PENERAPAN DATA MINING PADA PENJUALAN SAY (1)

(1)

Abstrak— Kebutuhan masyarakat terhadap sayuran di sekitar kota Porong khususnya di Pasar Baru Porong dalam beberapa tahun terakhir terus mengalami peningkatan. Di dalam dunia perdagangan tentunya para pelaku harus selalu memikirkan cara untuk bertahan dan mengembangkan usaha mereka. Hal ini karena Pasar Baru Porong merupakan tempat strategis untuk para pedagang dan petani sayur.

Data mining merupakan sebuah analisa mengelompokkan data dengan karakteristik yang sama ke suatu ‘wilayah’ yang sama dan data dengan karakteristik yang berbeda ke ‘wilayah’ yang lain.

Dalam penelitian ini menghasilkan sebuah grafik kombinasi penjualan sayur bayam, kangkung dan sawi yang penjualannya cenderung stabil dan meningkat (laku). Dan kombinasi penjualan sayur kenikir dan daun singkong yang penjualannya cenderung menurun (kurang laku).

Kata Kunci : Sayur, Data Mining, Market Basket Analysis Clustering

I. PENDAHULUAN

Kebutuhan masyarakat terhadap sayuran di sekitar kota Porong khususnya di Pasar Baru Porong dalam beberapa tahun terakhir mengalami peningkatan. Lokasi Pasar Baru Porong tersebut cukup strategis, karena letaknya dekat dengan Jalan Raya Arteri penghubung kota Sidoarjo, Pasuruan, Malang dan Mojokerto. Di dalam perdagangan dan persaingan para pelakunya harus selalu memikirkan cara untuk terus survive serta mengembangkan usaha mereka. Untuk mencapai hal tersebut, ada tiga kebutuhan

harus dilakukan, yaitu penambahan jenis maupun peningkatan kapasitas produk, pengurangan biaya operasional usaha, dan peningkatan efektifitas pemasaran serta keuntungan. Supaya memenuhi kebutuhan bisnis di atas banyak cara dapat ditempuh, salah satunya adalah melakukan analisis data kebutuhan.

II. DATA DAN METODE

2.1 Data

Analisa dimulai dengan pengumpulan data yang diperlukan untuk penelitian seperti data sayur yang meliputi sayur bayam, kangkung, sawi, dengan cara yang berbeda dengansebelumnya

.

[1]

Metode yang digunakan untuk penerapan data mining pada penelitian ini adalah metode

Market Basket Analysisclustering (pengelompokkan) Analisis Market Basket adalah teknik matematis yang biasa digunakan oleh marketing nasional untuk menyatakan kesamaan antara produk individu atau kelompok produk.[2]_{Market Basket Analysis}

berkenaan dengan sekumpulan permasalahan bisnis yang berkaitan untuk mengetahi point of sale dari data transaksi.[2]

Market Basket Analysis merupakan salah satu contoh penerapan Association Rules dimana setiap konsumen membeli sayur yang berbeda, dalam jumlah berbeda, dan dalam waktu yang berbeda pula.

PENERAPAN DATA MINING PADA PENJUALAN SAYUR

MENGGUNAKAN METODE

MARKET BASKET ANALYSIS

CLUSTERING

STUDY KASUS PASAR BARU PORONG

Elvin Dian Arta, Hindarto

(2)

Market Basket Analysis menggunakan informasi apa yang dibeli oleh konsumen untuk menyediakan tanda atau informasi yaitu siapa mereka dan mengapa mereka melakukan pembelian sayur tersebut? Market Basket Analysis menyediakan tentang pengertian barang dagangan dengan memberitahukan kepada kita produk-produk mana saja yang memungkinkan untuk dibeli dalam waktu yang bersamaan.[2]

I. HASIL DAN PEMBAHASAN

3.1. Sistem di uji sebanyak lima kali dengan rincian sebagai berikut :

a. Pengujian selama 4 bulan. b. Selama bulan januari. c. Selama bulan pebruari. d. Selama bulan maret. e. Selama bulan april.

3.2 Pengujian Sistem Selama 4 Bulan

.

Berikut hasil pengujian sistem selama 4 bulan ( Januari – April )

Gambar 3.1 Pengujian selama 4 bulan. Pada gambar 3.1 langkah selanjutnya menginputkan batas minimum yang diperoleh dari memilih hasil pada kolom jumlah di tabel kombinasi 2 sayur yaitu inputan 1151 dan 902

Dengan inputan batas 1151 kemudian menekan tombol proses 2 maka akan diperoleh hasil seperti gambar dibawah ini

Gambar 3.2 Pengujian selama 4 bulan.

Dari gambar 3.2 hasil kombinasi 2 sayur dengan batas minimum 1151 yaitu sebagai berikut :

1. Sayur Bayam dan Kangkung dengan nilai support 50 % dan nilai confidence 77 %.

2. Sayur Kangkung dan Sawi dengan nilai support 44 % dan nilai confidence 68 %.

3. Sayur Bayam dan Sawi dengan nilai support 44 % dan nilai confidence 66 %.

Kemudian dengan inputan batas minimum 1151 dalam sistem tidak ditemukan jumlah kombinasi 3 sayur lebih dari atau sama dengan 1151.

Selanjutnya dengan memasukkan inputan batas minimum 902 dan menekan tombol proses 2, maka diperoleh hasil dibawah ini

.

Gambar 3.3 Hasil dari input batas minimum 902.

Pada gambar 3.3 hasil kombinasi 2 sayur dengan batas minimum 902 yaitu sebagai berikut :

(3)

2. Sayur Kangkung dan Sawi dengan nilai support 44 % dan nilai confidence 68 %.

4. Sayur Kangkung dan Kenikir dengan nilai support 34 % dan nilai confidence 52 %. Kemudian dengan inputan batas minimum 902 dalam sistem diperoleh jumlah kombinasi 3 sayur yaitu :

5. Sayur Bayam, Kangkung dan Sawi dengan nilai support 50 % dan nilai confidence 74 %.

Yang artinya : 74 % dari transaksi di database yang memuat sayur bayam dan kangkung juga memuat sayur sawi. Sedangkan 50% dari seluruh transaksi yang ada di database memuat ketiga item itu."

3.3 Pengujian Sistem Selama Bulan Januari.

Gambar 3.4 hasil pengujian selama bulan januari

Pada gambar 3.4 langkah selanjutnya menginputkan batas minimum yang diperoleh dari kolom jumlah di tabel kombinasi 2 sayur yaitu 425 dan 339.

Gambar 3.5 Hasil dari input batas minimum 425. Pada gambar 3.5 hasil kombinasi 2 sayur dengan batas minimum 425 yaitu sebagai berikut :

1. Sayur Bayam dan Kangkung dengan nilai support 62 % dan nilai confidence 87 %. Nilai – nilai tersebut diperoleh dari rumus berikut : 2. Sayur Kangkung dan Sawi dengan nilai support

57 % dan nilai confidence 80 %. Nilai – nilai tersebut diperoleh dari rumus berikut :

Selanjutnya dengan memasukkan inputan batas 339 dan menekan tombol proses 2, maka diperoleh hasil dibawah ini.

Gambar 3.6 Hasil dari input batas minimum 339 Pada gambar 3.6 hasil kombinasi 2 sayur dengan batas minimum 339 yaitu sebagai berikut :

1. Sayur Bayam dan Kangkung dengan nilai support 62 % dan nilai confidence 87 %. 2. Sayur Kangkung dan Sawi dengan nilai support

57 % dan nilai confidence 80 %.

(4)

4. Sayur Kangkung dan Kenikir dengan nilai support 45 % dan nilai confidence 64 %. Kombinasi itemset dengan batas nilai minimum 339 hanya terdapat 1 kombinasi yaitu sayur bayam, kangkung dan sawi dengan nilai support 62 % dan nilai confidence 82 %.

Yang artinya : 82 % dari transaksi di database yang memuat sayur bayam dan kangkung juga memuat sayur sawi. Sedangkan 62% dari seluruh transaksi yang ada di database memuat ketiga item itu.

3.4 Pengujian Sistem Selama Bulan Pebruari

Gambar 3.7 hasil pengujian sistem selama bulan pebruari

Gambar 3.8 Hasil dari input batas minimum 270

51 % dan nilai confidence 52 %.:

Dengan inputan batas minimum 270 dalam sistem tidak ditemukan jumlah kombinasi 3 sayur lebih dari atau sama dengan 270.

(5)

4. Sayur Kangkung dan Kenikir dengan nilai support 39 % dan nilai confidence 40 %. % Kombinasi itemset dengan batas nilai minimum 220 hanya terdapat 1 kombinasi 3 yaitu sayur bayam, kangkung dan sawi dengan nilai support 56 % dan nilai confidence 70 %.

Yang artinya : 70% dari transaksi di database yang memuat sayur bayam dan kangkung juga memuat sayur sawi. Sedangkan 56% dari seluruh transaksi penjualan yang ada di database memuat ketiga item itu.

3.5 Pengujian Sistem Selama Bulan Maret

Gambar 3.10 hasil pengujian sistem selama bulan Maret

Gambar 3.11 Hasil dari input batas minimum 284

%

4. Sayur Kangkung dan Kenikir dengan nilai support 44 % dan nilai confidence 55 %. Kombinasi itemset dengan batas nilai minimum 284 hanya terdapat 1 kombinasi 3 yaitu sayur bayam, kangkung dan sawi dengan nilai support 66 % dan nilai confidence 73 %.

Yang artinya : 73% dari transaksi di database yang memuat sayur bayam dan kangkung juga memuat sayur sawi. Sedangkan 66% dari seluruh transaksi yang ada di database memuat ketiga item itu. Selanjutnya dengan memasukkan inputan batas 368 dan menekan tombol proses 2,maka diperoleh hasil dibawah ini.

(6)

3.6 Pengujian Sistem Selama Bulan April

Gambar 3.13 hasil pengujian sistem selama bulan April

3. Sayur Bayam dan Sawi dengan nilai support 12 % dan nilai confidence

Gambar 3.15 Hasil dari input batas minimum 51 Pada gambar 3.15hasil kombinasi 2 sayur dengan batas minimum 51 yaitu sebagai berikut :

4. Sayur Bayam dan Kenikir dengan nilai support 8 % dan nilai confidence 41 %.

5. Sayur Kangkung dan Kenikir dengan nilai support 8 % dan nilai confidence 42 %.

6. Sayur Sawi dan Kenikir dengan nilai support 7 % dan nilai confidence 54 %.

7. Sayur Kangkung dan Daun Singkong dengan nilai support 7 % dan nilai confidence 36 %. Kombinasi itemset dengan batas nilai minimum 51 terdapat 2 kombinasi 3 yaitu :

(7)

sayur sawi. Sedangkan 18% dari seluruh transaksi yang ada di database memuat ketiga item itu.

9. Dan kombinasi Sayur Bayam, Kangkung dan Sedangkan 18% dari seluruh transaksi penjualan sayur yang telah di olah di database memuat ketiga item sayuran tersebut.

3.7 Grafik Rata – Rata Penjualan Sayur

Gambar 3.16 Grafik penjualan sayur

Dari gambar 3.16 dapat dilihat peningkatan penjualan dan penurunan penjualan sayur dari bulan januari sampai april. dari sini dapat disimpulkan bahwa :

1. Dilihat dari pada grafik kombinasi penjualan sayur bayam, kangkung dan sawi penjualannya cenderung stabil dan meningkat (laku).

2. Dilihat dari grafik kombinasi penjualan sayur kenikir dan daun singkong penjualannya cenderung menurun (kurang laku).

Gambar 4.1 Tabel jumlah transaksi sayur tiap bulan