DATA MINING UNTUK PENJUALAN PRODUK SUPER

(1)

3.1 Profile Instansi

PT. Batu Mutiara Indah yang sering di kenal dengan supermarket

batu plaza berdiri pada tahun 1997 dan beralamat di Jl. Gajah Mada 1 Batu. Terletak di dekat obyek wisata alun-alun kota batu sehingga supermarket batu plaza mempunyai letak yang sangat strategis untuk

menunjang kegiatan bisnis. Pendirian supermarket batu plaza dilatar-belakangi oleh perkembangan kota batu sehingga dibutuhkan sarana

belanja bagi masyarakat umum yang betul-betul memihak masyarakat umum baik konsumen, pedagang serta pelaku ekonomi di lingkungan sekitar Kota Batu. Supermarket batu plaza memiliki nuansa yang berbeda

dengan minimarket-minimarket yang sudah ada, juga memiliki filosofi dan orientasi yang berbeda.

3.2 Analisa Masalah

PT.Batu Mutiara Indah yang lebih dikenal dengan supermarket batu

plaza merupakan salah satu unit usaha yang bergerak dalam bidang perdagangan kebutuhan pokok yang diharapkan dapat menyediakan

kebutuhan pokok sehari-hari bagi masyarakat pada umumnya dengan kualitas baik dan harga yang terjangkau. Dimana perusahaan ini dituntut

(2)

untuk memberi pelayanan kepada konsumen dan mempermudah konsumen dalam pembelian barang, sehingga dapat menentukan strategi

penjualan yang tepat dan akurat. Supermarket batu plaza terdapat beberapa permasalahan yang kerap muncul mengenai penjualan barang dan perusahaan sulit mendapatkan informasi-informasi strategis seperti

tingkat penjualan per periode. Ketersediaan data penjualan yang besar di supermarket batu plaza tidak digunakan semaksimal mungkin, sehingga

data penjualan tersebut tidak dimanfaatkan secara optimal dan belum adanya sistem yang dapat menyelesaikan permasalahan saat ini untuk merancang sebuah strategi bisnis dalam meningkatkan penjualan.

Maka dengan dibangun sistem untuk membuat analisis terhadap data transaksi pembelian barang untuk mengetahui pola dan hubungan

keterkaitan antar data. Dari pola yang dihasilkan dapat diketahui hubungan antar data dalam pembelian barang dengan nilai support dan

confidence yang telah ditentukan sebelumnya. Pola yang dihasilkan dapat

memberikan informasi yang berharga bagi pihak terkait. Dalam sistem ini digunakan algoritma association rules mining untuk mendapatkan

(3)

3.3 Pemodelan Sistem

Dalam pembuatan data mining ini metode yang digunakan aturan

asosiasi menggunakan algoritma association rules mining. Metode ini digunakan untuk mencari hubungan dalam data pembelian barang.

Untuk melakukan analisa terhadap data transaksi pembelian barang

dilakukan proses sebagai berikut:

1. Sistem menerima data dari transaksi pembelian barang yang telah

tersimpan di dalam database

2. Pengguna memasukkan nilai minimum support dan minimum

confidence.

3. Sistem men-scan database untuk mendapatkan kandidat

1-itemset dan menghitung nilai supportnya.

4. Nilai support dibandingkan dengan nilai minimal confidence yang

ditentukan. Jika nilainya lebih besar atau sama dari minimal confidence maka termasuk dalam large itemset.

5. Nilai yang memenuhi large itemset diikutkan dalam iterasi selanjutnya, tetapi jika tidak memenuhi, maka tidak diikutkan.

6. Pada iterasi kedua, sistem menggunakan hasil dari large itemset dari iterasi pertama untuk membentuk kandidat 2-itemset. Untuk

iterasi selanjutnya sistem menggunakan large itemset dari iterasi sebelumnya untuk memebentuk itemset berikutnya.

7. Sistem menggabungkan antara 1-itemset dengan 2-itemset yang memenuhi large itemset. Jika gabungan dari item tersebut tidak

memenuhi large itemset, maka akan dihapus.

8. Dari hasil frequet itemset tersebut diperoleh association rule

(4)

Berikut ini akan dijelaskan mengenai diagram blok dari sistem yang akan dibuat:

Gambar 3.1 Diagram Blok Sistem

1. Data transaksi penjualan di ambil dari database sebagai input data yang akan diproses. Selain itu juga diinputkan minimal support dan

minimal confidence sebagai syarat aturan asosiasi yang akan dibentuk.

2. Sebelum proses Data Minning dapat dilaksanakan, perlu dilakukan proses cleaning mencakup antara lain, membuang atribut data yang

tidak diperlukan, duplikasi data, data integration penggabungan sumber-sumber data, data transformasi data dalam bentuk data set yang dapat di proses.

Tabel 3.1 Contoh : Awal Data Transaksi Penjualan

NOTRAN

S URUTAN KODE_BARANG NAMA_BARANG UANSAT HRG_JUAL QTY TGL_TRANS DISKON RETURJML_ TS012013

00001 1

0JCE010-030

Susu Cair Indomilk

Stroberi 195ml Pcs 2237.55 1 01/01/2013 0 0 TS012013

00001 2

0BGTT001-077 Gula KBA Kg 8600 1 01/01/2013 0 0

TS012013

00001 3 0BGTT001-077 Gula KBA Kg 8600 1 01/01/2013 0 0 TS012013

00001 4 0MMB024-030 Indomie Goreng Kriuk Bawang Pcs 1354.56 2 01/01/2013 0 0 TS012013

00002 3 0JCE010-030 Susu Cair Indomilk Stroberi 195ml Pcs 2237.55 1 01/01/2013 0 0 TS012013

00003 1 0RBK005-083 Roti Tawar BH 7000 1 01/01/2013 0 0 TS012013

00003 3 0JCE010-030 Susu Cair Indomilk Stroberi 195ml Pcs 2237.55 1 01/01/2013 0 0

Data Transaksi

Aturan asosiasi Min Support & Min_Confidence Preprocessing :

Data Cleaning Data Integration

(5)

Tabel 3.2 Contoh : Data Transaksi Penjualan yang sudah di cleaning

NOTRAN

S URUTAN KODE_BARANG NAMA_BARANG UANSAT HRG_JUAL QTY TGL_TRANS DISKON RETURJML_ TS012013

00001 2

0BGTT001-077 Gula KBA Kg 8600 1 01/01/2013 0 0

TS012013

00001 3 0BGTT001-077 Gula KBA Kg 8600 1 01/01/2013 0 0 TS012013

00003 1 0RBK005-083 Roti Tawar BH 7000 1 01/01/2013 0 0 TS012013

00003 3 0JCE010-030 Susu Cair Indomilk Stroberi 195ml Pcs 2237.55 1 01/01/2013 0 0

Tabel 3.3 Contoh : Data Transaksi Penjualan yang sudah di Integration

NOTRANS KODE_BARANG NAMA_BARANG

TS01201300001 0JCE010-030 Susu Cair Indomilk Stroberi 195ml TS01201300001 0BGTT001-077 Gula KBA

TS01201300001 0MMB024-030 Indomie Goreng Kriuk Bawang TS01201300002 0MMB024-030 Indomie Goreng Kriuk Bawang TS01201300002 0JCE010-030 Susu Cair Indomilk Stroberi 195ml TS01201300003 0RBK005-083 Roti Tawar

TS01201300003 0JCE010-030 Susu Cair Indomilk Stroberi 195ml

Tabel 3.4 Contoh : Data Transformation

ATRIBUT KETERANGAN

NOTRANS Nomor transaksi yang dimiliki setiap transaksi pembelian konsumen.

KODE_BARANG Kode barang yang dimiliki barang yang ada di supermarket batu plaza.

NAMA_BARANG Merupakan nama barang yang ada di supermarket batu plaza.

3. Data tersebut dilakukan proses data mining yaitu pencarian pola

(6)

4. Setelah proses selesai maka didapatkan hasil berupa aturan asosiasi yang memenuhi kriteria minimal support dan minimal confidence yang

diinputkan.

PT. Batu Mutiara Indah data yang diberikan sudah di export dalam

bentuk exel. Sedangkan dalam penelitian ini digunakan database MySQL. Untuk itu sebelum proses pembentukan dataset, dilakukan konversi data dari exel ke database MySQL. Tidak semua data harus dikonversi, tetapi

hanya tabel yang berhubungan langsung dengan transaksi yaitu tabel penjualan dan detil penjualan.

Pada mulanya data transaksi asli terdiri dari berbagai macam kolom, misalnya kolom nomer transaksi, kode barang, nama barang, harga,

jumlah item, dan sebagainya. Padahal dalam penelitian ini seluruh data pada kolom tersebut tidak dibutuhkan semua. Untuk itu dilakukan

penghapusan pada data yang dianggap tidak perlu akan proses data mining bisa berjalan lebih cepat. Langkah ini ditempuh dalam pembentukan dataset yang dibutuhkan aplikasi data mining.

Dataset adalah objek yang merepresentasikan sekumpulan data dan relasinya. Strukturnya mirip dengan data di database. Tabel 3.1 adalah

dataset yang akan digunakan dalam proses data mining. Dataset terdiri dari 2 data tabel, Tabel penjualan dan item_penjualan. Kedua data tabel

saling berhubungan melalui data relation penjualan-item_penjualan. Tabel 3.1 dibawah ini menjelaskan struktur dataset.

Tabel 3.5. Struktur Dataset

Atribut Type Data

NOTRANS Varchar

KODE_BARANG Date

(7)

Dua tabel yang membentuk dataset dihubungkan oleh ID yaitu kolom

Notrans. Dimana setiap record (item data) Notrans pada Tabel penjualan minimal mempunyai satu record Notrans pada Tabel Item_Penjualan. Gabungan data dari kedua tabel ini nanti yang akan dilakukan pencarian

pola penjualan barang.

3.4 Tahap-Tahap Iterasi dalam Algoritma Apriori

1. Iterasi Pertama

a. Hitung nilai minimun support dan setiap item. b. Scan database.

c. Maka didapat pola frekuensi tinggi 1-itemset. d. PiIih pola frekuensi tinggi 1-itemset.

2. Iterasi Kedua

a. Buat kandidat 2-itemset dan kombinasi 1-itemset yang telah

didapat pada iterasi sebelumnya.

b. Hitung nilai minimum support 2-itemset.

c. Nilai minimum support yang memenuhi syarat minimum support.

d. Tentukan pola frekuensi tinggi 2-itemset. 3. Iterasi ke-k

a. Pembentukan k-itemset (dibentuk dengan kombinasi (k-i)

item set)

b. Hitung minimum support dan kandidat (k-1)-itemset. c. Tetapkan pola frekuensi tinggi.

d. Bila tidak didapat pola frekuensi tinggi, maka proses dihentikan, bila masih ditemukan pola frekuensi tinggi maka

k ditambah satu dan kembali kebagian 1.

(8)

Dari iterasi-iterasi sebelumnya maka dapat di gambarkan bagan sebagai berikut :

Gambar 3.2 Flowchart Sistem Apriori

Penjelasan dari flowchart diatas adalah sebagai berikut :

1. Pengguna sistem menginputkan nilai minimum support dan minimum

confidence dari keyboard.

2. Data transaksi di scan dan dilakukan pembentukan kandidat item

untuk di cari nilai support yang memunuhi kriteria di atas minimum support yang telah diinputkan sebelumnya. Proses ini dilakukan

Mulai

Scan Database

Selesai Hasil sudah

terbentuk itemset

T

Y Min Supp

Min Conf

(9)

secara terus-menerus dan berulang-ulang sampai data terscan semua.

3. Seluruh kandidat item yang terbentuk dari langkah 2 akan dilakukan pembentukan Strong Rules atau aturan asosiasi yang memenuhi

kriteria di atas nilai minimum confidence. Proses ini dilakukan secara berulang-ulang sehingga seluruh kandidat item habis.

3.6 Analisa Perangkat Lunak

3.6.1 Deskripsi Umum Perangkat Lunak

Perangkat Lunak yang dikembangkan dalam Aplikasi Data Mining ini berbasis dekstop, dengan database lokal.

Pengguna dalam aplikasi adalah pihak penentu kebijakan dalam

analisis keranjang pasar sehingga dapat diambil langkah-Iangkah strategis guna meningkatkan tingkat penjualan pada supermarket. Untuk

menjaga kerahasiaan data, maka pengguna dibatasi hanya kepada pihak yang berwenang menggunakan data detail transaksi dari data transaksi tahunan.

Sebagai suatu rangkaian proses, data mining dibagi dalam beberapa tahap seperti yang sudah diterangkan pada sub bab 3.2. Begitu juga

dalam membangun perangkat lunak diperlukan tahapan-tahapan dan analisis, perancangan sampai aplikasi.Sehingga dalam membangun Aplikasi Data Mining, tahapan data mining sejalan dengan tahapan dalam

(10)

3.6.2 Spesifikasi Kebutuhan Fungsional

Spesifikasi kebutuhan fungsional pada aplikasi data mining ini

merujuk pada kebutuhan akan perancangan data mining, seperti yang tertera berikut ini :

1. Dapat menggabungkan data yang akan diproses mining dan data

transaksi dari data barang.

2. Dapat menghapus data-data yang tidak relevan serta atribut yang

tidak dipakai.

3. Dapat merubah data menjadi data yang siap diproses. 4. Dapat memproses data untuk di mining meliputi;

a. Hubungan tingkat penjuaan dengan data barang masuk. b. Hubungan tingkat penjuaan dengan data suplier.

5. Dapat menampilkan hasil proses mining dengan nilai support dan

confidence.

3.7 Studi Kasus

Studi kasus disini menggambarkan cara perhitungan dalam mencari pola dan hubungan keterkaitan antar barang, dengan mengolah data-data penjualan yang didapat dari data transaksi penjualan di Supermarket Batu

Plaza sebagai acuan perhitungan.

(11)

Contoh proses mining untuk mengetahui hubungan tingkat penjualan pada supermarket. Misal data seperti pada tabel 3.2

Tabel 3.6 Transaksi Penjualan

No NOTRANS PENJUALAN

1 TS01201300001 Susu Cair Indomilk Stroberi 195ml Cair Indomilk Stroberi 195ml,Gula KBA, Telor 1/2kg, Indomie Goreng Kriuk Bawang 2 TS01201300002 Indomie Goreng Kriuk Bawang, Gula KBA,

Susu Cair Indomilk Stroberi 195ml 3 TS01201300003 Roti Tawar, Susu Cair Indomilk Stroberi

195ml, Gula KBA, Meisis Ceres Milk 90gr 4 TS01201300004 Selai Harry Strawberry, Roti Tawar, Kopi

41Susu Jahe, Gula KBA, Blue Band 200gr 5 TS01201300005 Susu Cair Indomilk Stroberi 195ml, Gula

KBA, Kopi 41Susu Jahe, Indomie Goreng Kriuk Bawang

6 TS01201300006 Rinso Anti Noda 450gr , Cheese Snack , Gula KBA, Susu Cair Indomilk Stroberi 195ml, Roti Tawar

7 TS01201300007 Indomie Goreng Kriuk Bawang, Blue Band 200gr, Cheese Snack

Tabel 3.6 Transaksi Penjualan (Lanjutan)

8 TS01201300008 Indomie Goreng Kriuk Bawang, Kopi 41Susu Jahe, Roti Tawar, Gula KBA

9 TS01201300009 Susu Cair Indomilk Stroberi 195ml, Gula KBA, Roti Tawar, Kopi 41Susu Jahe 10 TS01201300010 Roti Tawar, Selai Harry Strawberry, Blue

Band 200gr, Susu Cair Indomilk Stroberi 195ml

11 TS01201300011 Susu Cair Indomilk Stroberi 195ml, Meisis Ceres Milk 90gr, Gula KBA, Roti Tawar 12 TS01201300012 Rinso Anti Noda 450gr , Kopi 41Susu Jahe,

Cheese Snack

13 TS01201300013 Indomie Goreng Kriuk Bawang, Telor 1/2kg, Cheese Snack , Surya 12

14 TS01201300014 Gula KBA, Susu Cair Indomilk Stroberi 195ml, Kopi 41Susu Jahe, Indomie Goreng Kriuk Bawang

15 TS01201300015 Kopi 41Susu Jahe, Gula KBA, Indomie Goreng Kriuk Bawang

(12)

Milk 90gr

17 TS01201300017 Selai Harry Strawberry, Roti Tawar, Indomie Goreng Kriuk Bawang, Susu Cair Indomilk Stroberi 195ml, Gula KBA

18 TS01201300018 Indomie Goreng Kriuk Bawang, Kopi 41Susu Jahe, Cheese Snack

19 TS01201300019 Cheese Snack , Rinso Anti Noda 450gr , Surya 12

Tabel 3.6 Transaksi Penjualan (Lanjutan)

20 TS01201300020 Susu Cair Indomilk Stroberi 195ml, Gula KBA, Blue Band 200gr, Meisis Ceres Milk 90gr, Selai Harry Strawberry, Roti Tawar 21 TS01201300021 Indomie Goreng Kriuk Bawang, Telor 1/2kg,

Kopi 41Susu Jahe, Gula KBA

22 TS01201300022 Indomie Goreng Kriuk Bawang, Blue Band 200gr, Roti Tawar

23 TS01201300023 Gula KBA, Susu Cair Indomilk Stroberi 195ml, Indomie Goreng Kriuk Bawang, Telor 1/2kg

24 TS01201300024 Gula KBA, Kopi 41Susu Jahe, Susu Cair Indomilk Stroberi 195ml, Cheese Snack 25 TS01201300025 Susu Cair Indomilk Stroberi 195ml, Roti Tawar, Selai Harry Strawberry, Gula KBA 26 TS01201300026 Indomie Goreng Kriuk Bawang, Telor 1/2kg,

Roti Tawar, Gula KBA, Susu Cair Indomilk Stroberi 195ml

27 TS01201300027 Rinso Anti Noda 450gr , Kopi 41Susu Jahe, Surya 12, Susu Cair Indomilk Stroberi 195ml, Gula KBA

28 TS01201300028 Indomie Goreng Kriuk Bawang, Telor 1/2kg, Cheese Snack , Surya 12

(13)

3.7.2 Menentukan Minimal Support dan Minimal Confidence

Pada studi kasus kali ini ditetapkan batas nilai minimal support

sebesar 5% dan nilai minimum confidence sebesar 14%. Dan untuk mempermudah proses selanjutnya data di filter dengan minimal support

5%, kemudian dari banyaknya jumlah nilai confidence dibawah 14%,

maka untuk membatasi dengan menentukan minimal nilai confidence

14%.

3.7.3 Membuat Tabel Tabular

Tahapan berikutnya adalah membuat tabel tabular untuk melakukan perhitungan jumlah pembelian di masing-masing transaksi.

Tabel 3.7 Contoh Tabel Tabular

Trans Nama Barang _Support Jumla

h

1

Susu Cair Indomilk Stroberi 195ml

18

30 x100=60 18

2 Gula KBA ₃₀21x100=70 21

3 Roti Tawar 15

30 x100=50 15

4 Meisis Ceres _{Milk 90gr} 5

30 x100=17 5

5 Blue Band 200gr

6

30 x100=20 6

6 Selai Harry _Strawberry ₃₀6 x100=20 6 7 Kopi 41Susu _Jahe 13₃₀ x100=43 13

Tabel 3.7 Contoh Tabel Tabular (Lanjutan)

Trans Nama Barang _Support Jumla

(14)

11 Surya 12 3

30 x100=10 3

12 Telor 1/2kg ₃₀6 x100=20 6

8

Indomie Goreng Kriuk Bawang

16

30 x100=53 16

9 Cheese Snack ₃₀8 x100=27 8

10 Rinso Anti _{Noda 450gr} 5

30 x100=17 5

Untuk menentukan support pada L1 dengan menggunakan rumus:

Support (A) = ∑Transaksi A

∑Transaksi x 100%

Contoh: menentukan nilai support pada Nama Barang Susu Cair

Indomilk Stroberi 195ml

Support (A) = ∑Transaksi A

∑Transaksi x 100% =

18

30x100=60 3.7.4 Mencari Kandidat Itemset L2

Langkah berikutnya adalah membuat kombinasi 2 itemsets pada

setiap data barang dan frekuensi masing-masing kombinasi dihitung sesuai dengan data tabular pada tabel. Hasil dari kombinasi 2 itemsets,

ditentukan data yang memenuhi syarat minimal support 5% dengan menggunakan rumus :

Support (A |B) = ∑Transaksi A dan B

∑Transaksi x 100%

Tabel 3.8 Contoh Data Trankasi 2 Itemset

A B ∑ --> A,B Supp L2

(15)

Telor 1/2kg 2 7% Indomie Goreng Kriuk

Bawang

6 20%

Meisis Ceres Milk 90gr 3 10%

Kopi 41Susu Jahe 5 17%

Roti Tawar 6 20%

Blue Band 200gr 1 3%

Selai Harry Strawberry 2 7%

Cheese Snack 1 3%

Gula KBA Telor 1/2kg 2 7%

Indomie Goreng Kriuk

Bawang 7 23%

7 23%

Meisis Ceres Milk 90gr 2 7%

Blue Band 200gr 2 7%

Roti Tawar 5 17%

Selai Harry Strawberry 1 3%

Cheese Snack 1 3%

Contoh: menentukan nilai support pada kode barang Susu Cair Indomilk Stroberi 195ml dan Gula KBA, seperti yang ada pada transaksi di bawah ini:

¿10

30 x100=33

3.7.5 Mencari Kandidat Itemset L3

Langkah berikutnya adalah membuat kombinasi 3 itemsets pada

setiap data barang dan frekuensi masing-masing kombinasi dihitung sesuai dengan data tabular pada tabel. Hasil dari kombinasi 3 itemsets,

ditentukan data yang memenuhi syarat minimal support 5% dengan menggunakan rumus :

Support (A |B)= ∑Transaksi A dan B

(16)

Tabel 3.9 Contoh Data Trankasi 3 Itemset

A B C ∑ A,B,C Support

Gula KBA Indomie Goreng Kriuk Bawang

2 7%

Meisis Ceres Milk 90gr

2 7%

Roti Tawar 2 7%

Kopi 41Susu Jahe Indomie Goreng Kriuk Bawang

2 7%

Gula KBA Susu Cair Indomilk Stroberi 195ml

Roti Tawar 2 7%

Kopi 41Susu Jahe 2 7% Indomie Goreng

Kriuk Bawang

3 10%

Telor 1/2kg Cheese Snack Surya 12 2 7%

Tabel 3.9 Contoh Data Trankasi 3 Itemset (Lanjutan)

A B C ∑ A,B,C Support

Indomie Goreng Kriuk Bawang

Telor 1/2kg Cheese Snack 2 7%

Surya 12 2 7%

Gula KBA 2 7%

Roti Tawar Selai Harry

Strawberry Susu Cair IndomilkStroberi 195ml 2 7%

Gula KBA 2 7%

Kopi 41Susu Jahe

2 7%

3.7.6 Mencari Nilai Confidence Pada L2 dan L3

Untuk menentukan nilai confidence L2 didapat dari rumus :

Confidence P(A|B) = ∑ Transaksi mengandung A dan B

∑ Transaksi A x 100%

Data nilai confidence L2 yang telah diseleksi berdasarkan nilai minimal support secara keseluruhan bisa dilihat pada tabel dibawah ini :

(17)

A B ∑ -->

Tabel 3.10 Tabel Data Confidence L2 (Lanjutan)

A B ∑ -->

A,B --> A Supp L2 Conf L2 Meisis Ceres Milk

90gr

3 18 10% 17%

Kopi 41Susu Jahe 5 18 17% 28%

Roti Tawar 6 18 20% 33%

Selai Harry

Strawberry 2 18 7% 11%

Gula KBA Telor 1/2kg 2 21 7% 10%

2 21 7% 10%

Blue Band 200gr 2 21 7% 10%

Roti Tawar 5 21 17% 24%

Roti Tawar Susu Cair Indomilk Stroberi 195ml

5 15 17% 33%

Gula KBA 7 15 23% 47%

Meisis Ceres Milk

90gr 2 15 7% 13%

Blue Band 200gr 2 15 7% 13%

Selai Harry Strawberry

3 15 10% 20%

(18)

A B ∑ --> A,B --> A Supp L2 Conf L2

2 13 7% 15%

A B ∑ -->

Stroberi 195ml 3 16 10% 19%

Blue Band 200gr 2 16 7% 13%

Cheese Snack 4 16 13% 25%

(19)

Telor 1/2kg 5 16 17% 31%

Surya 12 2 16 7% 13%

Cheese Snack Surya 12 3 8 10% 38%

Rinso Anti

Untuk menentukan nilai confidence L3 didapat dari rumus :

Confidence P(A|B) = ∑ Transaksi mengandung A,B dan C

∑ Transaksi A x 100%

Data nilai confidence L3 yang telah diseleksi berdasarkan nilai

minimal support secara keseluruhan bisa dilihat pada tabel dibawah ini :

Tabel 3.11 Tabel Data Confidence L3

A B C ∑

Gula KBA Indomie Goreng

Gula KBA Susu Cair Indomilk Stroberi 195ml

(20)

Kopi

A B C ∑ Telor 1/2kg Cheese

Snack Surya 12 2 6 7% 33%

Roti Tawar Selai Harry

2 13 7% 15%

3.7.7 Menentukan Aturan Asosiasi

Berdasarkan perhitungan di atas akan terbentuk assosiasi dengan minimal support 5% dan minimal confidence 14%. Assosiasi yang

(21)

Large 1:

Table 3.12 Aturan Asosiasi L1 Memenuhi Syarat

Trans Nama Barang Support

1 Susu Cair Indomilk

4 Meisis Ceres _{Milk 90gr} 5

30 x100=17

9 Cheese Snack 8

30 x100=27

10 Rinso Anti _{Noda 450gr} ₃₀5 x100=17

11 Surya 12 3

30 x100=10

12 Telor 1/2kg 6

30 x100=20

Large 2:

(22)

Goreng Kriuk

Gula KBA Indomie Goreng Kriuk

Roti Tawar Susu Cair Indomilk Stroberi 195ml

5 15 17% 33%

Gula KBA 7 15 23% 47%

Table 3.13 Aturan Asosiasi L2 Memenuhi Syarat (Lanjutan)

(23)

Blue Band

A B ∑ --> A,B --> A Supp

(24)

Telor 1/2kg 5 16 17% 31%

Cheese Snack Surya 12 3 8 10% 38%

Rinso Anti

Telor 1/2kg Cheese

Snack 2 6 7% 33%

Surya 12 2 6 7% 33%

Gula KBA 2 6 7% 33%

Large 3:

A B C ∑ Gula KBA Susu Cair

Indomilk

Telor 1/2kg Cheese Snack Surya 12 2 6 7% 33%

Kopi 41Susu Jahe

2 13 7% 15%

Dari hasil proses penghitungan mulai dari L1 sampai L3 dengan nilai minimal support 5% dan minimal confidence 14% telah dihasilkan aturan asosiasi dengan 3 kombinasi barang yang dijual bersamaan dalam

seluruh transaksi yaitu (Telur, Snack, Rokok dengan Support 7% dan

Confidence 33%), (Kopi, Gula, Indomie dengan Support 7% dan

(25)

3.8. Perancangan Desain Sistem

Pada perancangan sistem ini point-point yang akan dibahas adalah

skenario sistem, Use case diagram dan activity diagram. Untuk lebih detailnya akan dijabarkan sebagai berikut :

1. Skenario Sistem

Dalam sub bab ini akan dijelaskan tentang narasi sistem yang akan dirancang, adapun narasi sistem adalah sebagai berikut :

a. Skenario Proses Mining

Pada menu utama ini analis dapat melakukan proses mining

dengan cara menentukan inputan data apa yang akan diproses

mining kemudian sistem melakukan scan pada database. Data

yang di scan beruba tabel master barang dan tabel transaksi tahunan, untuk mendapatkan itemset yang akan dijadikan variabel

dalam proses mining, beruba nama barang yang telah dibeli oleh customer. Setelah didapat itemset maka sistem akan melakukan

scan database untuk yang kedua kalinya untuk mendapatkan itemset gabungan (2-itemset) yang nantinya akan dihitung nilai support dan confidence. Kemudian sistem akan melakukan scan

database kembali untuk mendapatkan itemset gabungan

(k-itemset) jika sudah tidak ditemukan lagi k-itemset maka proses

akan dihentikan dan jika masih ditemukan k-itemset maka sistem akan melakukan scan database lagi mulai awal. Setelah proses semua selesai dari mencari itemset maka sistem akan

(26)

seberapa erat tingkat kecenderungan customer membeli barang secara bersamaan.

2. Use Case Proses Mining

Kombinasi Itemset Masukkan Min Supp

Masukkan Min Conf Pengguna

Scan Database <<include>>

Gabung Data

Hitung Nilai Supp

Hitung Nilai Conf

Sistem

Gambar 3.3Use Case Proses Mining

(27)

Simpan dalam tabel L3 Masukkan Nilai

minsupp & min conf

Klik Tombol Proses Scan Tabel

Transaksi

Buat Itemset

Simpan Itemset

Jika

Ambil Itemset

Hitung Nilai Supp 1-Itemset

Gambar 3.4 Activity Diagram Proses Mining

3.8.1 Rancangan Database

Berikut ini adalah perancangan database pada aplikasi data mining.

1. Tabel Item

Tabel 3.15 Item

No Field Type Size Keterangan

1 Kode Varchar 30 Kode barang

2 Nama Varchar 200 Nama barang

3 Jumlah Integer - Jumlah item sering 2. Tabel Itemset

Tabel 3.16 Itemset

1 Large Varchar 2

2 Itemset Varchar 100

3 Itemset2 Varchar 300

(28)

5 Nama Varchar 300

6 JumlahA Integer

-7 Jumlahmengandun

g

Integer

-8 Totaltrans Integer

-3. Tabel Kandidat_L1

Tabel 3.17 Kandidat_L1

1 Itemset Varchar 15 Kode barang

2 Nama Varchar 50 Pola 1-Itemset

3 Jumlahtransaksi Integer - Jumlah itemset sering muncul

4 Total Integer - Total Transaksi

5 Support Double - Hasil perhitungan

nilai support

4. Tabel Kandidat_L2

2 Itemset2 Varchar 15 Kode barang

3 Nama Varchar 200 Pola 2-itemset

4 Jumlahtransaksi Integer - Jumlah itemset sering

5 TransaksimengandungA

Integer - Jumlah itemset

sering yang mengandung

item A

6 Total Integer - Total transaksi

7 Support Double - Hasil

(29)

support

8 Confidence

Double - Hasil

perhitungan nilai

confidence

5. Tabel Kandidat_L3

4 Nama Varchar 45 Pola 3-itemset

5 Jumlahtransaksi

Integer - Jumlah itemset

sering

6 TransaksimengandungA

Integer - Jumlah itemset sering yang

mengandung item A

7 Total Integer - Total transaksi

8 Support

Double - Hasil

perhitungan nilai

support

9 Confidence

Double - Hasil

perhitungan nilai confidence

(30)

Tabel 3.20 Trans_jual_detail

1 Notrans Varchar 30 Nomor transaksi 2 Kode_barang Varchar 30 Kode barang 3 Nama_baran

g

Varchar 200 Nama barang

3.8.2 Perancangan Antarmuka

Dalam aplikasi Data Mining ini terdapat beberapa form diantaranya sebagai berikut :

1. Form Proses Mining

Form ini berfungsi untuk pengambilan data pemilihan atribut data

transaksi, input nilai ambang, perintah proses mining dan tombol keluar aplikasi dan merupakan halaman report data mining yang berisi

hasil proses data mining yaitu tabel nilai support dan confidence. Adapun desain formnya adalah sebagai berikut :

Gambar 3.5 Desain Form Proses Mining

Nilai Min Supp Nilai Min Conf

Proses

Report Hasil Proses Mining Cancel

Waktu

0

Large 1 Large 2 Large 3 Show

Kesimpulan

Counter