega Profit:

Strategi Menuju Kebebasan Finansial Melalui Investasi Stocks dan Options dengan Small

Capital, Low Risk, Liquid & Stress Free”.

Cetakan ke-9. Jakarta : Elex Media Komputindo, 2008.

[10] Lipson, Lipschutz dan Kirkpatrick, “Schaum’s

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)

7

Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033

Easy Outlines Aljabar Linear”. Edisi ke-3. Diterjemahkan oleh Ir. Julian Gressando, M.Sc. Jakarta : Erlangga, 2002.

[11] D. Clark, “Overview of Object-Oriented

Programming,” dalam Beginning C# Object-Oriented Programming, New York, Apress, 2013, pp. 3-4.

[12] Kementerian Pendidikan dan Kebudayaan,

“Matematika –Studi dan Pengajaran”. Cetakan

F-1

BIODATA PENULIS

Nama : Wydiyanto

Tempat, Tgl. Lahir : Kuala Tungkal, 13 Maret 1993 Jenis Kelamin : Laki-Laki

Tinggi / Berat Badan : 170 cm / 53 kg Kewarganegaraan : Indonesia

Keturunan : Tionghoa

Golongan Darah : O

Agama : Budha

85

BAB V

KESIMPULAN DAN SARAN

Pada bab ini, akan diberikan kesimpulan mengenai penelitian analisis korelasi

pada penjualan di PT. Sanbe Farma dan pembangunan perangkat lunak yang

dihubungkan dengan teori-teori mengenai segala hal yang berhubungan dengan

analisis korelasi dan pembangunan perangkat lunak.

V.1 Kesimpulan

Dari hasil penelitian yang telah dilakukan terlihat bahwa algoritma produk

momen pearson dan regresi linear berganda dapat menganalisis korelasi/hubungan

yang terdapat dalam penjualan. Tingkat keakurasian dari hasil korelasi tersebut

sangat dipengaruhi oleh jumlah dan variasi nilai data yang digunakan. Sehingga

dapat disimpulkan dari hasil korelasi yang didapatkan bahwa faktor biaya promosi,

diskon, harga, komisi sales, dan jumlah broker memiliki pengaruh/korelasi

terhadap penjualan.

V.2 Saran

Adapun saran dari penelitian ini adalah dibutuhkannya penelitian lebih lanjut

untuk penelitian analisis korelasi menggunakan metode korelasi lainnya agar dapat

7

BAB I

TINJAUAN PUSTAKA

II.1Tinjauan Perusahaan

Berikut ini adalah tinjauan PT. Sanbe Farma dari sejarah, visi dan misi,

struktur organisasi serta deskripsi pekerjaannya.

II.1.1 Sejarah Perusahaan

PT. Sanbe Farma didirikan pada tahun 1975 oleh Drs. Jahja Santoso, Apt.

(Jahja Santoso adalah seorang apoteker lulusan ITB). Nama Sanbe merupakan

singkatan dari Santoso bersaudara. Pabrik yang pertama kali berdiri berupa home

industry di Jalan Kejaksaan, Bandung dengan jumlah karyawan 3 orang. Produk

pertama yang dihasilkan adalah Colsancetine Capsule.

Pada tahun 1980, PT. Sanbe Farma membangun sebuah pabrik di Jl. Industri

1 no. 9, Cimahi. Pabrik yang disebut juga Unit I ini memiliki luas tanah sebesar

10.000 m² dengan luas bangunan sebesar 8.000 m². Unit I bertugas memproduksi

obat non penisilin, non sefalosporin, hormone, dan obat hewan (vetenirany).

Seiring bertambahnya jumlah permintaan produksi, PT. Sanbe Farma

memerlukan pabrik/unit tambahan. Tahun 1996, PT. Sanbe Farma membangun

Unit II yang bertempat di Jl. Leuwigajah, Cimahi. Pabrik tersebut memiliki luas

tanah 4.900 m² dan luas bangunan 5.600 m² (5 lantai). Unit II bertugas

memproduksi obat-obatan β-laktam dan sephalosporin.

Saat ini, PT. Sanbe Farma juga telah mengembangkan obat-obatan modern

berbasis bioteknologi seperti vaksin, protein, dan 7etric7. Seluruh kegiatan

operasional dilaksanakan oleh tiga unit pabrik. Unit III berada di Jl. Industri

Cimareme, Padalarang, Bandung. Unit I memproduksi sediaan padat, semipadat,

dan cair (non-antibiotik). Unit II memproduksi sediaan β-laktam (derivate penisilin)

dan sephalosporin, sedangkan Unit III memproduksi sediaan steril yaitu infus,

8

Tahun 2003, Gedung Obat Jadi (GOJ) dibangun sebagai tempat penyimpanan obat

jadi hasil pengemasa dari Unit I, II, dan III.

Logo PT. Sanbe Farma dapat dilihat pada Gambar I-1.

Gambar I-1 Logo Perusahaan

II.1.2 Visi dan Misi Perusahaan

Berikut ini adalah visi dan misi dari PT. Sanbe Farma :

1. Visi

Perusahaan yang berbasis ilmu pengetahuan dan teknologi yang inovatif

sejalan dengan perkembangan ilmu pengetahuan dan teknologi di dunia.

2. Misi

Mejadi perusahaan farmasi terdepan di Indonesia dalam inovasi di

bidang ilmu dan teknologi farmasi dan kedokteran.

II.1.3 Struktur Organisasi Perusahaan

10

II.1.4 Deskripsi Pekerjaan

Berikut ini adalah tugas dari bagian yang terdapat di PT. Sanbe Farma yang

terlibat secara langsung dengan penelitian :

1. Manajer Pemasaran

Manajer Pemasaran memiliki tugas sebagai berikut :

a. Melaksanakan kegiatan pemasaran terhadap produk yang ada di

perusahaan.

b. Menghimpun dan mengolah data tentang banyaknya konsumen

perusahaan sesuai dengan kebijakan perusahaan.

c. Melaporkan kegiatan dan hasil kerja secara berkala dan memberikan

usul kepada pihak yang terkait.

2. Divisi Keuangan

Divisi Keuangan memiliki tugas sebagai berikut :

a. Membantu Manajer Keuangan dalam mengkoordinasikan kegiatan

pengelolaan keuangan beserta administrasinya.

b. Membantu Manajer Keuangan dalam menyusun laporan keuangan.

c. Membantu Manajer Keuangan dalam menyusun anggaran tahunan

(RKAP).

II.2Landasan Teori

Berikut ini adalah teori-teori yang digunakan dalam penelitian.

II.2.1 Pemasaran

Pemasaran adalah suatu proses 10etric dan manajerial yang digunakan

individu, rumah tangga ataupun organisasi untuk memperoleh kebutuhan dan

keinginan mereka dengan cara menciptakan dan mempertukarkan produk dan nilai

dengan pihak lain. Prinsip pemasaran mengatakan bahwa pencapaian tujuan suatu

organisasi tergantung pada seberapa mampu perusahaan tersebut memahami

kebutuhan dan keinginan pelanggannya dan memenuhinya dengan cara yang lebih

efisien dibanding pesaing [8].

Di dalam pemasaran terdapat bauran pemasaran (marketing mix) atau disebut

11

diarahkan untuk memperoleh respons yang diinginkan dari pasar sasaran [8]. Empat

bauran pemasaran tersebut adalah sebagai berikut :

1. Produk (product)

Produk adalah barang atau jasa yang bisa ditawarkan di pasar untuk

mendapatkan perhatian, permintaan, pemakaian, atau konsumsi yang dapat

memenuhi keinginan atau kebutuhan. Tugas bagian pemasaran adalah

menyesuaikan kemampuan produksi perusahaan dengan keinginan pasar

(konsumen).

2. Harga (price)

Harga adalah sejumlah kompensasi (uang maupun barang, kalau mungkin)

yang dibutuhkan untuk mendapatkan sejumlah kombinasi barang atau jasa.

Penentuan harga merupakan keputusan penting bagi manajemen perusahaan karena

harus dapat menutup biaya produksi ditambah besarnya laba yang diinginkan.

3. Saluran distribusi (place)

Saluran distribusi adalah saluran yang digunakan oleh produsen untuk

menyalurkan produk sampai ke konsumen atau berbagai aktivitas perusahaan yang

mengupayakan agar produk sampai ke tangan konsumen. Manajer pemasaran perlu

berhati-hati dalam menyeleksi dan menentukan jumlah penyalur. Bila jumlahnya

terlalu sedikit menyebabkan penyebaran produk kurang luas, sedangkan jumlah

yang terlalu banyak menyebabkan pemborosan waktu.

4. Promosi (promotion)

Promosi merupakan kegiatan-kegiatan yang secara aktif dilakukan

perusahaan untuk mendorong konsumen membeli produk yang ditawarkan.

Kegiatan dalam promosi ini umumnya adalah periklanan, personal selling, promosi

penjualan, pemasaran langsung, serta hubungan masyarakat dan publisitas [1].

Selain keempat faktor di atas, faktor lain yang dapat digunakan dalam

pemasaran, yaitu :

1. Diskon (discount)

Diskon adalah pengurangan dari harga dalam daftar yang diberikan oleh

12

menyediakan sendiri fungsi tersebut. Diskon dapat berguna dalam perencanaan

strategi pemasaran [9].

2. Komisi penjualan

Komisi adalah suatu biaya yang dikenakan oleh suatu agen dalam melakukan

suatu transaksi pembelian atau penjualan suatu paper asset [10]. Untuk

mendapatkan komisi maksimal, sebagai pemasar tentunya akan bekerja lebih giat

dan termotivasi untuk memasarkan produk. Hal ini dapat mendorong kemajuan

perusahaan.

Dengan adanya sistem pemasaran, ada empat sasaran yang bisa dicapai, yaitu:

1. Memaksimalkan konsumsi, di mana konsumen bebas mengkonsumsi atau

memakai produk yang mampu mereka beli.

2. Memakimalkan kepuasan konsumen, sebab hanya produk yang memuaskanlah

yang akan dibeli konsumen.

3. Memaksimalkan pilihan konsumen, hanya dengan adanya pemasaranlah selera

konsumen yang beragam dapat dipenuhi.

4. Memaksimalkan kualitas hidup, dengan konsumsi yang tinggi, kepuasan yang

besar, serta pilihan yang banyak tentu akan meningkatkan kualitas hidup [8].

II.2.2 Data Mining

Data mining merupakan suatu proses yang interaktif atau terotomatisasi

untuk menemukan pola (pattern) data tersebut dan memprediksi kelakukan (trend)

di masa mendatang berdasarkan pola data tersebut [3]. Data mining dibagi menjadi

beberapa kelompok berdasarkan tugas yang dilakukan, yaitu :

1. Deskripsi

Deskripsi dalam data mining bertujuan menggambarkan pola dan

kecenderungan yang terdapat dalam data serta memberikan penjelasan pola atau

kecenderungan tersebut.

2. Estimasi

Estimasi menggunakan variabel target yang bertipe metrik dengan tujuan

menghasilkan suatu model estimasi. Sebagai contoh, estimasi nilai indeks prestasi

13

3. Prediksi

Prediksi hampir sama dengan estimasi, tetapi hasil nilai dari prediksi adalah

untuk memperkirakan yang akan terjadi di masa mendatang.

4. Klasifikasi

Dalam klasifikasi, variabel target berupa kategori. Misalkan, menentukan

apakah suatu transaksi kartu kredit merupakan transaksi yang curang atau bukan.

5. Pengklusteran

Pengklusteran merupakan pengelompokan record, pengamatan, atau

memperhatikan dan membentuk kelas objek-objek yang memiliki kemiripan.

Contohnya, melakukan pemisahan terhadap perilaku finansial dalam baik dan

mencurigakan.

6. Asosiasi

Tugas asosiasi dalam data mining adalah menemukan atribut yang muncul

dalam satu waktu. Contohnya, menemukan barang dalam toko yang dibeli secara

bersamaan dan barang yang tidak pernah dibeli secara bersamaan [4]. Analisis

korelasi juga termasuk ke dalam kelompok ini, dimana tujuan dari analisis ini

adalah menemukan hubungan atau tingkat kedekatan antar variabel.

II.2.3 Analisis Korelasi

Analisis korelasi (correlation analysis) adalah suatu teknik statistik yang

digunakan untuk mengukur kedekatan hubungan linear antara dua variabel atau

lebih yang diskala secara interval. Dalam analisis korelasi, langkah awal yang perlu

dilakukan adalah menentukan posisi variabel apakah sebagai variabel X

(independent) dan vatiabel Y (dependent). Penentuan variabel tidak didasarkan

pada kausalitas (prinsip sebab-akibat) karena analisis korelasi hanya mengukur sifat

dan tingkat asosiasi atau kovariasi antara variabel-variabel [5].

Diagram pencar (scatter plot) merupakan diagram yang dapat membantu

dalam menunjukkan ada tidaknya hubungan antara variabel X dan variabel Y

melalui penggambaran nilai dari variabel-variabel tersebut. Tujuan diagram pencar

adalah untuk mengetahui apakah titik-titik koordinat diagram membentuk pola

14

Bentuk atau jenis korelasi ada 4, yaitu :

1. Korelasi positif, di mana kenaikan variabel X diikuti dengan kenaikan

variabel Y atau penurunan variabel X diikuti dengan penurunan variabel

Y.

2. Korelasi negatif, di mana kenaikan variabel X diikuti dengan penurunan

variabel Y atau penurunan variabel X diikuti dengan kenaikan variabel Y.

3. Tidak ada korelasi, di mana kedua variable tidak memperlihatkan adanya

hubungan.

4. Korelasi sempurna, di mana kenaikan atau penurunan variabel X

berbanding dengan kenaikan atau penurunan variabel Y.

Koefisien korelasi ( r ) adalah indeks untuk menunjukkan kekuatan hubungan

antara dua himpunan variabel. Koefisien korelasi berkisar antara -1 hingga 1.

Tabel I-1 Koefisien Korelasi

Koefisien Korelasi ( r ) Kriteria Korelasi

0 Tidak Ada Korelasi -0,2 ≤ r < 0 atau 0 < r ≤ 0,2 Korelasi Sangat Lemah -0,4 ≤ r < -0,2 atau 0,2 ≤ r < 0,4 Korelasi Lemah

-0,6 < r < -0,4 atau 0,4 < r < 0,6 Korelasi Sedang -0,8 < r ≤ -0,6 atau 0,6 ≤ r < 0,8 Korelasi Kuat

-1 < r ≤ 0,8 atau 0,8 ≤ r < 1 Korelasi Sangat Kuat -1 atau +1 Korelasi Sempurna

Sebelum melakukan analisis terhadap koefisien korelasi, terlebih dahulu

menentukan jenis data yang digunakan. Adapun jenis data yang dapat digunakan

untuk analisis korelasi bisa kualitatif ataupun kuantitatif.

Berdasarkan jumlah variabel yang dianalisis, korelasi dibagi menjadi dua,

yaitu korelasi bivariat dan multivariat.

1. Korelasi Bivariat

Korelasi bivariat adalah hubungan dari dua variabel pada suatu waktu

tertentu. Analisis korelasi ini bertujuan untuk mengukur hubungan antara dua

15

Prosedur Bivariat

Skala Pengukuran

Koefisien Produk Momen

Pearson

Koefisien Korelasi Rank

Koefisien Kontingensi

Data Interval/Rasio Data Nominal

Data Ordinal

Gambar I-3 Prosedur Bivariat

2. Korelasi Multivariat

Korelasi multivariat adalah hubungan dari variabel-variabel yang lebih dari

duapada suatu waktu tertentu. Analisis ini bertujuan untuk mengukur hubungan

antara lebih dari dua variabel. Prosedur korelasi multivariat dapat dilihat pada

16

Gambar I-4 Prosedur Multivariat

II.2.4 Produk Momen Pearson

Berdasarkan data yang digunakan yang bertipe metrik atau kuantitatif (data

berupa angka), maka teknik yang akan digunakan pada analisis korelasi bivariat

adalah Koefisien Korelasi Produk Momen Pearson. Adapun rumusnya dapat dilihat

17

� = ∑ − ∑ ∑

√{ ∑ – ∑ } . { ∑ – ∑ }

( I-1 )

Di mana :

r = Koefisien korelasi Pearson

n = Jumlah sampel

x = Variabel Independent

y = Variabel Dependent

II.2.5 Regresi Linear Berganda

Pada regresi linear berganda, variabel dependen berjumlah satu sedangkan

variabel independennya lebih dari satu variabel. Hubungannya dapat dinyatakan

dalam persamaan sebagai berikut:

= + + + + ( I-2 )

dengan i = 1, 2, …, n

di mana: Y = nilai observasi (data hasil pencatatan)

, , …, = koefisien korelasi tiap-tiap variabel

Untuk menghitung , , , … , kita gunakan Metode Kuadrat Terkecil

(Least Square Method) yang menghasilkan persamaan normal sebagai berikut:

+ ∑ + ∑ … + ∑ = ∑

∑ + ∑ + ∑ … + ∑ = ∑

∑ + ∑ + ∑ … + ∑ = ∑

∑ + ∑ + ∑ … + ∑ = ∑

Kalau persamaan dipecahkan, kita akan memperoleh nilai , , , … , .

Kemudian dapat dibentuk persamaan regresi linear berganda. Untuk k = 2, =

18

+ ∑ + ∑ = ∑

∑ + ∑ + ∑ = ∑

∑ + ∑ + ∑ = ∑

Ada tiga persamaan dengan tiga variabel yang tidak diketahui nilainya, yaitu , , dan .Persamaan tersebut dapat dinyatakan dalam persamaan matriks berikut:

[∑ ∑ ∑

∑ ∑∑

∑

∑ ][ ]

= [ ∑ ∑

∑ ]

A b H

dengan: A = matriks (diketahui)

H = vektor kolom (diketahui)

b = vektor kolom (tidak diketahui)

Kalau kita mempunyai 3 persamaan dengan 3 variabel yang diketahui

nilainya sebagai berikut:

+ + = ℎ

+ + = ℎ → [ ][ ] = [

ℎ ℎ

ℎ ]

+ + = ℎ A b H

Maka

, , dan dapat dihitung dengan menggunakan metode eliminasi Gauss.

II.2.6 Preprocessing

Tahap preprocessing diperlukan untuk membersihkan data dari yang tidak

diperlukan, dengan tujuan pada tahap masuk ke dalam analalisis bivariat dan

19

nilai tiap variabelnya. Adapun tahapan-tahapan dari preprocessing adalah sebagai

berikut.

1. Representasi data

Data yang ingin diteliti terlebih dahulu dipersiapkan. Kemudian menentukan

variabel-variabel yang akan digunakan. Setelah itu, variabel-variabel

dikelompokkan ke variabel dependen atau independen. Pada Gambar I-5

digambarkan alur proses penentuan variabel dependen dan independen.

Mulai

Berhenti Dokumen

Menentukan variabel yang digunakan

Apa saja variabel dependen dan yang

independen

Variabel dependen

Variabel independen

dependen independen

Gambar I-5 Flowchart Menentukan Variabel Dependen dan Independen

2. Cleaning

Solusi untuk menangani nilai yang tidak konsisten adalah dengan

20

nilai tidak konsisten. Misalnya, menghapus baris dari kolom harga yang

mengandung nilai negatif.

3. Filtering

Tahap ini adalah proses penyaringan nilai dari batas variabel yang telah

ditentukan. Misalnya, diskon yang diberikan oleh perusahaan dibatasi sebesar 2%

hingga 55%, maka baris dengan nilai diskon yang lebih kecil dari 2 % atau lebih

besar dari 55% akan dihapus.

4. Analisis Outlier

Seringkali pada data set, terdapat suatu nilai yang berbeda dari biasanya dan

tidak mencerminkan karakteristik data secara umum. Nilai yang tidak konsisten itu

dinamakan outlier.Metode yang dapat digunakan adalah dengan mendeteksi outlier

berdasarkan teknik statistik. Metode ini menggunakan threshold untuk dinyatakan

sebagai outlier. Penghitungan threshold dapat dilihat pada persamaan ( II-1 ).

� , = X¯ ± �

Dengan X¯ = ∑ � dan � = √∑��= X¯ −��

−

( I-1 )

Di mana :

� > �

� , = Treshold 1 (atas) dan tershold 2 (bawah)

X¯ = Mean (Nilai rata-rata) � = Simpangan baku

Maka semua nilai pada kolom data tersebut yang berada di luar range {� , � }

adalah penyimpangan.

II.2.7 Aljabar Matriks

Matriks adalah suatu kumpulan angka-angka yang juga sering disebut

elemen-elemen yang disusun menurut baris dan kolom, di mana panjang dan

21

Z dan sebagainya. Sebuah matriks A yang berukuran m baris dan n kolom dapat

ditulis seperti persamaan ( I-2 ).

� � =

… … ⋱ …

( I-2 )

Atau juga dapat ditulis seperti persamaan ( I-3 ).

� = [ ] ; = , , … , ; = , , … , ( I-3 )

Operasi-operasi dalam matriks adalah sebagai berikut :

1. Perkalian matriks dengan skalar

Jika A = [aij] adalah matriks m x n dan k adalah suatu skalar, maka hasil kali

A dengan k adalah B = [bij] matriks m x n dengan bij = kaij (1 ≤ i ≤ m, 1 ≤ j≤ n).

2. Perkalian matriks dengan matriks

Jika A = [aij] adalah matriks m x p dan B = [bij] adalah matriks p x n maka

hasil kali dari matriks A dan B yang ditulis dengan AB adalah C matriks m x n.

Secara matematik dapat ditulis seperti pada persamaan ( I-4 ).

= + + + � �

= ∑�₌ (1 ≤i ≤m, 1 ≤j ≤n)

( I-4 )

3. Penjumlahan matriks

Jika A = [aij] adalah matriks m x n dan B = [bij] adalah matriks m x n maka

penjumlahan matriks dari matriks A dan matriks B yang ditulis dengan C = [cij]

dengan persamaan ( I-5 ).

= + (i = 1, 2, …, m; j= 1, 2, …,n) ( I-5 )

4. Pengurangan matriks

Jika A = [aij] adalah matriks m x n dan B = [bij] adalah matriks m x n maka

pengurangan matriks dari matriks A dan matriks B yang ditulis dengan C = [cij]

dengan persamaan ( I-6 ).

= − (i = 1, 2, …, m; j= 1, 2, …, n) ( I-6 )

5. Transpose suatu matriks

Jika A = [aij] adalah matriks m x n maka matriks n x m dengan A’ = [a’ij] dan

22

n yang umum dapat ditulis seperti persamaan ( I-2 ), maka hasil transposenya dapat

dilihat pada persamaan ( I-7 ).

�′ � = � � =

… … ⋱ …

( I-7 )

II.2.8 Eliminasi Gauss

Eliminasi Gauss adalah suatu cara mengoperasikan nilai-nilai di dalam

matriks sehingga menjadi matriks yang lebih sederhana. Eliminasi ini pada

hakekatnya terdiri dari dua bagian:

1. Eliminasi Maju

Penyederhanaan sistem tersebut secara bertahap untuk menghasilkan seuah

persamaan degenerasi tanpa solusi (yang mengindikasikan bahwa sistem tersebut

tidak mempunyai solusi) atau sebuah sistem ekuivalen yang lebih sederhana yang

berbentuka segitiga atau berbentuk eselon.

Contoh :

+ + = 9 …(i) + − = …(ii) + − = …(iii)

9 − −

kalikan baris (i) dengan (-2), lalu tambahkan ke baris (ii)

9

− −

−

kalikan baris (i) dengan (-3), lalu tambahkan ke baris (iii)

9

− −

− −

23

9

−7 − 7

− −

kalikan baris (ii) dengan (-3), tambahkan ke baris (iii)

9

−7 − 7

− −

kalikan baris (iii) dengan (-2)

9

− −

2. Eliminasi Mundur

Substitusi balik secara bertahap untuk menentukan solusi dari sistem yang

lebih sederhana tersebut [11].

Penyelesaiannya dari matriks tersebut adalah:

=

− = − → =

+ + = 9 → =

II.2.9 Unified Modeling Language

Unified Modeling Language (UML) adalah bahasa pemodelan standar untuk

pembangunan perangkat lunak dengan pendekatan berorientasi objek. Dalam

perancangan sistem, model memiliki peranan penting untuk mengelola

kompleksitas. Pemodelan dapat menghubungkan aspek penting dari perancangan

sistem. Sebuah model adalah representasi dari benda nyata. Model yang dibangun

adalah penyederhanaan dari sistem yang dibangun. Model memberikan maksud dan

kelangsungan hidup sistem untuk dipahami, dievaluasi dikritisasi bahkan lebih

24

UML versi 2.0 saat ini memiliki 13 diagram yang dapat dimanfaatkan.

Namun, dalam penelitian ini hanya akan diterapkan 4 diagram. Tabel I-2

menjelaskan mengenai diagram yang akan digunakan.

Tabel I-2 Diagram-diagram UML 2.0 yang Digunakan

Nama Diagram Deskripsi

Use Case Diagram Menggambarkan interkasi antara sistem yang akan dibangun dengan pengguna atau sistem eksternal. Juga membantu dalam pemetaan kebutuhan dalam sistem.

Activity Diagram Menggambarkan aktivitas secara sekuensial dan paralel dalam sistem.

Class Diagram Menggambarkan hubungan class, interface dalam sistem

Sequence Diagram Menggambarkan interaksi di antara objek dimana urutan dari interaksinya sangat penting.

II.2.10Pemrograman Berorientasi Objek

Pemrograman berorientasi objek (PBO) merupakan kelanjutan dari proses

analisis dan perancangan berorientasi objek. Dalam pemrograman berorientasi

objek ini komponen yang didisain dalam proses disain kemudian

diimplementasikan dengan menggunakan bahasa pemrograman berorientasi objek.

Berikut ini adalah macam-macam konsep berorientasi objek, yaitu :

1. Objek

Di dalam PBO, objek adalah susunan/kerangka berupa data serta prosedur

untuk mengoperasikan data tersebut.

2. Abstraksi

Abstraksi merupakan perwakilan dari data ataupun prosedur yang sama

dengan menyembunyikan suatu objek jika tidak berhubungan dan dapat digunakan

di kasus lain jika berhubungan.

3. Enkapsulasi

Enkapsulasi adalah suatu proses yang tidak mengizinkan akses secara

langsung ke data, bahkan data disembunyikan. Agar dapat mengakses data, terlebih

25

4. Polymorphism

Polyorphism adalah kemampuan dari dua objek berbeda dalam merespon

permintaan yang sama dengan caranya sendiri.

5. Pewarisan

Pewarisan (inheritance) digunakan untuk mengklasifikasikan objek di dalam

program berdasarkan karakteristik umum.

6. Agregasi

Agregasi adalah kondisi ketika sebuah objek digabungkan dengan bagian dari

v

DAFTAR ISI

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI ...v

DAFTAR GAMBAR ... viii

DAFTAR TABEL ...x

DAFTAR SIMBOL ... xii

DAFTAR LAMPIRAN ... xvi

BAB I PENDAHULUAN ...1

I.1 Latar Belakang Masalah ...1

I.2 Perumusan Masalah ...2

I.3 Maksud dan Tujuan ...2

I.4 Batasan Masalah ...2

I.5 Metodologi Penelitian ...3

I.5.1 Metode Pengumpulan Data ...3

I.5.2 Metode Pembangunan Perangkat Lunak...3

I.5.3 Metode Penyelesaian Masalah ...4

I.6 Sistematika Penulisan ...5

BAB II TINJAUAN PUSTAKA ...7

II.1 Tinjauan Perusahaan ...7

II.1.1 Sejarah Perusahaan ...7

vi

II.1.3 Struktur Organisasi Perusahaan ...8

II.1.4 Deskripsi Pekerjaan ...10

II.2 Landasan Teori ...10

II.2.1 Pemasaran ...10

II.2.2 Data Mining ...12

II.2.3 Analisis Korelasi ...13

II.2.4 Produk Momen Pearson ...16

II.2.5 Regresi Linear Berganda ...17

II.2.6 Preprocessing ...18

II.2.7 Aljabar Matriks ...20

II.2.8 Eliminasi Gauss ...22

II.2.9 Unified Modeling Language ...23

II.2.10 Pemrograman Berorientasi Objek ...24

BAB III ANALISIS DAN PERANCANGAN SISTEM ...26

III.1 Analisis Sistem ...26

III.1.1 Analisis Masalah ...26

III.1.2 Analisis Karakteristik Sumber Data ...26

III.1.3 Analisis Karakteristik Variabel yang Digunakan...28

III.1.4 Analisis Preprocessing ...31

III.1.5 Analisis Penerapan Teknik Produk Momen Pearson ...33

III.1.6 Analisis Penerapan Regresi Linear Berganda ...37

III.1.7 Spesifikasi Kebutuhan Perangkat Lunak ...41

III.1.8 Analisis Kebutuhan Fungsional ...41

III.1.9 Analisis Kebutuhan Non Fungsional ...60

vii

III.2.1 Perancangan Data ...61

III.2.2 Perancangan Antarmuka ...63

III.2.3 Perancangan Pesan ...67

III.2.4 Perancangan Fungsional ...68

BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM ...69

IV.1 Implementasi Sistem ...69

IV.1.1 Lingkungan Implementasi ...69

IV.1.2 Implementasi Data ...70

IV.1.1.3 Implementasi Antarmuka ...70

IV.2 Pengujian Sistem ...71

IV.2.1 Rencana Pengujian ...71

IV.2.2 Skenario Pengujian ...72

IV.2.3 Hasil Pengujian ...74

IV.2.4 Evaluasi Pengujian ...82

BAB V KESIMPULAN DAN SARAN ...84

V.1 Kesimpulan ...84

V.2 Saran ...84

86

DAFTAR PUSTAKA

[1] Fuad, M., Nurlela, dkk., “Pengantar Bisnis”. Cetakan ke-5. Jakarta :

Gramedia Pustaka Utama, 2006.

[2] Lee, Finn S. dan Juan Santana, “Data Mining: Meramalkan Bisnis

Perusahaan”. Cetakan Pertama. Jakarta : PT Elex Media Komputindo, 2010. [3] Kusrini dan Emha Taufiq Luthfi, “Algoritma Data Mining”. Yogyakarta : CV

ANDI, 2009.

[4] Churchill, Gilbert A., “Dasar-dasar Riset Pemasaran”. Edisi ke-4. Jakarta :

Erlangga, 2005.

[5] Sugiyono, “Metode Penelitian Pendidikan Pendekatan Kuantitatif, Kualitatif,

dan R & D”. Bandung : Alfabeta, 2009.

[6] Sommerville, Ian, “Software Engineering”. Edisi ke-9. USA : Pearson

Education, Inc., 2011.

[7] Simamora, Bilson, “Memenangkan Pasar Dengan Pemasaran Efektif dan

Profitabel”. Cetakan ke-2. Jakarta : Gramedia Pustaka Utama, 2003.

[8] Cannon, Joseph P., William D. Perrcault, Jr. dan E. Jerome McCarthy, “Basic

Marketing, A Global-Managerial Approach”. Edisi ke-16. Diterjemahkan

oleh Diana Angelica dan Ria Cahyani. Jakarta : Salemba Empat, 2009.

[9] Kamadjaja, Ir. Agustino, MBA, Edianto Ong, dkk., “Smart Investment For

Mega Profit: Strategi Menuju Kebebasan Finansial Melalui Investasi Stocks

dan Options dengan Small Capital, Low Risk, Liquid & Stress Free”. Cetakan

ke-9. Jakarta : Elex Media Komputindo, 2008.

[10]Lipson, Lipschutz dan Kirkpatrick, “Schaum’s Easy Outlines Aljabar Linear”.

Edisi ke-3. Diterjemahkan oleh Ir. Julian Gressando, M.Sc. Jakarta :

Erlangga, 2002.

[11] D. Clark, “Overview of Object-Oriented Programming,” dalam Beginning C#

Object-Oriented Programming, New York, Apress, 2013, pp. 3-4.

[12] Kementerian Pendidikan dan Kebudayaan, “Matematika – Studi dan

Pengajaran”. Cetakan Pertama. Jakarta : Kementerian Pendidikan dan

1

BAB I

PENDAHULUAN

I.1 Latar Belakang Masalah

PT. Sanbe Farma merupakan grup perusahaan farmasi yang melaksanakan

pengembangan formulasi, produksi, dan penjualan obat yang aman dan berkualitas

tinggi. PT. Sanbe Farma saat ini telah memproduksi 300 jenis obat yang bervariasi.

Seluruh obat Sanbe Farma dipasarkan melalui penyalur tunggal, yaitu PT. Bina San

Prima. Banyaknya data obat dan transaksi di perusahaan dapat dimanfaatkan untuk

menghasilkan suatu informasi yang berguna untuk kemajuan perusahaan di masa

mendatang.

Dalam pemasarannya, PT. Sanbe Farma memiliki divisi khusus, yaitu divisi

pemasaran. Divisi pemasaran berperan penting dalam menentukan kemajuan

perusahaan dengan meningkatkan pendapatan perusahaan. Namun, divisi

pemasaran kesulitan dalam mendapatkan faktor yang tepat untuk meningkatkan

penjualan. Selain itu, tanpa adanya analisis penjualan, sulit mengetahui apakah

bisnis yang dijalankan sudah baik atau tidak. Dalam upaya memajukan perusahaan

dan memenuhi target penjualan, divisi pemasaran perlu melakukan kegiatan

analisis terhadap permasalan tersebut.

Tingkat volume penjualan dipengaruhi oleh beberapa faktor. Terdapat empat

faktor dalam kebijaksanaan pemasaran, yaitu Produk (Product), Harga (Price),

Saluran Distribusi (Place), dan Promosi (Promotion) [1]. Keempat faktor ini

berperan penting dalam menentukan baik buruknya penjualan. Oleh karena itu,

perusahaan harus teliti dan berhati-hati dalam menentukan ataupun merubah nilai

faktor-faktor tersebut. Untuk membantu perusahaan agar mengetahui setiap

hubungan dan besar pengaruhnya dari faktor-faktor tersebut terhadap penjualan,

dibutuhkan analisis lebih lanjut menggunakan metode khusus.

Data mining dapat digunakan untuk membantu perusahaan dalam

menemukan informasi dalam data penjualan. Data mining merupakan suatu proses

2

memprediksi kelakuan (trend) di masa mendatang berdasarkan pola data tersebut

[3]. Data mining bukanlah suatu bidang yang sama sekali baru karena telah

mewarisi banyak aspek dan teknik dari bidang-bidang ilmu yang sudah mapan

terlebih dulu. Data mining memiliki akar yang panjang dari bidang ilmu seperti

kecerdasan buatan (artificial intelligent), machine learning, statistik, database, dan

juga information retrieval [4].

Data mining memiliki banyak teknik penyelesaian yang dibagi berdasarkan

fungsi dan tujuannya. Pada penelitian ini, peneliti menggunakan teknik analisis

korelasi. Istilah korelasi dan regresi sering digunakan secara bergantian, padahal

tujuannya berbeda. Analisis korelasi digunakan untuk mengukur kedekatan

hubungan dua variabel atau lebih yang diskala secara interval sedangkan analisis

regresi digunakan untuk memperoleh persamaan yang menunjukkan hubungan

linier antara dua atau lebih variabel [5].

I.2 Perumusan Masalah

Berdasarkan penjelasan dari latar belakang, permasalahan yang dapat

dirumuskan adalah bagaimana mengukur kedekatan dan menentukan kriteria

hubungan faktor yang mempengaruhi penjualan di PT. Sanbe Farma.

I.3 Maksud dan Tujuan

Maksud dari penelitian ini adalah membangun sistem dengan menerapkan

metode korelasi data mining pada penjualan obat di PT. Sanbe Farma. Adapun

tujuan dari penelitian ini adalah memberikan informasi kepada kepala divisi

pemasaran PT. Sanbe Farma untuk menentukan pengaruh harga obat, biaya

promosi, diskon, jumlah broker, dan komisi sales terhadap penjualan.

I.4 Batasan Masalah

Dalam pembangunan perangkat lunak ini, pembahasan dibatasi agar tidak

menyimpang dari tujuan yang ingin dicapai. Adapun batasan masalahnya adalah :

1. Data yang digunakan berupa data laporan penjualan bulanan, data obat,

3

2. Hasil penelitian berupa pola dan kriteria hubungan antara

variabel-variabel yang diuji.

3. Pendekatan analisis dan perancangan perangkat lunak menggunakan

analisis berorientasi objek.

I.5 Metodologi Penelitian

Penelitian menggunakan metode penelitian kuantitatif relasional. Metode

penelitian kuantitatif relasional adalah proses investigasi sistematik untuk

mengetahui hubungan antara dua atau lebih variabel [6].

I.5.1 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah studi

literatur. Studi literatir adalah metode pengumpulan data yang sifatnya berupa teori

dengan cara mengumpulkan literatur, jurnal, dan bacaan-bacaan yang valid serta

ada kaitannya dengan penelitian yang sedang dilakukan.

I.5.2 Metode Pembangunan Perangkat Lunak

Metode yang diterapkan dalam penelitian adalah model waterfall.

Tahap-tahap utama dari model ini memetakan kegiatan-kegiatan pengembangan dasar

yaitu :

a. Analisis dan definisi kebutuhan. Pada tahap ini, peneliti menentukan

batasan dan tujuan sistem dengan menganalisis kebutuhan user.

Kebutuhan ini kemudian diuraikan secara rinci dan digunakan sebagai

spesifikasi sistem.

b. Perancangan sistem dan perangkat lunak. Pada tahap ini, peneliti

membagi kebutuhan dalam sistem perangkat keras dan perangkat lunak.

Peneliti juga melakukan perancangan dan mendeskripsikan sistem

menggunakan bahasa pemodelan UML (Unified Modelling Language).

c. Implementasi dan pengujian unit. Pada tahap ini, peneliti membangun

sistem menggunakan bahasa pemrograman berdasarkan perancangan

4

menguji tiap-tiap modul yang dibangun apakah sudah memenuhi

spesifikasinya.

d. Integrasi dan pengujian sistem. Pada tahap ini, peneliti menghubungkan/

mengintegrasikan unit-unit sistem kemudian menguji sistem secara

keseluruhan.

e. Operasi dan pemeliharaan. Pada tahap ini, sistem sudah dapat

dioperasikan di lingkungannya. Sistem juga dipelihara dengan cara

menyesuaikan sistem terhadap situasi yang sebenarnya dan memperbaiki

berbagai error yang belum ditemukan sebelumnya.

Gambar alur model waterfall dapat dilihat pada Gambar I-1.

Analisis dan definisi kebutuhan

Perancangan sistem dan perangkat lunak

Implementasi dan pengujian

unit

Integrasi dan pengujian

sistem

Operasi dan pemeliharaan

Gambar I-1 Alur Model Waterfall [7]

I.5.3 Metode Penyelesaian Masalah

Penyelesaian masalah yang telah disebutkan di atas dapat menggunakan data

mining. Adapun tahapan-tahapannya adalah sebagai berikut :

1. Data selection

Data yang yang akan digunakan untuk proses data mining dipilih dan

dipisahkan dari basis data operasional.

2. Pre-processing

Data yang telah dipilih akan diolah pada proses pre-processing untuk

5

3. Transformation

Pada tahap ini, data dirubah menggunakan proses coding agar sesuai

untuk proses data mining.

4. Data mining

Pada proses ini, peneliti mencari pola atau informasi menarik dari data

yang telah tersedia menggunakan teknik ataupun metode.

5. Interpretation/Evaluation

Pola informasi yang dihasilkan harus mudah dimengerti dan diperiksa

apakah bertentangan dengan fakta atau hipotesis yang ada sebelumnya.

I.6 Sistematika Penulisan

Sistematika penulisan penelitian ini disusun ke dalam beberapa bab dengan

gambaran masing-masing bab sebagai berikut :

BAB I PENDAHULUAN

Bab ini berisi tentang penguraian latar belakang permasalahan, perumusan inti

permasalahan yang dihadapi, tujuan dan kegunaan penelitian, pembatasan masalah,

metode yang digunakan dalam penelitian, serta sistematika penulisan.

BAB II TINJAUAN PUSTAKA

Bab ini berisi tentang pembahasan konsep dan teori-teori yang berkaitan dengan

5etri penelitian yang dilakukan. Selain itu, pada bab ini juga akan meninjau

perusahaan. Sedangkan, teori-teori yang akan digunakan dalam penelitian ini

meliputi pembahasan tentang data mining, pemasaran, teknik korelasi, dan

pemrograman berorientasi objek.

BAB III ANALISIS DAN PERANCANGAN

Bab ini berisi mengenai analisis sistem, analisis kebutuhan fungsional dan

nonfungsional dalam pembangunan sistem, serta perancangan sistem yang meliputi

perancangan basis data, perancangan struktur menu, dan perancangan antarmuka.

BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini berisi tentang hasil implementasi dari perancangan sistem yang telah dibuat,

6

BAB V KESIMPULAN DAN SARAN

Bab ini berisi tentang kesimpulan dari hasil pembangunan sistem yang telah

diimplementasikan disertai juga dengan saran yang diharapkan dapat berguna untuk

iii

KATA PENGANTAR

Puji dan syukur saya panjatkan ke hadirat Tuhan Yang Maha Kuasa karena

berkat rahmat dan karunia-Nya, penelitian yang berjudul “IMPLEMENTASI

DATA MINING PADA PENJUALAN OBAT DI PT. SANBE FARMA

MENGGUNAKAN METODE ANALISIS KORELASI” dapat terselesaikan

sesuai dengan waktu yang diharapkan. Penelitian ini dibuat untuk memenuhi salah

satu syarat kelulusan untuk program strata I, program studi Teknik Informatika di

Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Melalui kata pengantar ini, disampaikan rasa terima kasih yang

sebesar-besarnya kepada semua pihak yang telah terlibat secara langsung ataupun tidak

langsung dalam meluangkan waktu dan pemikirannya sehingga penelitian ini dapat

terselesaikan. Berikut pihak-pihak yang terlibat dalam penelitian ini.

1. Tuhan Yang Maha Esa atas bantuan dan izin-Nya penelitian ini bisa

terselesaikan.

2. Keluarga yang telah mendukung dalam penelitian ini, khususnya ibu

(Lily), ayah (Ahim), kakak (Fery Wiliam), dan adik-adik (Erwin dan

Velencia) saya yang selalu mendoakan untuk kelancaran penelitian ini.

3. Bapak Adam Mukharil Bachtiar S.Kom., M.T. selaku dosen pembimbing

yang telah mengarahkan, memberikan masukan, dan membantu baik

dalam proses bimbingan, seminar, ataupun sidang dalam penelitian ini.

4. Ibu Dian Dharmayanti S.Kom., M.Kom. selaku penguji 1 dan Ibu Nelly

Indriani W, S.Si, M.T. selaku dosen penguji 3 yang telah memberikan

masukan untuk perbaikan pada penelitian ini.

5. Bapak Irfan Maliki S.T., M.T. yang telah menjadi dosen wali selama

perkuliahan.

6. PT. Sanbe Farma yang telah bersedia mengizinkan saya untuk melakukan

iv

7. Teman-teman seperjuangan bimbingan Bapak Adam Mukharil Bachtiar

S.Kom., M.T. yang setiap minggunya memperjuangkan penelitiannya

masing-masing.

8. Teman-teman sepenanggung sependeritaan saya, Ahmad Zaelani

Abdillah, Rijal Fauzi Sholihin, Rida Sukmara, Sugiono, Aditia Rakhmat

Sentiaji, dan Aldy Ginanjar dari kelas IF-4 2010, dan teman-teman kelas

lainnya yang merasakan bersama-sama manis pahitnya dunia perkuliahan

dan juga teman-teman angkatan 2010.

9. Beserta pihak-pihak lain yang tidak bisa disebutkan satu persatu yang

telah memberikan bantuan dan dukungannya.

Mohon maaf apabila untuk segala kekurangan yang ada dalam penelitian ini,

baik di dalam isi, maupun dalam pengetikan, karena penelitian ini masih jauh dari

kata sempurna. Akhir kata, semoga penelitian ini bisa berguna bagi mahasiswa atau

pihak lain yang tertarik mengetahui lebih jauh mengenai analisis korelasi.

Peneliti

IMPLEMENTASI DATA MINING PADA PENJUALAN OBAT

DI PT. SANBE FARMA MENGGUNAKAN METODE

ANALISIS KORELASI

SKRIPSI

Diajukan untuk memenuhi Ujian Akhir Sarjana

WYDIYANTO

10110166

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK DAN ILMU KOMPUTER