SKRIPSI
DIAN PUSPITASARI SEBAYANG
101402083
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
DIAN PUSPITASARI SEBAYANG 101402083
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : SISTEM CLUSTERING DATA PENJUALAN
MENGGUNAKAN ALGORITMA FUZZY C-MEANS
Kategori : SKRIPSI
Nama : DIAN PUSPITASARI SEBAYANG
Nomor Induk Mahasiswa : 101402083
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI UNIVERSITAS SUMATERA UTARA Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dedy Arisandi, ST.,M.Kom Dr. Erna Budhiarti Nababan, M.IT
NIP. 19790831200912 1 002 NIP. –
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
Muhammad Anggia Muchtar, ST., MM.IT
PERNYATAAN
SISTEM CLUSTERING DATA PENJUALAN MENGGUNAKAN ALGORITMA FUZZY C-MEANS
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 10 Februari 2015
UCAPAN TERIMA KASIH
Puji dan syukur penulis panjatkan kepada Allah SWT yang telah memberikan rahmat, karunia, taufik dan hidayah-Nya, serta segala sesuatu dalam hidup, sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi (S1)Teknologi Informasi, Fakultas Ilmu Komputer dan Teknologi Informasi.
Ucapan terima kasih penulis sampaikan kepada semua pihak yang telah membantu penulis dalam menyelesaikan skripsi ini baik secara langsung maupun tidak langsung. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Keluarga penulis, Ayahanda tercinta Alm. Drs. Abdul Alik Sebayang, Ibunda tercinta Tri Murti Br. Sembiring, Abang penulis M.Safrizal Sebayang. S.Pd, dan adik penulis Debi Ardillah Sebayang beserta keluarga besar yang selalu memberikan dukungan, perhatian serta doa kepada penulis sehingga dapat menyelesaikan skripsi ini.
2. Ibu Dr. Erna Budhiarti Nababan, M.IT. selaku Dosen Pembimbing I dan Bapak Dedy Arisandi, ST., M.Kom, selaku Dosen Pembimbing II yang telah banyak meluangkan waktunya serta memberikan bimbingan dan dukungan kepada penulis dalam penyusunan dan penulisan skripsi ini.
3. Bapak Muhammad Anggia Muchtar, ST., MM.IT. selaku Dosen Penguji I dan Ibu Sarah Purnamawati, ST.,M.Sc selaku Dosen Penguji II yang telah memberikan
kritik dan saran yang membangun dalam penyempurnaan skripsi ini.
4. Bapak Muhammad Anggia Muchtar, ST., MM.IT. selaku Ketua Program Studi S1 Teknologi Informasi dan Bapak Mohammad Fadly Syahputra, B.Sc., M.Sc.IT. selaku Sekretaris Program Studi S1 Teknologi Informasi.
6. Sahabat-sahabat penulis, Cassia Divina, Rafika Diaz, Indriyana Octavia, Ade Nur Fatimah, Yola Adhysta dan Sofiah Novitasari yang telah memberikan semangat, dukungan dan perhatian yang tak terungkapkan.
7. Teman-teman penulis di FOYA: Ovy, Desi, Handra, Muslim, Rozy, Dian Pomta, Edgar, Galih, Ekatama, Baim, Fezan, Joko, Khairul dan Heri yang telah memberikan dukungannya, selalu setia membantu penulis selama perkuliahan dan tidak hanya menjadi teman tapi keluarga bagi hidup penulis.
8. Teman-teman penulis di Teknologi Informasi USU angkatan 2010, terutama Sharfina Faza, Nurul Putri Ibrahim, Rini Jannati, Tri Annisa, Maslimona Harimita, Amelia dan Novi yang telah memberikan semangat dan menjadi teman diskusi penulis dalam menyelesaikan skripsi ini.
9. Seluruh staf TU (Tata Usaha) serta pegawai di Program Studi S1 Teknologi Informasi
10. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini.
ABSTRAK
Perusahaan ritel meyimpan jumlah data yang besar setiap harinya karena memiliki jumlah transaksi yang sangat banyak. Data tersebut dapat diolah sehingga memperoleh informasi yang bermanfaat untuk strategi pemasaran. Salah satu informasi yang dapat diperoleh dan bermanfaat untuk strategi pemasaran adalah mengetahui pada saat kapan suatu produk banyak terjual. Untuk mengolah data tersebut digunakan teknik data mining yaitu metode clustering yang merupakan proses membagi data dalam suatu himpunan kedalam beberapa kelompok. Algoritma
Fuzzy C-Means(FCM) adalah salah satu metode clusteringyang merupakan algoritma data supersived yang setiap datanya menjadi anggota dari suatu kluster dengan derajat didefinisikan dengan level keanggotaan. Dengan menggunakan algoritma FCM, data penjualan berupa jumlah barang terjual, jumlah invoice, jenis produk dari tahun 2011 hingga tahun 2013 menghasilkan tingkat penjualan tinggi untuk seluruh produk pada bulan Juli, Agustus dan Desember.
CLUSTERING SYSTEM FOR SALES DATA USING
FUZZY C-MEANS ALGORITHM
ABSTRACT
Retail companies stored enormous data from every transaction each day. That data can be processed to get useful information marketing purposes. One of information that can be obtained and become useful for marketing strategy is know when one specific product generated more sales. To process the data, clustering method, one of data mining technique, is used to cluster the data into groups. Fuzzy C-Means algorithm is one of clustering method that supervised data into member of a cluster with the degree defined by member level. With FCM algorithm, sales data in the form of amount of item sold, invoice total, and types of product from 2011 to 2013 generate high sales level for all products in July, August and December.
DAFTAR ISI
1.1 Latar Belakang 1
1.2 Rumusan Masalah 2
1.3 Batasan Masalah 3
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 3
1.6 Metodologi Penelitian 3 1.7 Sistematika Penulisan 4
BAB 2 LANDASAN TEORI 6
2.1 Pola Perilaku Konsumen 6 2.2 Penambangan Data (Data Mining) 7 2.2.1 Tahapan Data Mining 8 2.2.2 Pengelompokan Data Mining 10
2.3 Clustering 12
2.4 Fuzzy C-Means 15
2.5 Penelitian Terdahulu 18 BAB 3 ANALISIS DAN PERANCANGAN SISTEM 20
3.1 Data yang digunakan 21
3.2.1 Data Cleaning 23 3.2.2 Penentuan variabel 23 3.2.3 Pengelompokan kategori produk 23
3.3 Pemrosesan Data 25
3.3.1 Penentuan parameter FCM 25 3.3.2 Proses algoritma FCM 26 3.4. Analisis Komponen Sistem 37 3.4.1 Data Flow Diagram (DFD) 37 3.4.1.1 DFD level-0 37 3.4.1.2 DFD level-1 38
3.4.2 Flowchart 39
3.4.3 Sitemap aplikasi 41
3.5 Perancangan Sistem 41
BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM 47
4.1 Implementasi Sistem 47
4.2 Implementasi Perancangan Antarmuka 47
4.2.1 Halaman login 48
4.2.2 Halaman home 48
4.2.3 Halaman manage 49
4.2.4 Halaman input data 49
4.2.5 Halaman data 50
4.2.6 Halaman kategori 51 4.2.7 Halaman periode 51
4.2.8 Halaman admin 52
4.3 Pengujian Sistem 52
4.3.1 Rencana pengujian sistem 52 4.3.2 Kasus dan hasil pengujian sistem 53 4.3.3 Pengujian sistem 55 BAB 5 KESIMPULAN DAN SARAN 62
5.1 Kesimpulan 62
5.2 Saran 62
DAFTAR TABEL
Hal Tabel 2.1 Penelitian terdahulu 20
Tabel 3.1 Data cleaning 23
Tabel 3.2 Jumlah penjualan perhari 24 Tabel 3.3 Jumlah penjualan perbulan 25 Tabel 3.4 Nilai parameter awal 25 Tabel 3.5 Data penjualan kategori produk 26 Tabel 3.6 Pusat klaster ke-1 iterasi pertama
29
Tabel 3.7 Pusat klaster ke-2 iterasi pertama 30
Tabel 3.8 Pusat klaster ke-3 iterasi pertama 31
Tabel 3.9 Fungsi objektif iterasi pertama 32 Tabel 3.10 Perubahan matriks 33 Tabel 3.11 Nilai fungsi objektif 35 Tabel 3.12 Nilai derajat keanggotaan pada iterasi terakhir 36 Tabel 4.1 Rencana pengujian sistem 53
Tabel 4.2 Hasil pengujian 53
DAFTAR GAMBAR
Hal Gambar 2.1 Bidang ilmu data mining 8 Gambar 2.2 Tahapan data mining 10 Gambar 3.1 Sampel laporan frekuensi data penjualan 22
Gambar 3.2 DFD level 0 38
Gambar 3.3 DFD level 1 39
Gambar 3.4 Flowchart algoritma Fuzzy C-Means 40 Gambar 3.5 Sitemap aplikasi 41 Gambar 3.6 Rancangan tampilan login 42 Gambar 3.7 Rancangan tampilan halaman home 42 Gambar 3.8 Rancangan tampilan halaman cluster 43 Gambar 3.9 Rancangan tampilan halaman input data 43 Gambar 3.10 Rancangan tampilan halaman daftar kategori produk 44 Gambar 3.11 Rancangan tampilan halaman daftar produk 45 Gambar 3.12 Rancangan tampilan halaman daftar periode 45 Gambar 3.13 Rancangan tampilan halaman admin 46
Gambar 4.1 Halaman login 48
Gambar 4.2 Halaman home 49
Gambar 4.3 Halaman manage 49
Gambar 4.4 Halaman input data 50
Gambar 4.5 Halaman data 50
Gambar 4.6 Halaman kategori 51
