DAFTAR ISI. IMPLEMENTASI FUZZY SUGENO UNTUK MEMILIH PENGAJAR TERFAVORITError! Bookmark not define Mulia Dhamma

(1)

(2)

DAFTAR ISI

IMPLEMENTASI FUZZY SUGENO UNTUK MEMILIH PENGAJAR TERFAVORITError! Bookmark not defined. Mulia Dhamma

IMPLEMENTASI SISTEM FUZZY UNTUK PROSES PENGAMBILAN KEPUTUSAN PEMBELIAN SEPEDA MOTOR MENGGUNAKAN METODE MINIMUM INFERENCEError! Bookmark not defined. Reza Alamsyah

SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN NILAI AKHIR MAHASISWA

MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) Error! Bookmark not defined. Ericky Benna Perolihin

APLIKASI PEMBELAJARAN KRIPTOGRAFI AES 256 BIT DENGAN MODEL EXPLICIT INSTRUCTION ... Error! Bookmark not defined. Hendra Pasaribu, S.Kom., M.Kom, Rudolfo Rizki Damanik, S.T., M.T

APLIKASI UNTUK MENGETAHUI MAHASISWA BERPOTENSI DROP OUT DENGAN METODE

K-MEANS PADA PROGRAM STUDI SISTEM INFORMASI UNIVERSITAS PRIMA INDONESIAError! Bookmark not defined.

Evta Indra, Yonata Laia

PENERAPAN ALGORITMA C4.5 UNTUK PENENTUAN TINGKAT KONSUMSI KONSUMEN PADA MEDAN SOLUSINDO ... Error! Bookmark not defined. Mardi Turnip, Charles Wijaya

APLIKASI PENENTUAN JALUR TERPENDEK PENDISTRIBUSIAN BANTUAN BENCANA ALAM DENGAN MENGGUNAKAN ALGORITMA SEMUT PADA WILAYAH SUMATERA UTARA ... Error! Bookmark not defined. Marlince NK. Nababan, Yonata Laia, Mardi Turnip

PENENTUAN KELAYAKAN PENERIMAAN BEASISWA DENGAN MENGGUNAKAN UTILITY VECTORS TO FUZZY PREFERENCE RELATION DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) ... Error! Bookmark not defined. Delima Sitanggang, M.Kom, Siti Aisyah, Yonata Laia

SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA PEGAWAI PUSKESMAS MENGGUNAKAN METODE AHP DAN TOPSIS ... Error! Bookmark not defined. Saut Tamba

(3)

Vol 1, No 1, Febuari 2016 e-ISSN : 2549-7820

PENERAPAN ALGORITMA C4.5 UNTUK

PENENTUAN TINGKAT KONSUMSI

KONSUMEN PADA MEDAN SOLUSINDO

Mardi Turnip, Charles Wijaya Program Studi S1 Sistem Informasi Fakultas Teknologi dan Ilmu Komputer

Universitas Prima Indonesia

E-mail : [email protected]

ABSTRAK

Medan Solusindo adalah suatu badan usaha yang bergerak dalam bidang penjualan aksesoris, komputer dan laptop serta jasa servis komputer di kota Medan. Masalah yang sering terjadi di Medan Solusindo yaitu pihak manajemen perusahaan kesulitan memperoleh

informasi yang berhubungan dengan

pengambilan keputusan seperti menganalisis keranjang belanja dari konsumen.

Penelitian ini bertujuan untuk mengembangkan sistem informasi penjualan pada Medan Solusindo yang mencakup proses penjualan dan penyusunan laporan. Tools yang digunakan untuk melakukan analisis dan desain adalah use case diagram. Sedangkan, bahasa pemrograman yang digunakan untuk merancang sistem adalah Mircosoft Visual Basic 2008 dengan menggunakan aplikasi Microsoft SQL

Server 2005 sebagai database engine dan aplikasi Crystal Report 10 sebagai desain laporannya.

Hasil dari penelitian ini adalah sistem informasi penjualan yang terkomputerisasi yang

dapat digunakan untuk menyelesaikan

permasalahan yang dihadapi oleh Medan Solusindo.

Kata Kunci : Algoritma C4.5, Use Case Diagram, Database, Penjualan

I. PENDAHULUAN

Penggunaan teknologi informasi yang diintegrasikan dengan proses pekerjaan di suatu organisasi sudah menjadi kebutuhan mutlak. Hal ini ditujukan untuk meningkatkan proses analisis masalah yang dihadapi dan dalam pengambilan keputusan. Ketersediaan data dan informasi yang lengkap, benar dan juga tepat sudah menjadi kebutuhan pokok bagi kelangsungan hidup suatu organisasi.

Medan Solusindo adalah suatu badan usaha yang bergerak dalam bidang penjualan aksesoris, komputer dan laptop serta jasa servis komputer di kota Medan. Aktivitas keseharian badan usaha ini yaitu berupa transaksi jual beli barang dagangan antara distributor dengan konsumen, terutama pada kebutuhan di bidang komputerisasi. Saat ini, perusahaan masih menggunakan aplikasi konvensional untuk melakukan proses pencatatan data transaksi penjualan. Masalah yang sering terjadi di Medan Solusindo yaitu pihak manajemen perusahaan

kesulitan memperoleh informasi yang

berhubungan dengan pengambilan keputusan seperti menganalisis keranjang belanja dari konsumen. Hal ini dapat diselesaikan dengan penerapan algoritma C4.5 untuk mengetahui tingkat konsumsi konsumen.

Dengan menggunakan algoritma C4.5, penerapan Data Mining ini akan menghasilkan

sebuah proses pengelompokan barang

berdasarkan informasi dari transaksi penjualan yang diambil dari program berjalan pada setiap periode. Berdasarkan data tersebut, maka akan diperoleh informasi mengenai tingkat konsumsi konsumen pada periode tertentu. Oleh karena itu, perlu diterapkan suatu sistem yang dapat melakukan hal tersebut.

Adapun permasalahan yang timbul dari dalam sistem yang diterapkan oleh perusahaan saat ini adalah belum terdapat informasi yang jelas mengenai tingkat konsumsi konsumen terhadap produk yang dijual oleh perusahaan

Permasalahan yang dihadapi oleh perusahaan tentunya sangat banyak dan kompleks. Untuk itu, ruang lingkup penelitian ini adalah:

1. Data yang digunakan adalah data penjualan dari tahun 2011 – 2015.

(4)

Jurnal Senopati (Seminar Nasional Pascasarjana Teknik Informatika) p-ISSN : 2528-2832

2. Output yang dihasilkan mencakup hasil pengelompokan paket penjualan dari tingkat konsumsi konsumen.

3. Sistem akan menampilkan informasi mengenai tingkat konsumsi konsumen terhadap setiap produk perusahaan dalam bentuk grafik.

4. Bahasa pemrograman yang digunakan adalah

Microsoft Visual Basic 2008 dengan

database menggunakan aplikasi SQL Server 2005 dan laporan didesain dengan aplikasi Crystal Report.

Adapun tujuan penelitian ini adalah menganalisis dan merancang aplikasi pemberian informasi mengenai tingkat konsumsi barang pada periode tertentu di Medan Solusindo. Adapun manfaat dari penelitian ini adalah:

1. Sistem usulan dapat memberikan informasi kepada pihak manajemen perusahaan mengenai tingkat konsumsi barang oleh konsumen kepada perusahaan.

2. Menjadi masukan kepada perusahaan mengenai bagaimana pola konsumsi dan kepuasan konsumen terhadap suatu produk.

3. Sistem usulan dapat melakukan

pengelompokkan terhadap barang sehingga barang yang kurang laku bisa dikelompokkan dalam paket tertentu agar tidak terjadi penumpukan stok kurang laku yang terlalu banyak.

II. TINJAUAN PUSTAKA

Algoritma C4.5 atau disebut juga sebagai algoritma decision tree merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal. Algoritma ini termasuk metode Data

Mining, yang merupakan proses menemukan pola

dengan memilah-milah sejumlah data yang besar menggunakan teknologi pengenalan pola.Secara umum Algoritma C4.5 untuk membangun pohon keputusan adalah sebagai berikut:

1. Pilih atribut sebagai akar

2. Buat cabang untuk masing-masing nilai 3. Bagi kasus dalam cabang

4. Ulangi proses untuk masing-masing cabang sampai semua kasus pada cabang memiliki kelas yang sama.

Untuk memilih atribut sebagai akar, didasarkan pada nilai gain tertinggi dan atribut-atribut yang ada. Data Mining didefinisikan sebagai sebuah proses untuk menemukan hubungan, pola dan tren baru yang bermakna dengan menyaring data yang sangat besar, yang

35

tersimpan dalam penyimpanan, menggunakan teknik pengenalan pola seperti teknik Statistik dan Matematika (Kamagi et.al, 2014).

Data Mining bukanlah suatu bidang yang

sama sekali baru. Salah satu kesulitan untuk mendefinisikan Data Mining adalah kenyataan bahwa Data Mining mewarisi banyak aspek dan teknik dari bidang-bidang ilmu yang sudah mapan terlebih dahulu. Berawal dari beberapa disiplin ilmu, Data Mining bertujuan untuk memperbaiki teknik tradisional sehingga bisa menangani:

1. Jumlah data yang sangat besar 2. Dimensi data yang tinggi

3. Data yang heterogen dan berbeda sifat Hasil dari operasi Data Mining berupa

tabel-tabel dan file-file yang berisi data analisis yang dapat diakses dengan query dan reporting

tools. Terdapat empat operasi umum Data Mining yaitu (Kamagi et.al, 2014):

1. Predictive and Classification Modeling, yang merupakan pengolahan Data Mining dengan melakukan prediksi/

peramalan. Tujuan metode ini untuk membangun model prediksi suatu nilai yang mempunyai ciri-ciri tertentu. Contoh algoritmanya Linear Regression,

Neural Network, Support Vector

Machine, dan lain-lain.

2. Association (Asosiasi) merupakan teknik dalam Data Mining yang mempelajari hubunganantardata.Contoh

penggunaannya seperti untuk

menganalisis perilaku mahasiswa yang datang terlambat. Contohnya jika mahasiswa memiliki jadwal dengan dosen A dan B, maka mahasiswa akan datang terlambat. Contoh algoritmanya

FP-Growth, A Priori, dan lain-lain.

3. Clustering (Klastering) atau

pengelompokkan merupakan teknik untuk mengelompokkan data ke dalam suatu kelompok tertentu. Contoh algoritmanya K-Means, K-Medoids,

Self-Organitation Map (SOM), Fuzzy C-Means, dan lain-lain. Contoh untuk clustering: Terdapat lima pulau di

Indonesia: Sumatera, Kalimantan, Jawa, Sulawesi dan Papua. Maka lima pulau tersebut dijadikan tiga klaster berdasarkan waktunya: Waktu Indonesia Barat (Sumatera, Kalimantan dan Jawa),

(5)

Vol 1, No 1, Febuari 2016 e-ISSN : 2549-7820 Waktu Indonesia Tengah (Sulawesi) dan

Waktu Indonesia Timur (Papua).

4. Classification merupakan teknik

mengklasifikasikan data. Perbedaannya dengan metode clustering terletak pada data, dimana pada clustering variabel dependen tidak ada, sedangkan pada

classification diharuskan ada variabel

dependen. Contoh algoritma yang menggunakan metode ini ID3 dan K

Nearest Neighbors.

Berikut beberapa kelebihan dari algoritma Klasifikasi C4.5 atau decision tree, antara lain:

1. Hasil analisa berupa diagram pohon yang mudah dimengerti.

2. Mudah untuk dibangun, serta

membutuhkan data percobaan yang lebih sedikit dibandingkan algoritma

klasifikasi lainnya.

3. Mampu mengolah data nominal dan

continue.

4. Model yang dihasilkan dapat dengan mudah dimengerti.

5. Menggunakan teknik statistik sehingga dapat divalidasikan.

6. Waktu komputasi relatif lebih cepat dibandingkan teknik klasifikasi lainnya. 7. Akurasi yang dihasilkan mampu

menandingi teknik klasifikasi lainnya (Nursela, 2014)

Pada tahap pembelajaran algoritma C4.5 memiliki 2 prinsip kerja yaitu:

1. Pembuatan pohon keputusan. Tujuan dari algoritma penginduksi pohon keputusan adalah mengkontruksi struktur data pohon yang dapat digunakan untuk memprediksi kelas dari sebuah kasus atau record baru yang belum memiliki kelas. C4.5 melakukan konstruksi pohon keputusan dengan metode divide and

conquer. Pada awalnya hanya dibuat node akar dengan menerapkan algoritma divide and conquer. Algoritma ini

memilih pemecahan kasus-kasus yang

terbaik dengan menghitung dan

membandingkan gain ratio, kemudian

node-node yang terbentuk di level

berikutnya, algoritma divide and conquer akan diterapkan lagi sampai terbentuk daun-daun.

2. Pembuatan aturan-aturan (rule set). Aturan-aturan yang terbentuk dari pohon keputusan akan membentuk suatu kondisi dalam bentuk if-then. Aturan-aturan ini didapat dengan cara menelusuri pohon keputusan dari akar sampai daun. Setiap

node dan syarat percabangan akan

membentuk suatu kondisi atau suatu if, sedangkan untuk nilai-nilai yang terdapat pada daun akan membentuk suatu hasil atau suatu then, (Selvia et.al, 2014).

Gambar 1 berikut ini merupakan model

activity diagram dari sistem yang sedang

berjalan.

Salesman Staf Penjualan Staf Persediaan Staf Accounting

Catat pemesanan barang Pemesanan dapat Tidak Pembelian

dari customer terpenuhi Barang

Ya

Kirimkan barang kepada Cetak faktur penjualan

customer

Ada barang yang Ya

Cetak bukti retur penjualan dikembalikan customer

Tidak Update persediaan Update piutang

barang

Gambar 1. Activity Diagram

Proses penjualan akan dimulai dengan adanya data pemesanan barang dari customer yang akan ditindaklanjuti oleh staf penjualan dengan mengirimkan data penjualan kepada

customer yang bersangkutan.

Agar dapat memperoleh informasi mengenai semua proses transaksi yang terjadi, maka data transaksi tersebut akan diolah dan dibuat menjadi bentuk laporan. Adapun laporan yang terdapat pada sistem berjalan yaitu laporanpenjualan, dan laporan stok.

2.1. Use Case Diagram

Identifikasi kebutuhan sistem informasi pada Medan Solusindodapat dilihat pada use case gambar 2 berikut ini:

Gambar 2. Use Case Diagram

Rancangan Activity Diagram dari sistem usulan dapat dilihat pada gambar berikut:

(6)

Pemakai Sistem

Catat penjualan barang kepada customer

Input data kelas dan kriteria Melakukan proses clustering terhadap data

Melakukan proses klasifikasi terhadap data

Menampilkan hasil klasifikasi

Klasifikasi Controller Database

Staf Penjualan

_{Mengakses menu}

‘Penentuan Tingkat Konsumsi’

Menampilkan form

‘Penentuan tingkat Konsumsi’ Memilih data filter Mengecek validasi Validasi(input)

dari semua data input

Pesan kesalahan bahwa belum KirimPesan(Error) HasilValidasi(input) semua data dimasukkan

Menampilkan data _{Kirim data} _{hasilValidasi} klasifikasi

Klasifikasi (input)

Gambar 5. Sequence Diagram

Gambar 3. Activity Diagram

Proses kerja dari sistem akan dimulai dari pencatatan data penjualan barang kepada

customer. Setelah itu, proses akan dilanjutkan

dengan pengisian data kelas dan kriteria. Kedua proses diatas dilakukan oleh pemakai. Setelah itu, sistem akan melakukan proses clustering

terhadap data. Kemudian, sistem akan melakukan proses klasifikasi terhadap data dan menampilkan hasil klasifikasi.

Seperti terlihat pada gambar diatas, sistem penentuan tingkat konsumsi konsumen ini memiliki beberapa kelas yaitu kelas, kriteria,

stock, customer, penjualan dan informasi tingkat

konsumsi konsumen. Kelas penjualan akan terhubung ke stock dan customer. Sedangkan, kelas informasi tingkat konusmsi konsumen akan terhubung ke kelas, kriteria dan stock.

Sementara itu, prosedur kerja dari sistem yang akan dibuat dapat digambarkan dalam bentuk sequence diagram seperti terlihat pada gambar berikut:

Proses Controller Database

Staf Penjualan Mengakses menu ‘Penjualan’ Menampilkan form ‘Penjualan’ Mencatat data Penjualan Mengecek validasi Validasi(input) dari semua data input

Pesan kesalahan bahwa belum KirimPesan(Error) HasilValidasi(input) semua data dimasukkan

Menyimpan data Penjualan Data Penjualan Mengurangi jumlah saldo barang

Mencetak bukti

Kirim data hasilValidasi Penjualan

Penjualan (input)

Gambar 4. Rancangan Sequence Diagram dari Proses Penjualan

Untuk melakukan pengisian ataupun melihat data penjualan, maka staf penjualan dapat mengakses menu Penjualan sehingga sistem akan menampilkan form Penjualan. Kemudian, staf penjualan data melakukan penyimpanan data penjualan dan mencetak bukti penjualan.

Untuk melakukan proses klasifikasi terhadap tingkat konsumsi konsumen maka staf penjualan dapat mengakses menu Penentuan Tingkat Konsumsi Konsumen sehingga sistem akan menampilkan form Klasifikasi.

2.2. Perancangan Database

Sementara itu, rancangan Class Diagram dari sistem dapat dilihat pada gambar berikut:

Kelas Informasi Tingkat 1 Konsumsi Konsumen KodeKelas

NamaKelas Keterangan ∞ KodeStock NamaStock ∞ TambahKelas Kelas HapusKelas Kriteria ∞ Tampil Kriteria 1 NamaKriteria Keterangan TambahKriteria HapusKriteria Penjualan Stock 1 NoFaktur KodeStock 1 TglFaktur NamaStock KodeStock HargaJual ∞ NamaStock Satuan Qty Keterangan TambahStock TambahDataPenjualan UbahStock UbahDataPenjualan HapusStock HapusDataPenjualan

Gambar 6. Class Diagram 2.3. Perancangan Interface

Rancangan input dari sistem informasi dapat dirincikan sebagai berikut:

1. Form ‟Login‟.

Rancangan antarmuka ini digunakan untuk melakukan penginputan data user yang ingin menggunakan sistem. Rancangan form ‟Login‟ ini dapat dilihat pada gambar 7:

(7)

User Name Password

OK Cancel

Gambar 7. Rancangan Form ‟Login‟

2. Form ‟Barang‟.

Rancangan antarmuka ini digunakan untuk melakukan penginputan data

barang yang ditawarkan kepada

Pelanggan. Rancangan ini dapat ditampilkan dengan mengakses menu ‟Master‟ >> ‟Barang‟. Rancangan form ‟Barang‟ ini dapat dilihat pada gambar 8:

Rancangan antarmuka ini digunakan untuk melakukan penginputan data transaksi penjualan barang kepada Pelanggan. Rancangan ini dapat ditampilkan dengan mengakses menu ‟Transaksi‟ >> ‟Penentuan Tingkat Konsumsi Konsumen‟. Rancangan form

‟Penentuan Tingkat Konsumsi

Konsumen ini‟ ini dapat dilihat pada gambar 10:

Gambar 8. Rancangan Form Barang

3. Form ‟Penjualan‟.

Rancangan antarmuka ini digunakan untuk melakukan penginputan data transaksi penjualan barang kepada Pelanggan. Rancangan ini dapat ditampilkan dengan mengakses menu ‟Transaksi‟ >> ‟Penjualan‟. Rancangan

form ‟Penjualan‟ ini dapat dilihat pada

gambar 9:

Gambar 10. Rancangan Form Tingkat Konsumsi Konsumen

5. Form ‟Grafik Penjualan‟.

Rancangan antarmuka ini digunakan untuk melakukan penginputan data transaksi. Rancangan ini dapat ditampilkan dengan mengakses menu ‟Transaksi‟ >> ‟Grafik Penjualan‟. Rancangan form ‟Grafik Penjualan‟ ini dapat dilihat pada gambar 11:

Grafik Penjualan X Grafik Penjualan Periode Proses Barang GRAFIK PENJUALAN

Gambar 9. Rancangan Form Penjualan

4. Form ‟Klasifikasi Tingkat Konsumsi‟.

Gambar 11. Rancangan Form Grafik Penjualan

III. IMPLEMENTASI PERANGKAT LUNAK

3.1. Kebutuhan Perangkat Lunak

Untuk menjalankan sistem yang

dirancang, diperlukan beberapa faktor pendukung sebagai berikut :

1. Kebutuhan Perangkat Keras (Hardware) 38

(8)

Untuk bisa menjalankan sistem, maka

hardware yang direkomendasikan

dengan spesifikasi minimal sebagai berikut:

1. Satu set lengkap perangkat komputer yang memiliki spesifikasi sebagai berikut: 1) Processor Intel Core 2 Duo 2) RAM 2 GB

3) Harddisk 250 GB

2. Printer, sebagai perangkat pendukung untuk mencetak laporan.

2. Kebutuhan Perangkat Lunak (Software) Adapun perangkat lunak untuk

menjalankan program ini adalah:

1. Sistem operasi Windows XP/7/8. 2. Microsoft Visual Basic. NET

2008 untuk aplikasi pengembangan program. 3. Microsoft SQL Server 2005

untuk pembuatan database. 3. Keahlian Operator

Keahlian operator untuk menjalankan program adalah:

Gambar 13. Tampilan Menu Utama

Menu-menu yang terdapat pada sistem dapat dirincikan sebagai berikut:

1. Menu „Master‟ yang terdiri dari sub menu „Barang‟, „Customer‟, „Salesman‟ dan „User‟. Tampilan menu „Master‟ dapat dilihat pada gambar berikut:

1. Menguasai sistem operasi Windows.

2. Menguasai Cara Kerja Sistem 3. Memilikipengetahuandan

keahlian dasar mengenai

komputer, seperti: cara

menggunakan mouse, keahlian mengetik, cara menggunakan

printer, dan sebagainya.

3.2. Implementasi

Untuk menjalankan perangkat lunak, maka dapat mengklik file ‟Klasifikasi.exe‟ yang terdapat pada folder ‟bin‟ >> ‟debug‟. Setelah itu, sistem akan menampilkan form berikut:

Gambar 12. Tampilan Login

Berisi Input Username dan Password

User dengan ketentuan harus terdapat list User

dalam database

39

Gambar 14. Tampilan Menu “Master” 2. Menu „Transaksi‟ yang terdiri dari sub

menu „Pemesanan Barang‟, „Penjualan‟ dan „Retur Penjualan‟. Tampilan menu „Transaksi‟ dapat dilihat pada gambar berikut:

Gambar 15. Tampilan Menu “Transaksi” 3. Menu „Laporan‟ yang terdiri dari sub

menu „Daftar Barang‟, „Penjualan‟ dan „Grafik Penjualan‟. Tampilan menu „Laporan‟ dapat dilihat pada gambar berikut:

(9)

Gambar 16. Tampilan Menu “Laporan” Sebelum dapat melakukan pengisian data transaksi, pemakai terlebih dahulu harus memasukkan semua data Master yang akan digunakan dalam proses transaksi. Adapun data

Master yang dimasukkan mencakup data barang, Customer, Salesman dan User. Tampilan dari

keempat form tersebut dapat dilihat pada gambar berikut:

1. Tampilan Master Barang, yang dapat dilihat pada gambar berikut:

Gambar 17. Tampilan Form Master Barang Data barang yang dimasukkan mencakup kode barang, nama barang, satuan, jenis, harga jual dan keterangan. Data kode barang merupakan primary key sehingga harus bersifat unik (tidak boleh sama) dan bertipe data text. Data nama barang, satuan, jenis dan keterangan juga bertipe data text. Sedangkan, harga jual bertipe data number.

Setelah itu, proses dilanjutkan dengan pengisian data transaksi, yang mencakup transaksi pemesanan, penjualan dan retur penjualan. Tampilan dari setiap form tersebut dapat dilihat pada perincian gambar berikut:

1. Tampilan Transaksi Penjualan, yang dapat dilihat pada gambar berikut:

Gambar 18. Tampilan Form Transaksi Penjualan

Data penjualan yang dimasukkan mencakup no faktur, no pemesanan,

tanggal, Customer, Salesman,

keterangan, total harga, potongan, PPN,

netto dan rincian data barang yang dijual.

Data penjualan ini akan digunakan dalam proses pencatatan data transaksi retur

penjualan. Qty penjualan yang

dimasukkan tidak boleh melebihi sisa

order.

2. Tampilan Transaksi Penentuan Tingkat Konsumsi, yang dapat dilihat pada gambar berikut:

Gambar 19. Tampilan Form Transaksi Penentuan Tingkat Konsumsi

Apabila pemakai ingin menampilkan detail perhitungan dari algoritma klasifikasi C4.5, maka

dapat mengklik check box Tampilkan

Perhitungan, sehingga sistem akan menampilkan

form berikut:

(10)

Gambar 20. Tampilan Form Laporan 3. Tampilan Transaksi Penentuan Paket

Penjualan, yang dapat dilihat pada gambar berikut:

Gambar 21. Tampilan Form Transaksi Penentuan Paket Penjualan

4. Tampilan Grafik Penjualan, yang dapat dilihat pada gambar berikut:

Gambar 22. Tampilan Form Grafik Penjualan Pada tampilan grafik penjualan ini akan digambarkan grafik dari data transaksi penjualan pada periode tertentu sesuai dengan keinginan pemakai.

IV. KESIMPULAN

Setelah menyelesaikan Penerapan Algoritma C4.5 untuk Penentuan Tingkat Konsumsi Konsumen pada Medan Solusindo, penulis menarik beberapa kesimpulan sebagai berikut:

1. Sistem usulan menyediakan informasi yang diperlukan oleh pihak manajemen perusahaan dalam waktu yang singkat dan akurat untuk mengurangi

penumpukan stok.

2. Sistem mengusulkan pengelompokan paket penjualan dari hasil klasifikasi tingkat konsumsi konsumen untuk mempermudah pengambilan keputusan manajemen perusahaan untuk mengatasi barang yang akan terjadi penumpukan stok.

DAFTAR PUSTAKA

[1] Munir, Rinaldi. 2011 Algoritma dan Pemrograman dalam Bahasa Pascal dan C.

Bandung: Informatika Bandung

[2] Kamagi, et.al, 2014 Implementasi Data

Mining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswa.

Jurnal ULTIMATICS – Vol. VI, No. 1, ISSN : 2085-4552

[3] Nursela, Dwi Ayu, 2014. Penerapan

Algoritma C4.5 untuk Klasifikasi Tingkat Keganasan Kanker Payudara.

http://eprints.dinus.ac.id/5403/

[4] Selvia, et.al, 2014. Analisis dan Penerapan

Algoritma C4.5 dalam Data Mining untuk Memprediksi Masa Studi Mahasiswa

Berdasarkan Nilai Akademik.

http://repository.akprind.ac.id/sites/files/A26 3-272%20silvia%20lorena.pdf

[5] Siregar, Delisma. 2013. Analisa Ekonomis

dalam Pemilihan Subkontraktor dan

Supplier oleh Kontraktor Utama pada

Pelaksanaan Proyek-Proyek Bangunan

Gedung di Medan. Medan :Eksis

[6] Kendall, Kenneth E. et.al. 2010 “System

Analysis And Design”. New Jersey : Pearson

[7] Widya, Wenny. 2010. Sistem Informasi

Manajemen Rumah Sakit Bersalin Ananda Palembang. https://indonesia.alphafm.org/document/SIS TEM-INFORMASI-MANAJ EMEN-RUMAH-SAKIT-BERSALIN-ANANDA- PALEMBANG-472 200 [8] Sophian, Sophan. 2014.

Pengimplementasian dan Perancangan

Sistem Informasi Penjualan dan

(11)

Vol 1, No 1, Febuari 2016

Pengendalian Stok Barang pada took Swastika Servis (SS) Bangunan dengan Menggunakan Bahasa Pemrograman Visual

Basic 6.0 Didukung dengan Database

MySQL. Jurnal Momentum – Vol. 16, No. 2,

ISSN : 1693-752X

[9] Prastuti, 2011. Pemodelan Visual dengan

Menggunakan UML dan Rational Rose.

Jurnal Teknologi Informasi DINAMIK – Vol. XIV, No. 1, ISSN : 0854-9524

(12)