AGROINDUSTRI BAN
MUHAMMAD RIZKI AZIMA
DEPARTEMEN TEKNOLOGI INDUSTRI PERTANIAN FAKULTAS PERTANIAN BOGOR
INSTITUT PERTANIAN BOGOR BOGOR
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Aplikasi Mobile Untuk
Cross Selling Pada Customer Relationship Management di Agroindustri Ban
adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir disertasi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Agustus 2013
Muhammad Rizki Azima
ABSTRAK
MUHAMMAD RIZKI AZIMA. Aplikasi Mobile Untuk Cross Selling Pada
Customer Relationship Management di Agroindustri Ban. Dibimbing oleh Taufik
Djatna.
Aktivitas Customer Relationship Management (CRM) digunakan untuk mengidentifikasi kebutuhan layanan konsumen secara lebih detail. Penerapan CRM yang lebih baik dapat pula dilakukan dengan memanfaatkan aplikasi berbasis mobile. Dalam penelitian ini digunakan metode Association Rules dengan algoritma Apriori. Langkah awal yang dilakukan adalah melakukan pre-processing data untuk dapat menentukan frequent item sets menggunakan algoritma apriori, analisis association rules menggunakan formulasi support, confidence dan improvement. Tahap berikutnya adalah menentukan strategi marketing next sequential product yaitu produk yang mungkin dibeli konsumen berdasarkan rules yang telah diperoleh. Tahap terakhir yaitu menentukan prakiraan waktu kapan produk tersebut akan dibeli lagi oleh konsumen dengan menggunakan formula moving average. Aplikasi ini dibangun dengan bahasa Java dan diimplementasikan pada platform Android versi 2.2 ke atas. Nilai tetapan dasar untuk support dan confidence adalah 20% dan 70% yang dapat disesuaikan kemudian. Kelebihan aplikasi ini adalah pengguna dapat menggunakannya dimana dan kapan saja selama pengguna membawa perangkat mobile yang telah terinstalasi aplikasi cross selling ini.
Kata Kunci :association rules, algoritma apriori, customer relationship management, next sequential product, Android, mobile
ABSTRACT
MUHAMMAD RIZKI AZIMA. Mobile Cross selling Application for Customer
Relationship Management. Supervised by Taufik Djatna.
CRM activities are used to identify customer service needs in order to get more detail information. Good CRM could be implemented by applying it on a mobile-based application. This research was using Association Rules with Apriori algorithm. Steps of the research is pre-processing data to determine frequent item sets (data that often occur together) using apriori algorithm, analyzing association rules using support, confidence and improvement. Next step is determining marketing strategy which is next item deals (next sequential product) may be purchased by customer based on the rules that have been obtained. Last step is forecast analysis to determine the time whenever items and next sequential items will be purchased by the customers using Moving Average formula. These application were built in Java and implemented in Android platform version 2.2 or above. Default support and confidence values are 20% and 70% and can be manually adjusted. The advantages of the application are users can use it anywhere and anytime as long as they bring their mobile device with the cross selling application installed.
Keywords : association rules, apriori algorithm, customer relationship management, next sequential product, Android, mobile
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknologi Pertanian
pada
Departemen Teknologi Industri Pertanian
APLIKASI MOBILE UNTUK CROSS SELLING PADA
CUSTOMER RELATIONSHIP MANAGEMENT DI
AGROINDUSTRI BAN
MUHAMMAD RIZKI AZIMA
DEPARTEMEN TEKNOLOGI INDUSTRI PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR BOGOR
NIM F34090140
Disetujui oleh
Dr Eng Taufik Djatna, TP, MSi Pembimbing I
Judul Skripsi : Aplikasi Mobile untuk Cross Selling pada Customer Relationship
Management di Agroindustri Ban
Nama : Muhammad Rizki Azima NIM : F34090140
Disetujui oleh
Dr Eng Taufik Djatna, STP, MSi Pembimbing I
Diketahui oleh
Prof Dr Ir Nastiti Siswi Indrasti Ketua Departemen
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Maret 2013 ini ialah
Customer Relationship Management dengan judul Aplikasi Mobile Untuk Cross Selling pada Customer Relationship Management di Agroindustri Ban.
Terima kasih penulis ucapkan kepada Bapak Dr Eng Taufik Djatna, STP, MSi selaku pembimbing yang telah banyak memberi saran. Ungkapan terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga, atas segala doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Agustus 2013
DAFTAR ISI
DAFTAR ISI ... ix DAFTAR TABEL ... xi DAFTAR GAMBAR ... xi DAFTAR LAMPIRAN ... xi PENDAHULUAN ... 1 Latar Belakang ... 1 Perumusan Masalah ... 2 Tujuan Penelitian ... 2 Manfaat Penelitian ... 2Ruang Lingkup Penelitian ... 2
METODE ... 2
1. Perancangan dan Pengembangan Sistem ... 2
1.1. Analisis Sistem ... 2
1.2. Pemodelan Sistem ... 3
1.3. Desain Sistem ... 3
1.4. Implementasi Cross Selling pada Aplikasi ... 3
1.5. Pengkodean (Coding) Sistem ... 4
1.6. Verifikasi ... 4
2. Implementasi Pengambilan Keputusan untuk Strategi Marketing... 4
2.1. Menentukan Kemungkinan Item yang akan Ditawarkan Kemudian atau Produk yang Mungkin Diminta Berikutnya (Next Sequential Product) ... 4
2.2. Menentukan Prakiraan Pembelian Produk Berikutnya Pada Periode yang Diramalkan ... 4
Alat Bantu Perancangan dan Pengembangan ... 5
Pengumpulan Data dan Informasi ... 5
HASIL DAN PEMBAHASAN ... 6
1. Agroindustri dan Agroindustri Ban ... 6
1.2. Agroindustri Ban ... 6
1.2.1.Ban ... 7
1.2.2.Karet ... 7
1.2.3.Sifat Kimia Karet ... 7
1.2.4.Proses Pembuatan Ban ... 7
2. Customer Relationship Management (CRM) dalam Agroindustri Ban .... 8
3. Perancangan Sistem ... 10
3.1. Pemodelan Objek Dan Analisis Sistem ... 10
3.1.1.Business Process Diagram ... 10
3.1.2.Use Case Diagram ... 11
3.1.3.Sequence Diagram ... 12
3.1.4.Class Diagram ... 13
3.1.5.Implementasi Aplikasi ... 14
3.1.6.Transformasi Desain ... 14
4. Pengembangan Sistem ... 14
4.1. Analisis Association Rules Mining (Support, Confidence, Improvement) ... 14
4.2. Next Sequential Product ... 14
4.3. Analisis Prakiraan Waktu (Time Series) Pembelian Next Sequential Product ... 15
4.4. Sumber Data Transaksi ... 15
4.5. Pre-Processing Data ... 15
5. Pengolahan Hasil ... 16
6. Kelebihan dan Kekurangan Aplikasi ... 18
6.1. Kelebihan Aplikasi ... 18
6.2. Kekurangan Aplikasi ... 18
SIMPULAN DAN SARAN... 19
Simpulan ... 19
Saran ... 19
DAFTAR PUSTAKA ... 20
RIWAYAT HIDUP ... 34
DAFTAR TABEL
Tabel 1. Fragmen Bentuk Tabel Biner Pada Pre-Processing Data ... 16
Tabel 2. Rules Hasil Pengolahan Data Menggunakan AARP 1.0... 16
DAFTAR GAMBAR
Gambar 1. Fragmen Diagram Proses Bisnis AARP 1.0 ... 11Gambar 2. Diagram Kasus AARP 1.0 ... 12
Gambar 3. Fragmen Diagram Sekuen AARP 1.0 ... 13
Gambar 4. Fragmen Diagram Kelas AARP 1.0 ... 13
Gambar 5. Grafik Rules... 17
DAFTAR LAMPIRAN
Lampiran 1. Pemodelan Objek ... 21PENDAHULUAN
Latar Belakang
Perkembangan teknologi dan informasi yang semakin pesat turut mendukung pengembangan Customer Relationship Management (CRM). Kegiatan CRM dalam perusahaan pada dasarnya bertujuan agar perusahaan dapat mengenali pelanggan secara lebih detail dan melayani mereka sesuai dengan kebutuhannya. Prinsip fokus terhadap pelanggan menjadi prinsip dasar penerapan CRM di perusahaan. CRM sendiri memiliki arti sebuah proses bisnis atau kegiatan marketing yang mengelola seluruh aspek dari daur hidup pelanggan, mulai dari akuisisi, pemenuhan order, sampai retensi pelanggan. Strategi komprehensif perusahaan terhadap penerapan CRM ini membuat setiap proses dari daur hidup pelanggan dapat dimanfaatkan dengan optimal.
Ketika sebuah strategi cross selling dijalankan, fokus utama perusahaan tidak lagi kepada bagaimana mendapatkan pelanggan baru yang potensial (prospecting customer), tetapi bagaimana menjual lebih banyak produk kepada pelanggan yang sudah ada (existing customer). Sebuah literatur menyebutkan bahwa biaya (cost) yang harus dikeluarkan perusahaan untuk mendapatkan pelanggan baru lebih mahal sepuluh kali lipat jika dibandingkan dengan mempertahankan pelanggan yang sudah ada.
Penerapan cross selling harus didahului oleh analisis yang mendalam mengenai data transaksi pelanggan dengan menggunakan konsep data mining yang melibatkan proses pengambilan sumber informasi dari sebuah transaksi pelanggan, yang mencakup produk apa yang mereka beli, perilaku pembelian pelanggan, dan lain-lain. Data mining dapat membantu mempercepat proses pengambilan keputusan secara cepat, memungkinkan perusahaan untuk mengelola informasi yang terkandung di dalam data transaksi menjadi sebuah pengetahuan (knowledge) yang baru. Lewat pengetahuan yang didapat, perusahaan dapat meningkatkan pendapatannya dan mengurangi biaya, dan pada akhirnya di masa yang akan datang perusahaan dapat lebih kompetitif (Bayu 2012).
Dalam era modern ini mobilitas manusia selama melaksanakan kegiatannya sangat tinggi. Untuk mendukung tercapainya tujuan dari penerapan cross selling yang lebih baik, maka penerapan cross selling dapat pula diwujudkan dalam bentuk aplikasi yang berbasis mobile. Dengan adanya aplikasi tersebut maka diharapkan dapat mempermudah user atau konsumen yang dalam hal ini adalah distributor atau agen produk ban untuk dengan mudah mengakses berbagai informasi produk dari suatu perusahaan sehingga dapat membantu meningkatkan hubungan antara perusahaan dan konsumen. Dengan kata lain hal tersebut dapat mendukung tercapainya harapan penerapan CRM yang lebih baik yaitu dengan melakukan penerapan cross-selling pada aplikasi berbasis mobile.
Perumusan Masalah
Pada era modern ini hampir setiap pelaku bisnis dan konsumennya memanfaatkan mobile device untuk berkomunikasi dan mendukung pekerjaan mereka karena dengan bantuan mobile device komunikasi tersebut dapat dilakukan dengan mudah serta cepat, dimana pun dan kapan pun dibutuhkan. Saat ini penerapan association rules dalam kegiatan CRM belum banyak diterapkan dengan menggunaan mobile device. Penerapan association rules tersebut dapat pula dilakukan dengan memanfaatkan mobile device sebagai sarana yang dapat secara langsung berinteraksi dengan konsumen secara cepat dan mudah, tepat sasaran, dimana pun dan kapan pun dibutuhkan.
Tujuan Penelitian
Tujuan penelitian ini adalah merancang dan mengembangkan sistem informasi CRM dengan penerapan cross selling pada corporate dan mengimplementasikan sistem tersebut dengan pengambilan keputusan strategi
marketing.
Manfaat Penelitian
Manfaat penelitian ini bagi peneliti sendiri adalah dapat menambah pengetahuan tentang analisis perancangan, dan pengembangan sistem informasi CRM. Manfaat penelitian ini bagi penelitian selanjutnya adalah sebagai sumber informasi dan bisa dikembangkan ke penelitian yang selanjutnya. Manfaat bagi perusahaan adalah dapat dijadikan dasar pengembangan sistem informasi yang dapat diaplikasikan langsung dalam kegiatan CRM perusahaan.
Ruang Lingkup Penelitian
Penelitian ini difokuskan pada analisis dan pengembangan sistem informasi dengan penerapan cross selling untuk corporate yang berbasis mobile.
METODE
1. Perancangan dan Pengembangan Sistem
Pembuatan dan pengembangan sistem teknik (engineering system
development) meliputi langkah berikut :
1.1. Analisis Sistem
Melakukan identifikasi terhadap kebutuhan untuk membuat sistem. Kebutuhan yang perlu diidentifikasi adalah kebutuhan perangkat lunak,
kebutuhan perangkat keras, serta kebutuhan tambahan lainnya seperti kebutuhan jaringan dan sarana uji coba.
1.2. Pemodelan Sistem
Tahap pemodelan sistem ini dilakukan untuk melakukan perhatian pada hal-hal penting dalam sistem tanpa perlu terlibat terlalu jauh. Selain itu tahap ini bertujuan untuk menguji analisa sistem terhadap kebutuhan pemakai dan membantu pendesainan sistem serta pemrogram sistem lebih lanjut. Pemodelan sistem ini dilakukan dengan merepresentasikan gambaran sistem dalam diagram
business process, diagram usecase, diagram sequence, dan diagram class.
1.3. Desain Sistem
Pada tahapan ini dilakukan desain sistem. Desain sistem yang dilakukan yaitu interface sistem, desain database, dan desain mekanisme kerja yang terdapat dalam sistem.
1.4. Implementasi Cross Selling pada Aplikasi
Setelah dilakukan garis besar desain, maka aplikasi siap untuk diimplementasikan metode perhitungan cross selling. Metode cross selling yang diimplementasikan adalah :
1.4.1. Menentukan tingkat dominasi item set dari sekumpulan frequent item
set
Sebelum dilakukan analisis association rules lebih lanjut, perlu dilakukan terlebih dahulu perhitungan untuk menentukan frequent item
set. Frequent item set merupakan sekumpulan item yang telah melalui
filter batasan (treshold) support tertentu. Analisis dengan metode association rules mining menggunakan formulasi Support. Support adalah ukuran yang menunjukkan tingkat dominasi itemset dari keseluruhan transaksi. Contohnya adalah dari seluruh transaksi yang ada, seberapa besar kemungkinan item A dan item B dibeli secara bersamaan. Untuk menentukan nilai support dapat menggunakan formulasi (Jiawei et al. 2012) :
Support ({A,B}) = NumberofTransaction (A,B)
1.4.2. Menentukan hubungan antara dua item set dari sekumpulan frequent
item set secara kondisional
Analisis dengan metode association rules mining menggunakan formulasi confidence. confidence atau disebut juga nilai probability adalah ukuran yang menyatakan hubungan antara dua item secara kondisional. Contohnya adalah seberapa sering item A dibeli, jika pelanggan membeli
item B, artinya pembelian item A dapat bergantung pada pembelian item
B. Untuk dapat menentukan nilai confidence maka diperlukan nilai
support dari hasil perhitungan sebelumnya. Untuk menentukan nilai confidence dapat menggunakan formulasi (Jiawei et al. 2012):
Confidence (A_B)=Probability (B | A)=Support (A,B ) / Support (A)
1.4.3. Menentukan kemungkinan dua item dapat dibeli secara bersamaan Analisis dengan metode association rules mining menggunakan formulasi improvement. Improvement atau disebut juga nilai importance adalah ukuran yang menyatakan besarnya kemungkinan dua item dapat dibeli secara bersamaan. Untuk menentukan nilai improvement maka
diperlukan nilai support dari hasil perhitungan sebelumnya. Formulasi untuk menentukan nilai improvement adalah (Jiawei et al. 2012) :
Importance ({A,B})=Probability (A,B) / (Probability (A) * Probability (B))
1.5. Pengkodean (Coding) Sistem
Pada tahapan ini dilakukan implementasi dari perancangan dan desain yang telah dilakukan. Sehingga pada tahap ini menghasilkan suatu perangkat lunak (software).
1.6. Verifikasi
Setelah perangkat lunak dibangun, maka dilakukan pengujian untuk menguji tingkat kehandalan perangkat lunak yang telah dibangun. Hal ini dilakukan untuk memastikan kehandalan perangkat lunak. Tahap ini dilanjutkan dengan memperbaiki sistem yang telah dibangun bila terjadi suatu kegagalan. 2. Implementasi Pengambilan Keputusan untuk Strategi Marketing
2.1. Menentukan Kemungkinan Item yang akan Ditawarkan Kemudian atau Produk yang Mungkin Diminta Berikutnya (Next Sequential Product) Analisis strategi pemasaran berdasarkan rules yang didapatkan dari hasil analisis association rules mining. Setelah dilakukan analisis support, confidence,
dan improvement, maka akan didapatkan rules yang menyatakan hubungan
keterkaitan antara item yang satu dengan item yang lainnya. Rules tersebut dapat dijadikan landasan untuk menentukan strategi pemasaran yang dapat dilakukan untuk meningkatkan layanan terhadap pelanggan yang dapat berdampak pada peningkatan loyalitas pelanggan dan akan berdampak pula pada peningkatan
revenue perusahaan. Strategi pemasaran yang ditentukan adalah kemungkinan
produk berikutnya yang akan dibeli oleh konsumen (Next Sequential Product). Untuk menentukan Next Sequential Product, metode yang dilakukan adalah :
2.1.1. Konsumen melakukan pembelian suatu item
2.1.2. Aplikasi akan melakukan pencarian terhadap item asosiasinya yang memiliki nilai confidence tertinggi
2.1.3. Aplikasi akan merekomendasikan item asosiasi tersebut pada display program
2.2. Menentukan Prakiraan Pembelian Produk Berikutnya Pada Periode yang Diramalkan
Metode yang digunakan untuk menentukan prakiraan tersebut adalah dengan menggunakan salah satu metode prakiraan time series yaitu moving
average. Metode kerja aplikasi adalah sebagai berikut :
2.2.1. Aplikasi akan melakukan perhitungan menggunakan metode moving
average dan menampilkan hasil prakiraan tersebut
2.2.2. Hasil prakiraan yang ditampilkan adalah item atau produk yang memiliki hasil perhitungan dengan nilai error paling rendah.
2.2.3. Setelah aplikasi menampilkan item yang diprakirakan akan dibeli oleh konsumen pada periode yang diramalkan, maka aplikasi akan melakukan pencarian untuk menentukan item asosiasi yang memiliki nilai confidence tertinggi terhadap item yang diprakirakan tersebut 2.2.4. Aplikasi kemudian akan menampilkan item asosiasi yang mungkin
Alat Bantu Perancangan dan Pengembangan
Alat bantu perangkat lunak yang digunakan adalah perangkat lunak office, Power Designer 16.5, Android Developer Tool (Eclipse & Android SDK), Android 2.2 – 4.1, MySQL 5.
Alat bantu perangkat keras yang digunakan adalah Personal Mobile
Computer dengan spesifikasi Intel Core i3 2.2GHz, 4GB DRR3, 320GB HDD,
Intel Integrated Graphic & 1GB DDR3 Nvidia GT325M. Peralatan lain yang digunakan untuk menunjang penelitian ini adalah Samsung Mobile Phone Galaxy Mini GT-S5570 (Android 2.2) & Samsung Mobile Tablet Galaxy Tab 2 7.0 P3100 (Android 4.0 & 4.1).
Pengumpulan Data dan Informasi
Sumber data yang digunakan pada penelitian ini adalah data transaksi penjualan salah satu industri ban terkemuka di Indonesia yang menjual lebih dari 2000 jenis item ke pasar domestik maupun internasional. Data ini diperoleh dari data penjualan kepada seluruh distributor dalam negeri selama periode satu tahun. Data tersebut merupakan data sekunder yang didapatkan langsung dari data yang telah dimiliki oleh perusahaan industri ban tersebut. Pengumpulan data tersebut dilakukan selama 3 hari pada bulan Juli 2013.
HASIL DAN PEMBAHASAN
1. Agroindustri dan Agroindustri Ban 1.1. Agroindustri
Agroindustri adalah pengolahan hasil pertanian dan karena itu agroindustri merupakan bagian dari enam subsistem agribisnis yang disepakati selama ini yaitu subsistem penyediaan sarana produksi dan peralatan, usahatani, pengolahan hasil (agroindustri), pemasaran, sarana dan pembinaan (Soekartawi 2001). Arti agroindustri menurut FAO yaitu suatu industri yang menggunakan bahan baku dari pertanian dengan jumlah minimal 20% dari jumlah bahan baku yang digunakan adalah disebut agroindustri (Soekartawi 2001).
Diantara berbagai bahan baku yang tergolong ke dalam agroindustri, karet merupakan salah satunya yang memiliki potensi sangat tinggi di Indonesia.
Indonesia merupakan negara kedua (setelah Thailand) penghasil karet alami di dunia (sekitar 28 persen dari produksi karet dunia di tahun 2010). Sebesar 85% produksi karet dalam negeri diekspor dalam bentuk karet mentah dan 14% untuk konsumsi dalam negeri dengan berbagai keperluan. Pengembangan karet Indonesia dalam kurun waktu 3 dekade mengalami pertumbuhan yang sangat pesat. Dari aspek penyerapan tenaga kerja, pertanaman karet mampu menyerap lebih dari 2 juta tenaga kerja, belum termasuk tenaga kerja yang terserap dalam berbagai sub sistem lainnya (DJP 2012).
Pengembangan perkebunan karet yang dilakukan pada wilayah-wilayah bukaan baru terbukti telah menjadi penggerak perekonomian. Data empiris membuktikan bahwa dengan banyaknya pengembangan perkebunan karet di wilayah baru yang sebelumnya terpencil telah berubah dan berkembang menjadi pusat perekonomian baru (DJP 2012).
Di masa depan, permintaan akan karet alami dan karet sintetik masih cukup signifikan, karena didorong oleh pertumbuhan industri otomotif yang tentunya memerlukan ban yang berbahan baku karet sintetik dan karet alami. Harga karet sintetik yang terbuat dari minyak bumi akan sangat berfluktuasi terhadap perubahan harga minyak dunia.
1.2. Agroindustri Ban
Perkembangan industri otomotif yang begitu pesat menjadi salah satu faktor utama yang meningkatkan pertumbuhan agroindustri ban. Indonesia sebagai penghasil karet nomor dua di dunia menjadi salah satu negara yang sangat potensial untuk mengembangkan industri ban tersebut. Ban sebagai salah satu komponen alat transportasi telah banyak mengalami peningkatan baik dari segi permintaan maupun spesifikasi kegunaan. Dimulai dari sekedar alat penyangga kendaraan agar bisa berjalan, hingga banyak dibutuhkan secara spesifik seperti ban PCR (Passenger Car Radial), TCR (Truck Car Radial), ban khusus balap, dirgantara, pertanian dan sebagainya. Ban menjadi salah satu komponen utama dalam kendaraan sehingga banyak perusahaan manufaktur otomotif yang menjadikan perusahaan ban sebagai salah satu partner OEM (Original Equipment Manufacture).
1.2.1. Ban
Ban diproduksi dengan menggunakan bahan dasar karet, baik karet alami maupun karet sintetik. Karet merupakan bahan baku terpenting pada produksi ban sehingga perlu diketahui lebih dalam terkait karet dan sifatnya.
1.2.2. Karet
Karet merupakan bahan baku utama dalam pembuatan ban. Tingkat produksi karet alam saat ini berada dibawah produksi karet sintetik, namun kelebihan karet alam belum dapat digantikan oleh karet sintetik. Adapun kelebihan-kelebihan yang dimiliki oleh karet alam adalah :
Memiliki daya elastis atau daya lenting yang sempurna
Memiliki plastisitas yang baik sehingga pengolahannya mudah Mempunyai daya aus yang tinggi
Tidak mudah panas
Memiliki daya tahan yang tinggi terhadap keretakan
Karet sintetis memiliki kelebihan seperti tahan terhadap berbagai zat kimia dan harganya cenderung stabil.
1.2.3. Sifat Kimia Karet
Karet yang merupakan bahan utama dalam pembuatan ban merupakan politerpena yang disintesis secara alami melalui polimerisasi enzimatik isopentilpirofosfat. Unit ulangnya adalah sama sebagaimana 1,4-poliisoprena. Dimana isoprena merupakan produk degradasi utama karet. Bentuk utama dari karet alam, yang terdiri dari 97% cis-1,4-isoprena, dikenal sebagai Hevea
Rubber. Hampir semua karet alam diperoleh sebagai lateks yang terdiri dari
32-35% karet dan sekitar 5% senyawa lain, termasuk asam lemak, gula, protein, sterol ester dan garam. Lateks biasa dikonversikan ke karet busa dengan aerasi mekanik yang diikuti oleh vulkanisasi (Malcom 2001).
Warna karet agak kecoklat-coklatan, tembus cahaya atau setengah tembus cahaya, dengan berat jenis 0,91-093. Sifat mekaniknya tergantung pada derajat vulkanisasi, sehingga dapat dihasilkan banyak jenis sampai jenis yang kaku seperti ebonite. Temperatur penggunaan yang paling tinggi sekitar 99oC, melunak pada 130oC dan terurai sekitar 200oC. Sifat isolasi listriknya berbeda karena pencampuran dengan aditif. Namun demikian, karakteristik listrik pada frekuensi tinggi, jelek. Sifat kimianya jelek terhadap ketahanan minyak dan ketahanan pelarut. Zat tersebut dapat larut dalam hidrokarbon, ester asam asetat, dan sebagainya. Karet yang kenyal agar mudah didegradasi oleh sinar UV dan ozon (Marthan 1998).
1.2.4. Proses Pembuatan Ban
Proses pembuatan ban diawali dengan persiapan bahan baku. Bahan baku terdiri atas enam jenis yaitu karet, bahan pengisi (fillers), Reinforcing Material,
Plasticizers, Antioksidan dan bahan Miscellaneous. Proses pengolahan raw
material dibedakan menjadi tiga proses sesuai dengan jenis raw material yang akan diolah yaitu Pembuatan Bead, Banburry dan Calender. Secara umum proses produksi ban dapat dibagi menjadi tiga yaitu :
1.2.4.1. Semi manufacturing process • Pencampuran
• Pemotongan • Bead Apexing • Extruding • Calendering • Cushioning
1.2.4.2. Proses pembuatan ban mentah • Type Building
1.2.4.3. Proses pemasakan • Curing
2. Customer Relationship Management (CRM) dalam Agroindustri Ban
CRM merupakan sebuah pendekatan baru dalam mengelola hubungan korporasi dan pelanggan pada level bisnis sehingga dapat memaksimumkan komunikasi dan pemasaran melalui pengelolaan berbagai kontak yang berbeda dengan pelanggan. Pendekatan ini memungkinkan untuk mempertahankan pelanggan dan memberikan nilai tambah terus menerus pada pelanggan, selain juga memperoleh keuntungan yang berkelanjutan. CRM dapat didefinisikan sebagai integrasi dari strategi penjualan, pemasaran, dan pelayanan yang terkoordinasi. CRM mencakup cross/up selling, product affinity analysis, dan
product bundling yang dapat digunakan sebagai solusi alternatif dalam sistem
strategi penjualan di suatu industri. Cross-selling didefinisikan sebagai "setiap tindakan atau praktek menjual antara atau di antara klien, pasar, pedagang, dan llain-lain" atau "yang menjual produk tambahan atau jasa kepada satu pelanggan yang sudah ada”. CRM menyimpan informasi pelanggan dan merekam seluruh kontak yang terjadi antara pelanggan dan perusahaan, serta membuat profil pelanggan untuk staf perusahaan yang memerlukan informasi tentang pelanggan tersebut.
Pengertian CRM dari sudut pandang pemasaran dan dari sudut pandang teknologi informasi. Beberapa definisi CRM dari berbagai literatur yang berhasil digali antara lain adalah:
• Dari sisi yang berkaitan dengan teknologi informasi, CRM adalah “sebuah strategi untuk mengoptimalkan nilai lifetime pelanggan (customer lifetime value) dengan cara mengetahui lebih banyak mengenai informasi pelanggan dan berinteraksi dengan pelanggan secara intensif”.
• Dari sisi komunikasi dan manajemen, CRM didefinisikan sebagai “sebuah pendekatan perusahaan untuk memahami dan mempengaruhi perilaku pelanggan melalui komunikasi yang intensif dalam rangka meningkatkan akuisisi pelanggan, mempertahankan pelanggan, loyalitas pelanggan”
• Definisi CRM jika dilihat dari segi bisnis dapat diartikan sebagai “sebuah strategi bisnis untuk memahami, mengantisipasi dan mengelola kebutuhan pelanggan yang potensial dalam suatu organisasi pada saat sekarang dan yang akan datang “
Dari ketiga definisi di atas dapat ditarik kesimpulan mengenai definisi CRM yaitu sebuah pendekatan yang komprehensif yang mengintegrasikan setiap bisnis proses yang berhubungan langsung dengan pelanggan, yaitu penjualan, pemasaran dan layanan pelanggan melalui integrasi filosofi, teknologi, dan juga proses. Dengan kata lain, CRM dipandang bukanlah sebagai sebuah produk ataupun sebuah layanan, tetapi sebuah filosofi bisnis yang bertujuan memaksimalkan nilai pelanggan dalam jangka panjang (customer lifetime value) (Bayu 2012).
Pada prinsipnya, strategi pemasaran cross-selling adalah sebuah istilah umum yang digunakan untuk menjelaskan penjualan additional products dan layanan kepada pelanggan yang telah membeli sesuatu dari perusahaan. Strategi ini berhubungan dengan analisis data pelanggan. Beberapa istilah lain yang berhubungan dengan teknik pemasaran ini antara lain adalah (Berry dan Linoff 2004) :
• Product bundling, menentukan produk apa yang akan dijual secara bersamaan sebagai sebuah paket penjualan.
• Product affinity analysis, memahami poduk dan layanan apa yang dibeli secara bersamaan.
• Next sequential purchase, memperkirakan produk atau layanan apa yang akan dibeli kemudian.
• Propensity-to-buy analysis, mengestimasi produk atau layanan apa yang akan dibeli kemudian oleh pelanggan tertentu.
• Profitability analysis, memahami pelanggan mana yang sangat penting untuk dijaga.
• Price elasticity modeling and dynamic pricing, menemukan harga optimal untuk produk tertentu dan untuk segmen pelanggan tertentu. Perusahaan dapat mengidentifikasi kebutuhan dan keinginan pelanggan untuk menetapkan additional product dari produk utamanya. Additional product yang disarankan dapat berupa common-sense-based (contohnya, jika pelanggan membeli sebuah kamera digital, maka cross-sell product-nya biasanya adalah
memory card, case, dan spare-battery) atau dapat pula berupa data-driven (cross-selling didapat dari data pembelian historikal pelanggan).
Secara mendasar, cross-selling merupakan proses analisis korelasi dari
market basket data – informasi mengenai apa yang dibeli dalam satu “keranjang”
(basket) – sejarah pembelian dan product relationship. Korelasi ini dapat dijadikan dasar untuk menentukan business rules dalam mengoptimalkan
cross-selling.
Ada tiga manfaat utama dari teknik cross-selling yaitu: (1) meningkatnya
revenue perusahaan, (2) meningkatkan loyalitas pelanggan (customer loyalty), dan
(3) meningkatkan customer awareness ke satu perusahaan. Peningkatan revenue perusahaan merupakan dampak yang paling bisa dirasakan. Ketika sebuah strategi
cross-selling dijalankan, fokus utama perusahaan tidak lagi kepada bagaimana
mendapatkan pelanggan baru yang potensial (prospecting customer), tetapi bagaimana menjual lebih banyak produk kepada pelanggan yang sudah ada (existing customer). Sebuah literatur menyebutkan, bahwa biaya (cost) yang harus dikeluarkan perusahaan untuk mendapatkan pelanggan baru lebih mahal sepuluh kali lipat jika dibandingkan dengan mempertahankan pelanggan yang sudah ada (Chasin 2003).
Manfaat kedua yang dapat diperoleh adalah meningkatnya loyalitas pelanggan. Dari setiap produk yang dijual ke pelanggan bisa berdampak pada peningkatan kepercayaan pelanggan ke sebuah perusahaan, selama produk yang telah dibeli memiliki kualitas yang baik dan dapat memenuhi kebutuhan mereka. Manfaat terakhir yang dapat diperoleh adalah meningkatnya customer awareness. Dengan menjual produk-produk yang lebih beragam, pelanggan memiliki respon yang lebih ke perusahaan dan membuat proses pembelian menjadi lebih nyaman. Dengan memberikan produk tertentu sebagai cross-selling product, pelanggan dapat mengenal produk-produk baru dimana mereka belum mengetahui sebelumnya bahwa produk tersebut juga dijual oleh perusahaan yang bersangkutan, sehingga memudahkan pelanggan dalam mencari produk baru bagi mereka dan menghindari pembelian ke perusahaan lain (Bayu 2012).
3. Perancangan Sistem
Perancangan sistem atau aplikasi dilakukan dengan pemodelan objek dan analisis sistem menggunakan Unified Modeling Language (UML).
3.1. Pemodelan Objek Dan Analisis Sistem
UML (Unified Modeling Language) adalah sebuah bahasa yang berdasarkan grafik/gambar untuk memvisualisasi, menspesifikasikan, membangun, dan pendokumentasian dari sebuah sistem pengembangan software berbasis OO (Object-Oriented). UML sendiri juga memberikan standar penulisan sebuah sistem blue print, yang meliputi konsep bisnis proses, penulisan kelas-kelas dalam bahasa program yang spesifik, skema database, dan komponen-komponen yang diperlukan dalam sistem software.
Salah satu pemecahan masalah Object Oriented (OO) adalah dengan menggunakan UML. Oleh karena itu orang-orang yang berminat dalam mempelajari UML harus mengetahui dasar-dasar mengenai Object Oriented
Solving (pemecahan masalah OO). Tahap pertama, pembentukan model. Model
adalah gambaran abstrak dari suatu dasar masalah. Dan dunia nyata atau tempat dimana masalah itu timbul bisa disebut dengan domain. Model mengandung obyek-obyek yang beraktifitas dengan saling mengirimkan messages (pesan-pesan). Obyek mempunyai sesuatu yang diketahui (attribute/attributes) dan sesuatu yang dilakukan (behaviors atau operations). Attributes hanya berlaku dalam ruang lingkup obyek itu sendiri (state). Lalu “blue print” dari suatu obyek adalah classes (kelas). Obyek merupakan bagian-bagian dari kelas.
Pada perancangan program Android Association Rules Program (AARP 1.0), tidak seluruh diagram yang terdapat pada pemodelan UML dibuat, karena kebutuhan pemodelan sistem yang tidak terlalu kompleks dan empat diagram yang dibuat sudah cukup relevan untuk mendesain sistem AARP 1.0 ini. Diagram yang dibuat pada perancangan sistem ini adalah business process
diagram (diagram proses bisnis), use case diagram (diagram kasus), sequence diagram (diagram sekuen), dan class diagram (diagram kelas).
3.1.1. Business Process Diagram
Diagram pertama yang dibuat pada perancangan sistem berorientasi objek adalah business process diagram. Diagram proses bisnis digunakan untuk menggambarkan logika dari suatu proses bisnis dengan notasi grafis sehingga mudah dipahami oleh semua pemangku kepentingan bisnis. Diagram proses bisnis terdiri dari tiga buah notasi utama yaitu Flow
objects, Connecting objects dan Swimmlanes. Swimmlanes mewakili aktor
yang terlibat dengan program yang dibuat. Dalam Swimmlanes terdapat berbagai Flow objects yang dihubungkan antara satu dengan yang lain menggunakan Connecting objects. Diagram proses bisnis AARP 1.0 dapat dilihat pada Gambar 1.
Berdasarkan diagram proses bisnis pada Gambar 1, aktor pada AARP 1.0 adalah customer dan sales. Customer merupakan titik mulai dari proses bisnis ini. Pembelian yang dilakukan customer memulai proses bisnis dan berjalannya aplikasi. Notasi task dominan terdapat pada kolom aktor sales menunjukkan aplikasi lebih dominan digunakan oleh sales. Aktor customer dan sales dihubungkan dengan konektor message yang merupakan detail pembelian dan rekomendasi.
Gambar 1. Fragmen Diagram Proses Bisnis AARP 1.0
3.1.2. Use Case Diagram
Diagram kasus menggambarkan fungsionalitas yang diharapkan dari sebuah sistem yang memperlihatkan apa yang akan dilakukan oleh sistem dan bukan bagaimana sistem itu melakukan. Diagram tersebut dihasilkan karena adanya interaksi aktor yang berinteraksi dengan sistem tersebut atau dapat juga dihasilkan dari kebutuhan pengguna terhadap sistem. Diagram kasus dapat digunakan sebagai prosedur awal pengujian sistem, membantu dalam menyusun kebutuhan sistem, mengkomunikasikan rancangan dengan pihak lain, dan merancang pengujian semua fitur yang ada pada sistem.
Diagram kasus terdiri dari tiga buah notasi utama yaitu actor (pelaku), case (kejadian/perilaku), dan relationship (hubungan). Sebuah sistem dibatasi oleh area berbetuk persegi yang diberi nama sesuai dengan nama sistem tersebut. Selanjutnya aktor yang berperan terhadap sistem berada di luar area tersebut. Aksi atau perilaku yang dapat dilakukan sistem diletakkan dalam sebuah elips. Diagram kasus AARP 1.0 dapat dilihat pada Gambar 2.
Berdasarkan diagram kasus pada Gambar 2, aktor utama adalah
customer dan sales. Customer bertindak sebagai aktor yang menjadi
sumber data utama kepada sistem dengan menghasilkan data transaksasi, aksi yang dilakukan oleh sistem adalah seperti yang terlihat dalam elips.
Gambar 2. Diagram Kasus AARP 1.0
3.1.3. Sequence Diagram
Sequence diagram (diagram sekuen) adalah suatu diagram yang
memperlihatkan atau menampilkan interaksi-interaksi antar objek di dalam sistem yang disusun pada sebuah urutan atau rangkaian waktu. Interaksi antar objek tersebut terrmasuk pengguna, display, dan sebagainya berupa pesan. Diagram sekuen diawali dari apa yang memicu aktivitas tersebut, proses dan perubahan apa saja yang terjadi secara internal dan output apa yang dihasilkan. Diagram sekuen juga memperlihatkan tahap demi tahap apa yang seharusnya terjadi untuk menghasilkan sesuatu didalam use case. Diagram sekuen memodelkan aliran logika dalam sebuah sistem dalam cara yang visual. Diagram sekuen program AARP 1.0 dapat dilihat pada Gambar 3.
Berdasarkan diagram pada Gambar 3, perhitungan analisis rekomendasi yang dilakukan oleh aplikasi dipicu dari user yang memilih menu sesuai. Pesan dari user dan aplikasi disampaikan melalui user
Gambar 3. Fragmen Diagram Sekuen AARP 1.0
3.1.4. Class Diagram
Diagram kelas merupakan diagram utama dalam perancangan sistem berorientasi objek. Hal ini disebabkan karena diagram kelas adalah diagram yang menggambarkan keadaan statis sebuah sistem sebagai sebuah obyek seperti di kehidupan nyata. Tujuan pembuatan diagram kelas adalah untuk memetakan objek-objek penyusun dari sistem tersebut. Sehingga jika pada saat pemeliharaan sistem ditemukan kesalahan,
programmer hanya memperbaiki pada kelas yang salah tersebut dan tidak
harus merubah keseluruhan sistem. Begitu juga jika sistem tersebut akan dikembangkan, tidak perlu merubah dari awal sistem, tetapi cukup menambahkan objek-objek yang dikembangkan. Diagram kelas AARP 1.0 dapat dilihat pada Gambar 4.
3.1.5. Implementasi Aplikasi
Tahap implementasi dilakukan untuk mewujudkan model dan desain (transformasi desain) yang telah dibuat menjadi bentuk model AARP 1.0 yang nyata. Pada tahap implementasi ini dilakukan juga verifikasi. Verifikasi dilakukan untuk menguji keluaran (output) aplikasi dan pelacakan kesalahan sistem (debugging).
3.1.6. Transformasi Desain
AARP 1.0 menggunakan bahasa pemograman Java yang terintegrasi dalam perangkat lunak Eclipse 3.7.2 dalam bundle Android Developer Tools v21.1 sebagai desain Graphic User Interface. Manajemen basis data yang digunakan adalah MySQL 5.5 (XAMPP 1.8.1) dengan koneksi yang digunakan adalah java database connection (JDBC). Semua perangkat lunak yang digunakan tersebut dijalankan pada sebuah perangkat komputer notebook dengan spesifikasi, prosesor Intel Core i3, memori RAM 4GB. Kapasitas hardisk 320 GB.
4. Pengembangan Sistem
Setelah dilakukan perancangan sistem AARP 1.0, maka selanjutnya dilakukan pengembangan terhadap rancangan sistem tersebut.
4.1. Analisis Association Rules Mining (Support, Confidence, Improvement)
Association rules merupakan salah satu teknik didalam data mining untuk
menentukan hubungan antar item dalam suatu dataset (sekumpulan data) yang telah ditentukan. Konsep ini sendiri diturunkan dari terminologi market basket
analysis, yaitu pencarian hubungan dari beberapa produk di dalam transaksi
pembelian. Teknik ini mencari kemungkinan kombinasi yang sering muncul (frequent) dari suatu itemset (sekumpulan item). Ada dua langkah didalam algoritma ini. Langkah pertama adalah melakukan perhitungan untuk menemukan frequent itemsets dan langkah kedua mencari kaidah asosiasi (rules) dari sekumpulan frequent itemsets tadi. Sebelum dilakukan perhitungan
association rules, terlebih dahulu dilakukan perhitungan frequent itemset. Frequent itemset dilakukan untuk menentukan rules berdasarkan treshold
(batasan minimal) nilai support yang ditentukan user (Bayu 2010). 4.2. Next Sequential Product
Next sequential product adalah produk selanjutnya yang mungkin akan
diminta oleh customer pada transaksi berikutnya setelah melakukan suatu transaksi. Penentuan next sequential product dilakukan dengan memanfaatkan
rules yang sudah dihasilkan dari analisis association rules mining. Pada
penelitian ini next sequential product merupakan produk yang memiliki nilai keterkaitan (confidence) tertinggi terhadap produk yang dibeli oleh customer pada transaksi terakhir. Next sequential product ditentukan dengan menentukan kombinasi produk yang telah dibeli customer dengan nilai confidence tertinggi.
4.3. Analisis Prakiraan Waktu (Time Series) Pembelian Next Sequential
Product
Prakiraan pembelian next sequential product merupakan analisis prakiraan waktu saat terjadinya transaksi berikutnya dimana customer akan membeli next
sequential product tersebut. Analisis tersebut dilakukan dengan menggunakan
metode prakiraan moving average. Moving average (MA) adalah adalah jenis moving average paling sederhana dan tidak menggunakan pembobotannya dalam perhitungan. Meskipun sederhana, MA cukup efektif dalam menentukan
trend yang sedang terjadi di market. Cara pembacaannya pun sederhana. Pada
penelitian ini objek yang akan dihitung prakiraannya adalah termasuk next
sequential product dengan memanfaatkan data waktu transaksi yang pernah
dilakukan oleh customer dengan menggunakan formulasi moving average. Adapun formula SMA dapat dilihat pada Gambar 4.
1 n i i n D MA n = =
∑
Gambar 4. Formula Moving Average
n = banyaknya periode dalam moving average Di = pembelian pada periode ke i
4.4. Sumber Data Transaksi
Dalam menentukan strategi cross-selling, data yang digunakan adalah transaksi penjualan salah satu Industri ban terkemuka di Indonesia yang menjual lebih dari 2000 jenis item ke pasar domestik maupun internasional. Data ini diperoleh dari data penjualan kepada seluruh distributor dalam negeri selama periode satu tahun.
4.5. Pre-Processing Data
Tahapan pre-processing dilakukan terhadap 3121 records, dengan mengubah data penjualan ke dalam bentuk biner. Pengubahan data ke dalam bentuk biner dilakukan untuk mempercepat dan mempermudah perhitungan
cross selling yang akan dilakukan dengn menggunakan aplikasi. Data biner yang
diperoleh sebanyak 552 record. Jumlah record biner tersebut adalah sama dengan jumlah transaksi yang terjadi selama periode satu tahun. Total jenis produk yang akan diperhitungkan sebanyak 193 jenis produk. Setiap produk diberi kode mulai dari 1-193 untuk mempermudah aplikasi dalam memproses data. Total konsumen dalam data transaksi penjualan adalah 46 konsumen. Setiap konsumen diberi kode mulai dari 1-46. Bentuk tabel biner dapat dilihat pada Tabel 1. Pada tabel tersebut data biner adalah semua cell yang berwarna abu-abu.
Tabel 1. Fragmen Bentuk Tabel Biner Pada Pre-Processing Data Konsumen Periode Items
1 2 3 4 5 1 1 0 0 0 1 1 2 0 0 0 0 0 3 0 0 0 0 0 4 0 0 0 1 1 5 0 0 0 0 0 6 0 0 0 0 0 7 0 0 0 1 0 8 0 0 0 1 1 9 0 0 0 1 1 10 0 0 0 0 1 11 0 0 0 1 0 12 0 0 0 0 0 5. Pengolahan Hasil
Hasil yang diperoleh untuk menjawab tujuan pertama adalah telah diselesaikannya aplikasi berbasis mobile yang dapat digunakan untuk melakukan perhitungan serta analisis cross selling. Aplikasi tersebut mampu memberikan hasil sebagai berikut :
1. Perhitungan Frequent Item Set
2. Perhitungan Nilai Komponen Association Rules Mining (Support,
Confidence, dan Improvement)
Hasil rules yang diperoleh berdasarkan pengolahan data menggunakan AARP 1.0 dapat dilihat pada Tabel 2.
Tabel 2. Rules Hasil Pengolahan Data Menggunakan AARP 1.0
Treshold (%) Rules Treshold (%) Rules
35 0 24 31 34 1 23 51 33 1 22 75 32 2 21 122 31 4 20 166 30 6 19 269 29 7 18 407 28 8 17 661 27 12 16 1018 26 15 15 1742 25 20 14 2891
Data pada tabel tersebut dapat di proyeksikan pada grafik (Grafik 5) untuk mempermudah pemahaman pada pengaruh presentase treshold terhadap jumlah
Gambar 5. Grafik Rules
Parameter batasan (treshold) yang akan dicapai dalam menjalankan proses pencarian asosiasi ini adalah support minimal sebesar 14% dan confidence minimal sebesar 14%. Pemilihan parameter tersebut dilakukan dengan cara trial
and error untuk mendapatkan itemset dan rules. Hal ini dilakukan karena data
dengan jumlah yang relatif besar, pemilihan parameter yang terlalu kecil akan memakan waktu yang lama dan membutuhkan alokasi memori perangkat mobile yang lebih banyak.
Berdasarkan metode trial and error, maka didapatkan bahwa batas treshold tertinggi dimana rules masih dapat diperoleh adalah pada 34%. Penggunaan
treshold diatas 34% tidak menghasilkan rules. Hal tersebut menunjukkan bahwa
nilai confidence tertinggi yang dapat diharapkan oleh perusahaan dari penjualan semua produknya adalah sebesar 34% dengan 1 rules.
Hasil selanjutnya yang diperoleh untuk menjawab tujuan kedua adalah aplikasi cross selling berbasis mobile yang telah dibuat sudah diimplementasikan sistem pengambilan keputusan yang mampu menentukan pembelian selanjutnya yang akan dilakukan oleh konsumen dan prakiraan waktu konsumen membeli produk tersebut.
Aplikasi mampu menampilkan Next Sequential Product pada saat input produk yang dibeli dimasukkan. Salah satu contoh adalah bila konsumen dengan kode 1 melakukan pembelian produk dengan kode 17 dan treshold support yang diberikan sebesar 25%, maka aplikasi akan menampilkan bahwa konsumen 1 akan membeli juga produk 34 dan produk 58 dengan besar kemungkinan senilai 90,61%. Kombinasi yang ditampilkan oleh aplikasi tersebut adalah kombinasi dengan nilai confidence tertinggi yang berdasarkan kepada rules yang di dalamnya terdapat produk dengan kode 17.
Aplikasi juga mampu untuk menentukan item apa yang kemungkinan akan dibeli oleh konsumen pada periode berikutnya yang diramalkan. Metode peramalan atau lebih dikenal dengan istilah prakiraan dilakukan dengan menggunakan Simple Moving Average. Periode default yang telah diprogram ke dalam aplikasi adalah 4 periode. Periode tersebut dapat ditentukan secara manual oleh user pada antarmuka aplikasi. Selain menampilkan prakiraan produk yang
akan dibeli oleh konsumen pada periode yang diramalkan, aplikasi juga akan menampilkan tingkat error prakiraan yang dilakukan oleh aplikasi. Salah satu kriteria untuk menilai teknik forecasting adalah perhitungan akurasi. Perhitungan akurasi yang lazim digunakan adalah Mean Absolute Percentage Error. Produk yang akan ditampilkan oleh aplikasi pada periode yang diramalkan adalah produk yang memiliki tingkat error yang paling rendah berurutan hingga tingkat error paling tinggi. Tingkat error ini akan ditampilkan dalam persen error yaitu Mean
Absolute Percentage Error (MAPE). MAPE tersebut merupakan ukuran
kesalahan relatif. MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan aktual selama perioda tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah. Semakin besar nilai MAPE menunjukkan bahwa tingkat error pada perhitungan prakiraan semakin tinggi sehingga tingkat kepercayaan semakin rendah. Sebaliknya prakiraan akan dianggap semakin baik (semakin dapat dipercaya) bila nilai MAPE semakin kecil. Aplikasi juga akan menampilkan next sequential product untuk produk yang telah diramalkan. Metode untuk menentukan next sequential product yang digunakan sama dengan metode untuk menentukan next sequential product sebelumnya.
6. Kelebihan dan Kekurangan Aplikasi 6.1. Kelebihan Aplikasi
Aplikasi AARP 1.0 memiliki kelebihan yaitu pengguna dapat menggunakannya dimana dan kapan saja selama pengguna membawa perangkat
mobile nya yang telah terinstalasi aplikasi cross selling ini. Aplikasi ini telah
dibuat sedemikian rupa agar dapat digunakan semudah mungkin oleh pengguna. Aplikasi ini dibuat dalam Bahasa Indonesia sehingga dapat membantu mempermudah penggunaan lokal.
6.2. Kekurangan Aplikasi
Aplikasi AARP 1.0 hanya terintegrasi salah satu metode analisis prakiraan
time series yaitu moving average, sehingga aplikasi ini memiliki kekurangan
yaitu belum mampu memberikan hasil analisis prakiraan yang telah dibandingkan akurasinya dengan metode-metode prakiraan lainnya. Aplikasi belum terintegrasi jaringan secara online melalui jaringan internet.
SIMPULAN DAN SARAN
Simpulan
Sistem yang diwujudkan dalam bentuk aplikasi berbasis mobile yang telah dibuat mampu menyelesaikan perhitungan serta analisis cross selling dengan metode association rules yang berbasis data MySQL yang menghasilkan rules keterkaitan antar items (produk). Aplikasi yang telah dibuat juga mampu melakukan analisis strategi pemasaran produk apa yang kemudian akan dibeli oleh konsumen serta prakiraan berdasarkan waktu untuk pembelian berikutnya.
Saran
Aplikasi yang telah dibuat dapat disempurnakan dengan penambahan fitur analisis strategi marketing lainnya. Selain itu implementasi aplikasi dengan berbagai metode prakiraan lainnya dapat dilakukan untuk meningkatkan akurasi prakiraan waktu pembelian salah satunya dengan cara membandingkan akurasi antara berbagai metode prakiraan yang digunakan. Untuk dapat meningkatkan kemudahan penggunaan aplikasi dapat pula dibangun jaringan untuk mempermudah aplikasi dalam melakukan transaksi data antar perangkat mobile dan desktop.
DAFTAR PUSTAKA
[Anonim]. 2010. White Box Testing dan Black Box Testing. http://whaysworld.wordpress.com /2010/06/18/white-box-testing-dan-black-box-testing/ [23 Januari 2013]
[DJP] Direktorat Jenderal Perkebunan, Kementerian Pertanian. 2012. Peningkatan Produksi, Produktivitas Dan Mutu Tanaman Tahunan.
Bayu A. 2010. Penetapan Strategi Penjualan Menggunakan Association Rules dalam Konteks CRM. Fakultas Ilmu Komputer. Universitas Sriwijaya
Bayu A. 2012. Cross-Selling: Perangkat Utama Customer Relationship Management (CRM) Untuk Meningkatkan Loyalitas Pelanggan. Jurusan Sistem Informasi. Fakultas Ilmu Komputer. Universitas Sriwijaya
Berry MJ, Linoff GS. 2004. Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management 2nd Edition. Jhon Wiley and Sons
Chasin JR. 2003. Implementation of A Cross-Selling Strategy for A Large Midwestern Healthcare Equipment Company (Ph.D Dissertation). Department of Psychology, Southern Illinois University at Carbandole
Jiawei H, Micheline K, Jian P. 2012. Data Mining Concepts and Techniques. United States of America : Elsevier
Malcom P. 2001. Polimer. Jakarta: Pradnya Paramita.
Marthan. 1998. Rubber Enginering. New Delhi: Mc Graw Hill
Montgomery D. 1990. Forecasting & Time Series Analysis. Singapore : McGraw-Hill Soekartawi. 2001. Pengantar Agroindustri. Jakarta : RajaGrafindo Persada
Tsiptsis, Chorianopoulus. 2009. Data Mining Techniques in CRM Inside Customer Segmentation. West Sussex: Wiley
Lampiran 1. Pemodelan Objek
RIWAYAT HIDUP
Penulis lahir di Jakarta, 29 April 1991 sebagai anak pertama dari dua bersaudara pasangan Ir Masroni Singaisdam, MSc dan Ir Mulia Riza Hanum. Penulis menyelesaikan pendidikan di Sekolah Menengah Atas 1 Depok pada tahun 2009. Pada tahun yang sama penulis diterima sebagai mahasiswa Departeken Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor melalui jalur SNMPTN.
