BIODATA PENULIS (RIWAYAT HIDUP)
I. DATA PRIBADI
Nama : Ezra Janitra Rachman
NIM : 10111440
Tempat, Tanggal Lahir : Jember, 4 Desember 1992 Jenis Kelamin : Laki-Laki
Alamat : Perumahan Mastrip blok C-2 Jember, Jawa Timur No. Telp : 085655626459
E-Mail : [email protected]
II. RIWAYAT PENDIDIKAN
1999-2005 : SD Negeri Jember Lor 1 2005-2008 : SMP Negeri 4 Jember 2006-2009 : SMA Negeri 3 Jember
PENERAPAN
DATA MINING
DALAM PEREKOMENDASIAN
SETELAN BUSANA MUSLIM DENGAN METODE
ASSOCIATION MINING RULES
DI TOKO SUBUR
MENGGUNAKAN ALGORTIMA CT PRO
SKRIPSI
Diajukan untuk Menempuh Ujian Akhir Sarjana
EZRA JANITRA RACHMAN
10111440
Program Studi Teknik Informatika
Fakultas Teknik Dan Ilmu Komputer
Universitas Komputer Indonesia
iii
KATA PENGANTAR
Assalamu’alaikum Wr. Wb.,
Alhamdulillahi Rabbil ‘alamiin, puji dan syukur penulis panjatkan kehadirat Allah SWT, karena atas berkah, rahmat, dan hidayah-Nya sehingga
penulis dapat menyelesaikan laporan tugas akhir (skripsi) ini dengan baik.
Adapun laporan tugas akhir ini syarat utama untuk memenuhi kelulusan program
pendidikan Strata 1 jurusan Teknik Informatika Fakultas Teknik dan Ilmu
Komputer Universitas Komputer Indonesia.
Penulis sangat menyadari bahwa masih banyak kekurangan dalam
penyusunan laporan tugas akhir sehingga masih jauh dari kata sempurna dan tidak
luput dari kesalahan. Hal ini dikarenakan oleh pengetahuan, pengalaman, dan
kemampuan penulis yang terbatas. Oleh karena itu, kritik dan saran yang
membangun sangat penulis harapkan untuk menyempurnakannya laporan tugas
akhir ini.
Selama menulis laporan tugas akhir ini, penulis telah mendapat banyak
sekali bimbingan dan bantuan dari berbagai pihak yang telah dengan segenap hati
dan keikhlasan yang penuh membantu dan membimbing penulis dalam
menyelesaikan laporan ini. Dengan kesadaran hati, penulis ucapkan terima kasih
kepada:
1. Allah SWT yang telah memberikan segala yang terbaik sehingga penulis
dapat dengan lancar menyelesaikan tugas akhir ini.
2. Kedua orang tuaku, ibunda tercinta S A Erniyati dan ayahanda Herman R
yang selalu mendoakan dan menyayangiku sedari kecil serta memberikan
dorongan, motivasi, dan semangat sepenuhnya tanpa pamrih.
3. Bapak Adam Mukharil Bachtiar, S.Kom., M.T. sebagai dosen pembimbing
yang dengan segala kesabaran dan keikhlasannya membimbing dan
memberikan ilmunya kepada penulis dalam menulis laporan tugas akhir
iv
4. Ibu Dian Dharmayanti, S.T., M.Kom. selaku reviewer seminar dan dosen
penguji I yang telah banyak memberi masukan serta revisi yang sangat
berarti dalam penelitian ini.
5. Terima kasih kepada Bayu F P, Ine Sri R, Zaky Yusrizal dan teman
seperjuangan yang sudah membantu penulis dalam menyelesaikan tugas
akhir.
6. Toko Subur Jember yang telah mengizinkan dan memberikan data untuk
penelitian tugas akhir ini.
Dan semua pihak yang tidak dapat penulis tuliskan namanya satu persatu yang
telah memberikan dorongan semangat kepada penulis.
Bandung, Agustus 2016
v
I.5 Metodologi Penelitian ... 3
I.6 Sistematika Penulisan ... 6
BAB II TINJAUAN PUSTAKA ... 9
II.1 Profil Instansi ... 9
II.1.1 Sejarah Toko Subur ... 9
II.1.2 Logo ... 9
II.1.3 Struktur Organisasi ... 9
II.1.4 Visi dan Misi ... 11
II.2 Landasan Teori ... 11
vi
II.2.2 Basis Data ... 11
II.2.3 Database Management System ... 12
II.2.4 Data Mining ... 12
II.2.5 Konsep Data Mining ... 13
II.2.6 Association Rules ... 15
II.2.7 Preprocessing Data ... 16
II.2.8 Algoritma CT-PRO ... 17
II.2.8 Unified Modeling Language ... 17
II.2.8.1 Diagram Use Case ... 18
II.2.8.2 Diagram Kelas ... 18
II.2.8.3 Diagram Aktifitas ... 18
II.2.8.4 Diagram Sequence ... 19
II.2.9 MySQL ... 19
BAB III ANALISIS DAN PERANCANGAN SISTEM ... 21
III.1 Analisis Sistem ... 21
III.2.1 Business Understanding ... 21
III.1.1.1 Menentukan Tujuan Bisnis ... 21
III.1.1.2 Menilai Situasi ... 21
III.1.1.3 Menentukan Tujuan Data Mining ... 22
III.1.2 Data Understanding ... 22
III.1.2.1 Mengumpulkan Data Awal ... 22
III.1.2.2 Menjelaskan Data ... 23
III.1.2.3 Menjelajahi Data ... 24
II.2.2.4 Verifikasi Kualitas Data... 25
vii
III.1.3.1 Pemilihan Data ... 25
III.1.3.2 Pembersihan Data... 27
III.1.4 Pemodelan ... 28
III.2 Spesifikasi Kebutuhan Perangkat Lunak ... 50
III.2.1 Analisis Spesifikasi Kebutuhan Non Fungsional... 51
III.2.2 Analisis Spesifikasi Kebutuhan Fungsional ... 51
III.2.3 Analisis Kebutuhan Non Fungsional ... 52
III.2.3.1 Analisis Kebutuhan Pengguna ... 52
III.2.3.2 Analisis Kebutuhan perangkat keras ... 53
III.2.3.3 Analisis Kebutuhan Perangkat Lunak ... 53
III.2.4 Analisis Kebutuhan Fungsional ... 54
III.2.4.1 Use case Diagram ... 54
III.2.4.2 Activity Diagram ... 60
III.2.4.3 Sequence Diagram ... 66
III.2.4.4 Class Diagram ... 69
III.3 Perancangan Sistem ... 70
III.3.1 Perancangan Struktur Menu... 70
III.3.2 Perancangan Antar Muka... 71
III.3.2 Perancangan Pesan ... 75
III.3.3 Jaringan Semantik ... 77
BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM ... 79
IV.1 Implementasi Sistem ... 79
IV.1.1 Perangkat Keras yang Digunakan ... 79
IV.1.2 Perangkat Lunak yang Digunakan ... 79
viii
IV.1.4 Implementasi Antar Muka ... 81
IV.2 Pengujian Sistem ... 81
IV.2.1 Pengujian Beta ... 82
IV.2.2 Kesimpulan Pengujian Beta ... 83
IV.3 Pengujian Akurasi Aplikasi Rekomendasi ... 83
IV.3.1 Kesimpulan Pengujian Hasil ... 85
BAB V KESIMPULAN DAN SARAN ... 87
V.1 Kesimpulan ... 87
V.2 Saran ... 87
89
DAFTAR PUSTAKA
[1] J. Simarmata dan I. Prayuda, Basis Data, Yogyakarta: Andi Offset, 2006.
[2] A. MUNIF, Basis Data, Jakarta: Direktorat Jendral Peningkatan Mutu
Pendidik dan Tenanga Kependidikan, 2013.
[3] J. Han, Data Mining : Concepts and Techniques, San Fransisco: Morgan
Kaufmann, 2006.
[4] K. Ummah, “SISTEM REKOMENDASI PEMBELAJARAN PADA E
-LEARNING MENGGUNAKAN ALGORITMA CT-PRO,” JURNAL
TEKNOLOGI TECHNOSCIENTIA, vol. 7, pp. 144-149, 2015.
[5] D. T. Larose, Discovering Knowledge in Data, New Jersey: Jhon Wiley &
Sons,Inc, 2005.
[6] G. A. E. Kharisma, “RANCANG BANGUN APLIKASI MARKET
BASKET ANALYSIS (MBA) PADA MINI MARKET UD.DIANI
DENGAN ALGORITMA CT-PRO,” Kumpulan Artikel Mahasiswa
Pendidikan Teknik Informatika (KARMAPATI). Volume 2, Nomor 2,
Pebruari 2013, 2013.
[7] S. S. Alhir, Learning UML, United States of America: O'Reilly, 2003.
[8] B. Bruegge dan A. H. Dutoit, Object-Oriented Software Engineering, United
States Of America: Alan R. Apt, 2004.
[9] L. Beighley dan M. Morrison, Head First PHP & MySQL, United States of
America: O'Reilly Media, 2008.
[10] I. H. Witten dan F. Eibe, Data Mining Partical Machine Learning Tools and
Techniques, San Francisco: Morgan Kauffman, 2005.
[11] B. Santosa, Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis,
Yogyakarta: Graha Ilmu.
[12] M. Nasir, Metodologi Penelitian, Jakarta: Ghalia Indonesia, 1999.
[13] B. Gupta, “FP-Tree Based Algorithms Analysis : FP-Grwoth, COFI-Tree and
90
(IJCSE). Vol 3, No. 7 July 2011, 2011.
[14] D. dan B. Paul, Data System Third Edition, New York: Palgrave Macmillan,
2004.
[15] G. A. E. Kharisma, “RANCANG BANGUN APLIKASI MARKET
BASKET ANALYSIS (MBA) PADA MINIMARKET UD. DIANI
DENGAN ALGORITMA CT-PRO,” KUMPULAN ARTIKEL MAHASISWA
PENDIDIKAN TEKNIK INFORMATIKA (KARMAPATI), vol. 2, pp.
1
takwa, sarung, kerudung, sajadah, selimut, seprei, dan batik. Pelanggan dari Toko
Subur bermacam-macam mulai dari toko kecil yang membeli barang untuk di jual
kembali hingga pelanggan biasa. Pada Toko Subur setiap transaksi masuk ke
dalam data transaksi yang mana data transaksi yang sudah ada tersebut menjadi
data yang tidak terpakai dan akhirnya menjadi sampah.
Dari hasil wawancara dan observasi yang dilakukan didapatkan alur proses
yang sedang berjalan di Toko Subur saat ini adalah setiap pembeli membeli
barang secara acak dan tidak ada penjualan 1 setelan baik untuk baju takwa,
mukena, sarung dan sajadah sehingga membuat para pembeli sering meminta
untuk adanya penjualan 1 setelan untuk baju takwa, sarung, sajadah dan mukena
terutama saat acara hari besar keagamaan islam untuk memudahkan pembeli. Saat
ini pihak Toko Subur tidak bisa melakukan penjualan 1 setelan untuk baju takwa,
sarung, sajadah, mukena, dan kerudung dikarenakan belum adanya sistem yang
mampu merekomendasikan merek baju takwa, mukena, sarung, sajadah yang
sering dibeli oleh pelanggan.
Berdasarkan wawancara yang dilakukan maka Toko Subur dalam
menentukan paket setelan yang setiap barang yang akan dimasukkan ke dalam
setelan memiliki harga tidak lebih dari 50.000. Kombinasi kategori barang dalam
1 setelan pria terdiri dari baju takwa, sarung dan sajadah atau bisa juga terdiri dari
baju takwa dan sarung, sedangkan untuk kombinasi kategori untuk setelan wanita
hanya terdiri dari mukena dan sajadah.
Salah satu teknik untuk memecahkan permasalahan ini adalah dengan metode
2
otomatis dalam tempat penyimpanan data berukuran besar [1]. Teknik data
mining digunakan untuk memeriksa basis data dari transaksi penjualan untuk
menemukan pola yang baru dan berguna untuk pendukung keputusan dalam
perekomendasian untuk penjualan 1 setelan. Salah satu metode yang digunakan
dalam teknologi data mining adalah metode association rules. Association rules
yang merupakan teknik pencarian aturan-aturan asosiasi yang menunjukkan
kondisi-kondisi nilai atribut yang sering terjadi bersama-sama [1] pola asosiasi
yang akan menjadi pertimbangan bagi pihak Toko Subur dalam menentukan
merek untuk dapat dikombinasikan menjadi 1 setelan.
Berdasarkan masalah yang dihadapi di Toko Subur, maka perlu dilakukan
suatu “Penerapan Data Mining Dalam Perekomendasian Setelan Busana Muslim
Dengan Metode Assosiation Mining Rules Di Toko Subur Menggunakan
Algoritma CT PRO” Agar dapat mengetahui pola pembelian dari pelanggan dan
memberikan informasi kepada pihak Toko Subur dalam menentukan merek yang
akan dijadikan 1 setelan.
I.2 Perumusan Masalah
Dari latar belakang di atas dapat disimpulkan perumusan masalah yaitu
bagaimana cara menerapkan data Mining dengan metode Association rules untuk
merekomendasikan merek yang bisa dijadikan 1 setelan oleh Toko Subur.
I.3 Maksud dan Tujuan
Maksud dari penelitian ini adalah menerapkan data mining dalam
merekomendasikan barang untuk bisa dijadikan satu setelan dengan metode
association mining rules di Toko Subur.
Adapun tujuan yang ingin dicapai yaitu membantu Toko Subur dalam
membentuk paket setelan muslim.
I.4 Batasan Masalah
Berdasarkan perumusan masalah di atas maka batasan masalah dapat
3
1. Penelitian akan dilakukan dengan membangun menerapkan data Mining
dengan metode Association rule.
2. Data yang digunakan dalam penelitian adalah data transaksi selama 1
bulan yaitu bulan Juni.
3. Pengguna terakhir dari penerapan data mining ini adalah pemilik Toko
Subur.
4. Paket setelan yang di bentuk tidak lebih dari 3 dan tidak kurang dari 2
dari jenis barang yang berbeda.
I.5 Metodologi Penelitian
Penelitian ini menggunakan metodologi penelitian terapan yang mana
metode ini bertujuan untuk menyelesaikan permasalahan berdasarkan teori yang
sudah ada.
Dalam penelitian ini mengikuti standar dari Cross-Industry Standard for
Data Mining (CRISP-DM) merupakan suatu standar yang telah dikembangkan
pada tahun 1996 yang ditunjukkan untuk melakukan proses analisis dari suatu
industri sebagai strategi pemecahan masalah dari bisnis satu unit penelitian. Untuk
data yang dapat di proses dengan CRISP-DM ini, tidak ada ketentuan atau
karakteristik tertentu, karena data tersebut akan diproses kembali pada fase-fase di
dalamnya. Fase Cross-Industry Standard for Data Mining (CRISP-DM) bisa
4
Gambar I-1 Cross Industri Standard for Data Mining(CRISP-DM)
Maka alur yang ada dalam penelitian ini dapat dilihat pada Gambar I-2.
5
Berikut ini adalah tahapan-tahapan yang akan dilakukan dalam penelitian
ini sesuai dengan CRISP-DM :
1. Business understanding
Tahap pertama adalah memahami tujuan dan kebutuhan dari sudut
pandang bisnis, kemudian menerjemahkan pengetahuan ini ke dalam
pendifinisan masalah data mining, untuk menentukan bisnis perusahaan yang
sedang berjalan di Toko Subur.
a. Menentukan Tujuan Bisnis.
Tujuan utama analisis adalah untuk benar-benar memahami dari
perspektif bisnis, apa yang klien ingin capai.
b. Menilai Situasi
Dalam menilai situasi melibatkan fakta yang lebih rinci tentang
semua sumber daya, kendala, asumsi dan faktor lain yang harus
dipertimbangkan.
c. Menentukan Tujuan Data Mining
Dalam tahap ini sebuah tujuan bisnis menyatakan tujuan dalam
terminologi bisnis.
2. Data understanding
Pada tahap pemahaman data ini terlebih dahulu akan mengumpulkan
semua data yang diperlukan dari hasil data-data penjualan di Toko Subur
pada bulan Juni 2015. Dilanjutkan dengan proses pemahaman tentang data
yang akan digunakan sebagai hipotesa untuk menemukan informasi yang
tersembunyi.
a. Mengumpulkan Data Awal
Memperoleh data yang tercantum dalam sumber daya proyek.
b. Menjelaskan Data
Memeriksa data kotor dari data yang diperoleh dan melaporkan
hasilnya.
6
Dalam tahapan ini menangani pertanyaan data mining yang dapat
diatasi menggunakan query, visualisasi dan pelaporan. Analisis ini
dapat mengatasi langsung tujuan data mining. Namun, juga dapat
berkontribusi untul memperbaiki deskripsi dan kualitas data laporan
dan memberikan melanjutkan ke transfomarsi dan persiapan data lain
yang diperlukan untuk analisa lebih lanjut.
d. Verifikasi Kualitas Data
Tahapan ini menguji kualitas data, menangani pertanyaan-pertanyaan
seperti : Apakah data lengkap? (apakah sudah mencangkup semua
yang diperlukan?)
3. Data preparation
Tahap ini meliputi semua kegiatan untuk membangun dataset akhir (data
yang akan diproses pada tahap pemodelan/modeling) dari data mentah. Pada
tahap ini juga mencakup pemilihan tabel, record, dan atribut-atribut data,
termasuk proses pembersihan untuk kemudian dijadikan masukan dalam tahap
pemodelan (modeling).
a. Pilih Data
Menentukan data yang akan digunakan untuk analisis, kriterianya
meliputi relevansi untuk tujuan data mining , kualitas dan kendala
teknis seperti batas pada volume data atau jenis data.
b. Pembersihan Data
Dalam pembersihan data ini meningkatkan kualitas data keringat yang
dibutuhkan oleh teknik analisis yang dipilih.
4. Modeling
Dalam tahapan pemodelan ini akan menggunakan teknik metode data
mining dengan metode association rule dengan cara menemukan aturan
asosiatif atau pola kombinasi merek baju taqwa, sarung, kerudung, sajadah,
selimut, sprei, dan batik berdasarkan hasil data transaksi, sehingga dapat
diketahui merek dan barang apa saja yang sering dibeli secara bersamaan oleh
7
I.6 Sistematika Penulisan
Sistematika penulisan yang digunakan dalam penyusunan skripsi ini
adalah sebagai berikut :
BAB I. PENDAHULUAN
Bab ini membahas mengenai Latar Belakang Masalah, Rumusan Masalah,
Maksud dan Tujuan, Batasan Masalah, Metodologi Penelitian, dan Sistematika
Penulisan yang digunakan.
BAB II. TINJAUAN PUSTAKA
Bab ini membahas tentang sejarah, logo, visi, misi, struktur organisasi dari
Toko Subur dan berbagai konsep dasar dan teori-teori yang berhubungan dengan
judul penelitian, seperti pengertian data, datamining, associaiton rule algoritma
CT-PRO,UML, dan MySql.
BAB III. ANALISIS DAN PERANCANGAN SISTEM
Bab ini berisi tentang analisis dan perancangan sistem yang akan dibangun
berdasarkan data penjualan yang diperoleh dari rumah Toko Subur dengan
menggunakan data mining dengan metode associaiton rule menggunakan
algoritma CT-PRO.
BAB IV. IMPLEMENTASI DAN PENGUJIAN
Bab ini menjelaskan tentang implementasi dan pengujian terhadap tingkat
kekuatan dan keakuratan aturan-aturan asosiasi yang telah didapatkan berdasarkan
pola pembelian yang telah diterapkan sesuai dengan algoritma CT-PRO.
BAB V. KESIMPULAN DAN SARAN
Bab ini berisi tentang kesimpulan dari hasil penelitian yang telah
9
BAB II
TINJAUAN PUSTAKA
II.1 Profil Instansi
Sebagai pendukung pembuatan laporan profil instansi akan dijelaskan
sejarah, logo, visi, misi dan struktur organisasi dari tempat penelitian akan
dilakukan.
II.1.1 Sejarah Toko Subur
Toko Subur berdiri sejak tahun 1976 didirikan oleh seorang
wirausahawan yang bernama bapak Jing Xun yang beralamat di Dalam Pasar
Tanjung 308 Jember. Tujuan pendirian usaha ini dilihat dari potensi masyarakat
yang bersifat konsumtif akan produk konveksi seperti baju taqwa, sarung,
kerudung,
sajadah, selimut, sprei, dan batik pada masa itu dan berlanjut hingga saat ini,
sehingga bapak Jing Xun akhirnya mendirikan Toko Subur. Tidak hanya dilihat
dari masyarakatnya saja pendirian Toko Subur tersebut difungsikan untuk
memenuhi kebutuhan keluarga bapak Jing Xun. Hingga sampai saat ini Toko
Subur tersebut dapat berkembang pesat dengan kiat-kiat seorang wirausaha yang
dimiliki oleh bapak Jing Xun yaitu percaya diri, semangat, dan tekad yang besar
untuk menggapai suatu impian dalam berwirausaha. Ditambah etos kerja dan ulet
dalam mengerjakan usaha yang digelutinya.
II.1.2 Logo
Berikut ini adalah logo dari Toko Subur yang dapat dilihat pada
Gambar I-1.
10
II.1.3 Struktur Organisasi
Berikut struktur organisasi pada Toko Subur yang dapat dilihat pada
Gambar I-2 Struktur Organisasi Toko Subur
Job description :
1. Pemilik bertanggung jawab penuh terhadap Toko Subur, tugas dan
tanggung jawabnya sebagai berikut:
a. Membuat strategi dan kebijakan yang menyangkut operasi Toko
Subur.
b. Melakukan kontrol secara keseluruhan di Toko Subur.
c. Memegang kendali atas keputusan penting yang bersifat umum
berkaitan dengan keuangan.
2. Bagian Gudang memiliki tugas sebagai berikut :
a. Mengecek ketersediaan stok barang.
b. Memesan barang yang stoknya sudah dibawah 500 barang.
3. Pramuniaga memiliki tugas sebagai berikut:
a. Melayani pelanggan.
b. Membertitahu pada pelanggan tentang barang yang ada.
11
a. Bertanggung jawab terhadap hal-hal yang menyangkut transaksi
dan keuangan.
b. Menghitung pemasukan dan pengeluaran setiap bulannya.
II.1.4 Visi dan Misi
Visi dari Toko Subur ini adalah menjadikan Toko yang terbaik, dengan
menjual barang yang berkualitas dan mampu melayani sesuai dengan apa yang
diinginkan oleh setiap pelanggan. baik dari segi pelayanan, kualitas, maupun
kuantitas yang memuaskan, sedangkan misinya adalah Mengutamakan pelayanan
pada kepuasan yang optimal bagi para pelanggan. Berperan aktif untuk
meningkatkan kualitas yang dapat memberikan kepuasan para pelanggan,
karyawan, dan mitra bisnis.
II.2 Landasan Teori
Landasan teori yang berkaitan dengan materi atau teori yang digunakan
sebagai acuan melakukan penenlitian. Landasan teori yang diuraikan merupakan
hasil studi literatur, buku-buku, maupun situs internet.
II.2.1 Data
Data adalah representasi fakta dunia nyata yang mewakili satu objek
seperti manusia (pegawai, siswa, pembeli, pelanggan), barang, hewan, peristiwa,
konsep, keadaan, dan sebagainya, yang direkam dalam bentuk angka, huruf,
simbol, teks, gambar, bunyi, atau kombinasinya. Data juga merupakan sesuatu
yang belum memiliki arti dan masih membutuhkan pengolahan. Dalam data
terdapat himpunan data yang merupakan kumpulan dari objek dan atributnya.
Atribut merupakan sifat atau karakteristik dari satu objek yang biasanya dikenal
sebagai variabel, field, karakteristik atau fitur. Salah satu himpunan data adalah
record data, yaitu data yang terdiri dari sekumpulan record, yang masing-masing
terdiri dari satu set atribut yang tetap. Salah satu yang termasuk dalam tipe data
record yaitu data transaksi. Data transaksi merupakan sebuah tipe khusus dari
12
II.2.2 Basis Data
Basis data adalah merupakan kumpulan data yang saing berhubungan yang
disimpan secara bersamaan, sedemikian rupa dan tanpa pengulangan (redudancy)
yang tidak perlu, untuk memenuhi berbagai kebutuhan [2].
Basis data dibangun oleh beberapa komponen diantarnya ada enam
komponen pokok antara lain ialah :
1. Perangkat keras (hardware) dalam sistem komputer. Dalam sistem
pengolahan basis data digital perangkat utama sebagai pengilahan data
adalah komputer.
2. Perangkat lunak (aplikasi) lain yang mendukung dan bersifat opsional.
Perangkat lunak digunakan untuk mendukung proses pengelolaan basis
data, misal: bahasa pemrograman C, basic Pascal.
3. Sistem operasi (operating System). Sistem operasi merupakan perangkat
lunak yang digunakan untuk mengelola aplikasi basis data dan
penggunaan sumberdaya komputer.
4. Basis data lain yang mempunyai keterkaitan dan hubungan dengan
basis data itu sendiri. Mempunyai definisi struktur baik untuk basis data
maupun objek-objek secara detail.
5. Sistem pengelola Basis Data Database Management System atau
Database Management System. Merupakan program aplikasi untuk
pengelolaan basis data, seperti Microsoft acces, oracle dan lain-lain.
6. Pemakai (user) yaitu pengguna yang terlibat dalam pengelolaan basis
dan penggunaan basis data [2].
II.2.3 Database Management System
Database Management System (DBMS) adalah program aplikasi yang
dibuat dan berkerja dalam satu sistem. DBMS didesain untuk membantu dalam
hal pemeliharaan dan utilitas kumpulan data dalam jumlah besar. DBMS dapat
menjadi alternatif pengunaan secara khusus untuk aplikasi, misalnya
penyimpanan data dalam field dan menulis kode aplikasi yang spesifik untuk
13
II.2.4 Data Mining
Data mining, sering juga disebut knowledge discovery in database (KDD),
adalah kegiatan yang meliputi pengumpulan, pemakaian data historis untuk
menemukan keteraturan, pola atau hubungan dalam set data berukuran besar.
Keluaran dari data mining ini bisa dipakai untuk memperbaiki pengambilan
keputusan di masa depan. Sehingga istilah pattern recognition sudah tidak
digunakan lagi [3].
Definisi data Mining dapat diartikan sebagai berikut :
1. Proses penemuan pola yang menarik dari data yang tersimpan dalam
jumlah besar.
2. Ekstraksi dari satu informasi yang berguna atau menarik (non-trivial,
implisit, sebelumnya belum diketahui potensi kegunaannya) pola atau
pengetahuan dari data yang disimpan dalam jumlah besar.
3. Eksplorasi dari analisa secara otomatis atau semi otomatis terhadap
data-data dalam jumlah besar untuk mencari pola dan aturan yang
berarti.
II.2.5 Konsep Data Mining
Data mining sangat diperlukan terutama dalam mengelola data yang sangat
besar untuk memudahkan aktifitas recording suatu transaksi dan untuk proses data
warehousing agar dapat memberikan informasi yang akurat bagi bagi pengguna
data mining. Alasan utama data mining sangat dibutuhkan dalam industri
informasi karena tersedianya data dalam jumlah yang besar dan semakin besarnya
kebutuhan untuk mengubah data tersebut menjadi informasi dan pengetahuan
yang berguna karena sesuai fokus bidang ilmu ini yaitu melakukan kegiatan
mengekstraksi atau menambang pengetahuan dari data yang berukuran atau
berjumlah besar. Informasi inilah yang nantinya sangat berguna untuk
pengembangan. Berikut adalah langkah-langkah dalam data mining [3]. Konsep
14
Gambar I-3 Konsep data Mining
1. Data Cleaning yaitu untuk menghilangkan noise data yang tidak
konsisten
2. Data intergration yaitu menggabungkan beberapa file atau database
3. Data selection yaitu data yang relevan dengan tugas analisis
dikembalikan ke dalam database untuk proses data Mining.
4. Data tranformation yaitu data berubah atau bersatu menjadi bentuk
yang tepat untuk menambang dengan ringkasan performa atau operasi
agresi
5. Data Mining yaitu proses esensial Diana metode yang intelijen
digunakan untuk mengekstrak poladata.
6. Knowledge Discovery yaitu proses dimana ditemukanya sebuah pola
yang terdapat dalam data.
7. Pattern evolution untuk mengidentifikasi pola yang benar-benar
menarik yang mewakili pengetahuan berdasarkan atas beberapa
tindakan yang menarik.
8. Knowledge presentation yaitu gambaran teknik visualisasi dan
pengetahuan digunakan untuk memberikan pengetahuan yang telah
15
II.2.6 Association Rules
Association Rules adalah salah satu teknik yang terkenal dalam data
mining. Association Rules merupakan teknik data Mining untuk mencari
hubungan antar item dalam satu data set. Konsep ini diturunkan -dari terminologi
Market basket analysis, yaitu pencarian hubungan dari beberapa produk di dalam
transaksi pembelian. Association rule meliputi dua tahap,yaitu mencari kombinasi
yang paling sering terjadi dari suatu itemset dan mendefinsikan Condition dan
Result. [4].
Untuk mencari association rule dari suatu kumpulan data, tahap pertama
yang harus dilakukan adalah mencari frequent itemset terlebih dahulu. Frequent
itemset adalah sekumpulan item yang sering muncul secara bersamaan. Setelah
semua pola frequent itemset ditemukan, barulah mencari aturan asosiatif atau
aturan keterkaitan yang memenuhui syarat yang telah ditentukan.
Kopi → susu [support = 2%, confidence = 60%]
Nilai support 2% menunjukan bahwa keseluruhan dari total transaksi
konsumen membeli kopi dan susu secara bersamaan yaitu sebanyak 2%.
Sedangkan confidence 60% yaitu menunjukan bila konsumen membeli kopi dan
pasti membeli susu sebesar 60%.
Penting tidaknya suatu aturan asosiatif dapat diketahui dengan dua
parameter, yaitu support dan confidence. Support (nilai penunjang) adalah
presentase kombinasi item tersebut dalam database, sedangkan confidence (nilai
kepastian) adalah kuatnya hubungan antar-item dalam aturan asosiasi.
Dalam menentukan suatu association rule, terdapat suatu ukuran
kepercayaan yang didapat dari hasil pengelolahan data dengan perhitungan
tertentu. Umumnya ada dua ukuran, yaitu:
a. Support : suatu ukuran yang menunjukan seberapa besar tingkat dominasi suatu
itemset dari keseluruhan transaksi. Ukuran ini menentukan apakah suatu
16
yang ada, seberapa besar tingkat dominasi suatu item yang menunjukan bahwa
item A dan item B dibeli bersamaan).
b. Confidence : suatu ukuran yang menunjukan hubungan antara 2 item secara
conditional (misal, menghitung kemungkinan seberapa sering item B dibeli
oleh pelanggan jika pelanggan tersebut membeli sebuah item A).
Kedua ukuran ini nantinya berguna dalam menentukan kekuatan suatu
pola dengan membandingkan pola tersebut dengan nilai minimum kedua
parameter tersebut yang ditentukan oleh pengguna. Analisis asosiasi didefinisikan
suatu proses untuk menemukan semua aturan asosiasi yang memenuhi syarat
minimum untuk support (minimum support) dan syarat minimum untuk
confidence (minimum confidence).
Metodologi asosiasi terbagi menjadi 2 tahap yaitu :
1. Support Count
Pada tahap ini mencari kombinasi item yang memenuhi syarat
minimum dari nilai support dalam database berdasarkan persamaan 2.1
….. Persamaan (2.1)
Dimana A merupakan item yang akan dicari nilai supportnya.
2. Pembentukan aturan asosiasi.
Setelah semua frekuensi tinggi ditemukan, dicari aturan asosiasi yang
memenuhi syarat minimum untuk confidence dengan menghitung
confidence aturan asosiatif A B menggunakan persamaan 2.2
…..Persamaan(2.2)
II.2.7 Preprocessing Data
Preprocessing adalah suatu proses atau langkah yang dilakukan untuk
membuat data mentah menjadi data yang berkualitas (masukan yang baik untuk
data mining). Untuk menjadi berguna untuk tujuan data mining, sebuah database
perlu menjalani preprocessing dalam bentuk pembersihan data dan transformasi
17
mengandung nilai-nilai yang tidak lagi relevan atau hilang. Tujuan utama dari
preprocessingadalah meminimalkan “sampah” yang terdapat dalam model kita.
[5]
II.2.8 Algoritma CT-PRO
Algoritma CT-Pro merupakan salah satu algoritma pengembangan dari
FPGrowth. Perbedaannya terdapat pada langkah kedua dimana FP-Growth
membuat FPTree sedangkan CT-Pro membuat Compressed FP-Tree (CFP-Tree).
Pada tahap Mining algoritma CT-Pro juga menggunakan pendekatan bottom-up
dimana item pada header table dan CFP-Tree dilakukan scan dari jumlah terkecil
hingga terbesar. Algoritma CT-Pro memiliki tiga tahap yakni:
1. Mencari barang yang sering dibeli
2. Membuat struktur CFP-Tree
3. Melakukan Mining
CFP-Tree adalah tree dengan ketentuan sebagai berikut :
1. CFP-Tree terdiri dari tree yang memiliki root yang mewakili index dari item
dengan tingkat kemunculan tertinggi dan kumpulan subtree sebagai anak dari
root.
2. Jika I = {i1,i2, …, ik} adalah kumpulan dari frequent item dalam transaksi, item dalam transaksi akan dimasukkan ke dalam fieldCFP-Tree dimulai dari root.
3. Root dari CFP-Tree merupakan level-0 dari tree.
4. Setiap node dalam CFP-Tree memiliki field utama yakni item-id, parentid,
count yang merupakan jumlah item pada anode tersebut, dan level yang
menunjukkan struktur data tree pada node tersebut dimulai dari item yang
terdapat. Pada header table dengan level yang terdapat pada CFP-Tree [5].
II.2.8 Unified Modeling Language
Unified Modeling Languange (UML) merupakan bahasa visual untuk
pemodelan dan berkomunikasi tentang sistem melalui penggunaan diagram dan
teks [6]. Berikut adalah beberapa model yang akan digunakan dalam perancangan
18
yang bersangkutan dengan pemodelan fungsi dari satu sistem. Pemodelan use
case biasanya dimulai pada awal proyek dan berlanjut sepanjang proses
pengembangan sistem. Hal ini biasanya dilakukan sebagai serangkaian lokakarya
antara pengguna dan analis sistem di mana ide-ide dapat di eksplorasi dan
persyaratan dapat di ubah dari waktu ke waktu [6].
II.2.8.2Diagram Kelas
Diagram kelas adalah salah satu komponen dalam UML yang
menggambarkan kelas-kelas dalam sebuah sistem dan berhubungan antara satu
dengan yang lainya, serta dimasukkan pula atribut dan operasi. Dalam diagram
kelas UML, kelas ditampilkan sebagai persegi panjang yang solid – garis dengan tiga kompartemen standar dipisahkan oleh garis horizontal [6].
Tahapan dari diagram kelas adalah sebagai berikut :
1. Mengidentifikasi objek dan mendapatkan kelas-kelasnya.
2. Mengidentifikasi atribut kelas-kelas.
3. Mulai konstruksi kamus data.
4. Mengidentifikasi operasi pada kelas-kelas.
5. Mengidentifikasi hubungan antar kelas dengan menggunakan
asosiasi, agregasi, dan inheritance.
II.2.8.3Diagram Aktifitas
Diagram aktivitas menjelaskan perilaku dari satu sistem dalam sebuah
istilah. Kegiatan pemodelan ini mewakili pelaksanaan serangkaian operasi yang
19
II.2.8.4 Diagram Sequence
Diagram sequence adalah diagram yang menampilkan interaksi antar
objek yang disusun berdasarkan rangkaian urutan waktu [6].
II.2.9 MySQL
MySQL adalah multiuser database yang menggunakan bahasa structured
Query Language (SQL). MySQL merupakan sebuah aplikasi yang memungkinkan
untuk menyimpan data dalam database dan tabel dan memasukkan dan
mengambil informasi menggunakan bahasa SQL. SQL adalah sebuah bahasa
79
BAB IV
IMPLEMENTASI DAN PENGUJIAN SISTEM
Pada bab ini akan dilakukan implementasi dan pengujian terhadap sistem
yang telah dibuat, Setelah tahap perancangan akan dilakukan tahap implementasi,
tahap ini dilakukan bertujuan untuk mempersiapkan sistem agar bisa dioperasikan.
IV.1 Implementasi Sistem
Implementasi sistem adalah proses pembangunan perangkat lunak, tahapan
ini bertujuan untuk mengkonfirmasi perancangan sistem yang telah dibuat. Tahap
ini meliputi perangkat keras yang digunakan, perangkat lunak yang digunakan,
implementasi basis data, dan implementasi antar muka.
IV.1.1 Perangkat Keras yang Digunakan
Perangkat keras yang digunakan untuk membangun sistem ini adalah
sebagai berikut
Tabel IV-1 Spesifikasi perangkat keras yang digunakan
No Perangkat Keras Spesifikasi
1 Processor Intel Core i7 2,40 Ghz
2 Memory 512 MB
3 Harddisk 128 GB
4 Monitor LCD 16 inchi
5 Keyboard Standard Port USB / PS2 6 Mouse Standard Port USB / PS2
IV.1.2 Perangkat Lunak yang Digunakan
Spesifikasi perangkat lunak untuk proses implementasi ini meliputi sistem
operasi, Web server yang digunakan sebagai pembangun, Data base management
80
Tabel IV-2 Spesifikasi perangkat lunak
No Perangkat Lunak Spesifikasi
1 Sistem Operasi Microsoft Windows 8.1
2 Web Server Pembangun Xampp Server
3 DBMS MySQL
4 Compiler Microsoft Visual Studio 2012
IV.1.3 Implementasi Data
Pada tahap ini digunakan untuk menjelaskan karakteristik dari data yang akan digunakan dalam sistem. Pada Tabel IV-3 akan menunjukkan rincian atribut yang ada pada tabel transaksi.
Tabel IV-3 Struktur Tabel
Nama Atribut Tipe Data Panjang Keterangan
No_Nota Varchar 20 unique
Tanggal Date -
Waktu Time -
Kd_Barang Varchar 10 - Nama_Barang Varchar 50 -
qty Int 15 -
Harga_Barang Int 15 -
Total_Harga Int 15 -
Total_Bayar Int 15 -
81
IV.1.4 Implementasi Antar Muka
Implementasi antar muka dibangun untuk mengetahui setiap tampilan yang
dibangun berdasarkan perancangan antarmuka pada tahap perancangan sistem.
Tabel IV-4 Implementasi Antar Muka
No Menu Deskripsi Nama File
1 Utama Tampilan beranda pada sistem main.cs
2 Import Data
Digunakan untuk memasukkan data ke dalam siste yang dilakukan oleh user
Association oleh user
Prepocessing_Data.cs
4 Proses Asosiasi
Digunakan untuk menganalisis data hasil preprocessing
berdasarkan masukan minimum
support dan minimum confidence
serta menampilkan hasil akhir dari aturan asosiasi yang telah dianalisis yang dilakukan oleh user serta untuk melakukan
Pengujian sistem adalah tahapan yang memiliki tujuan untuk menemukan
kekurangan pada perangkat lunak yang telah dibangun. Pengujian sistem akan
memberikan hasil yang optimal jika diterapkan strategi dan metode pengujian yang
82
dibangun sudah memenuhi kriteria yang sesuai dengan perancangan. Pengujian
yang digunakan menggunakan pengujian black box. Pengujian black box ini
berfokus pada persyaratan fungsional perangkat lunak yang dibangun.
IV.2.1 Pengujian Beta
Pengujian beta dilakukan pada user yang merupakan pengguna akhir dari
perangkat lunak yang akan dibangun. Pengujian ini dilakukan dengan
menggunakan metode wawancara dengan pemilik Toko Subur.
Pada tahap ini dijelaskan beberapa pertanyaan yang mencangkup pengujian
terhadap kemudahan penggunaan dan saran terhadap perbaikan sistem.
No Pertanyaan
1 Apakah sistem perekomendasian setelan sudah mampu memberikan hasil rekomendasi sesuai dengan yang diharapkan ?
2 Apakah dalam menggunakan sistem perekomendasian setelan terdapat kesulitan ?
3 Apa saja kekurangan dari sistem perekomendasian setelan yang dapat dikembangkan?
No Jawaban
1 Ya, aplikasi rekomendasi sudah mampu memberikan hasil rekomendasi sesuai yang diharapkan
2 Dalam menggunakan sistem perekomendasian setelan tidak mengalami kesulitan karena dari tampilan sudah cukup mudah dipahami dalam penggunaanya.
83
IV.2.2 Kesimpulan Pengujian Beta
Berdasarkan hasil dari pengujian beta dapat disimpulkan bahwa sistem
perekomendasian setelan ini membantu Toko Subur untuk menentukan setelan
yang akan dibentuk dan dijual.
IV.3 Pengujian Akurasi Aplikasi Rekomendasi
Pengujian hasil ini merupakan pengujian menggunakan perangkat lunak yang
telah dibangun, untuk melihat apakah hasilnya sudah sesuai dengan contoh kasus
pada BAB III. Perhitungan manual untuk minimum support 3 dan minimum
confidence 60% dapat dilihat pada Tabel IV-5.
Tabel IV-5 Perhitungan Manual
Untuk rule dari hasil perhitungan manual dapat dilihat pada Tabel IV-6.
Tabel IV-6 Rule Perhitungan Manual
Rule Isi Rekomendasi Paket
Rule1 Baju Taqwa Tanzil Sarung Wadimor, Sajadah KH Bludro Rule 2 Baju Taqwa Tanzil
84
Rule Isi Rekomendasi Paket
Rule 3 Sajadah KH Bludro Baju Taqwa
Hasil perhitungan dengan menggunakan aplikasi dapat dilihat pada Gambar
IV-1.
Gambar IV-1 Hasil Perhitungan Aplikasi
85
Gambar IV-2 Hasil Rule Aplikasi
IV.3.1 Kesimpulan Pengujian Hasil
Berdasarkan hasil pengujian dapat disimpulkan bahwa sistem
perekomendasian setelan sudah menghasilkan rekomendasi yang sesuai dengan
