Penerapan Data Mining untuk Pola Pencarian Asosiasi Barang
dalam Meningkatkan Penjualan Produk Menggunakan Algoritma
Apriori
(Studi Kasus : Toko Kosmetik “ALWENA”)
ABSTRAK
Application of Data Mining for Pattern Search Goods Association
in Increasing Product Sales Using Apriori Algorithm
(Case Study : Cosmetics Store " ALWENA " )
ABSTRACT
i
Penerapan Data Mining untuk Pola Pencarian Asosiasi Barang
dalam Meningkatkan Penjualan Produk Menggunakan Algoritma
Apriori
(Studi Kasus : Toko Kosmetik “ALWENA”)
SKRIPSI
Diajukan Untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Disusun Oleh :
Pristian Putik Alwena
115314086
PROGRAM STUDI TEKNIK INFORMATIKA
JURUSAN TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
ii
Application of Data Mining for Pattern Search Goods Association
in Increasing Product Sales Using Apriori Algorithm
(Case Study : Cosmetics Store " ALWENA " )
A Final Project
Presented as Partial Fulfillment of The Requirements
To Obtain Sarjana Komputer Degree
In Informatics Engineering Study Program
By:
Pristian Putik Alwena
115314086
INFORMATICS ENGINEERING STUDY PROGRAM
DEPARTMENT OF INFORMATICS ENGINEERING
FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
v
HALAMAN PERSEMBAHAN
Tugas akhir ini saya persembahkan untuk:
Allah SWT
Orang tua tercinta atas doa, semangat, dan dukungan yang selalu diberikan
Dimas Dewa Wicaksono tersayang yang selalu setia menemani dan mendukung
dalam penyelesaian TA
Romo Poldo yang telah membantu dalam penyelesaian TA
Audris Evan Utomo yang telah menluangkan waktu untuk konsultasi mengenai
penelitian ini
viii
Penerapan Data Mining untuk Pola Pencarian Asosiasi Barang
dalam Meningkatkan Penjualan Produk Menggunakan Algoritma
Apriori
(Studi Kasus : Toko Kosmetik “ALWENA”)
ABSTRAK
Banyaknya persaingan dibidang penjualan produk kosmetik dan meningkatnya
kemajuan dibidang teknologi informasi menjadi sangat berpengaruh bagi
kemajuan sebuah toko kosmetik. Banyaknya transaksi penjualan setiap hari, data
penjualan semakin lama menumpuk dan hanya dijadikan arsip penjualan toko.
Data yang menumpuk tersebut sebenarnya dapat diolah agar menghasilkan suatu
informasi yang dapat digunakan untuk meningkatkan penjualan produk. Pada
tugas akhir ini akan dibuat sebuah sistem untuk mengimplementasikan algoritma
apriori dengan teknik association rule mining untuk menganalisa data transaksi
ix
Application of Data Mining for Pattern Search Goods Association
in Increasing Product Sales Using Apriori Algorithm
(Case Study : Cosmetics Store " ALWENA " )
ABSTRACT
x
KATA PENGANTAR
Puji dan syukur penulis panjatkan atas kehadirat Tuhan Yang Maha Esa atas
berkat, rahmat serta kasih-Nya sehingga penulis dapat menyelesaikan skripsi yang
berjudul
“
Penerapan Data Mining untuk Pola Pencarian Asosiasi Barang
dalam Meningkatkan Penjualan Produk Menggunakan Algoritma Apriori
(Studi Kasus : Toko Kosmetik “ALWENA”)”
.
Penulisan skripsi ini bertujuan untuk memenuhi syarat untuk memperoleh
gelar sarjana komputer program studi S1 jurusan Teknik Informatika Universitas
Sanata Dharma. Penulis menyadarai bahwa skripsi ini masih jauh dari kata
sempurna, oleh sebab itu penulis mengharapkan kritik dan saran yang bersifat
membangun dari semua pihak demi kesempurnaan skripsi ini.
Skripsi ini tidak lepas dari peran penting berbagai pihak, sehingga pada
kesempatan ini penulis dengan segala kerendahan hati serta rasa hormat
mengucapkan terimakasih yang sebesar-besarnya kepada semua pihakyang telah
memberikan dukungan baik secara langsung maupun tidak langsung kepada
penulis dalam penyusunan skripsi ini hingga selesai. Pada proses penulisan tugas
akhir ini saya ucapkan terima kasih kepada:
1.
Allah SWT selaku pembimbing iman dalam hidup yang selalu
memberi solusi diatas segala solusi.
2.
Ibu Sri Hartati Wijono, S.Si., M.Kom. selaku pembimbing yang
memberikan pengarahan serta solusi dalam pengerjaan skripsi ini
xi
3.
Kedua Orangtua, Bapak Adi Sunaryo dan Ibu Welli Istiana yang selalu
rela berkorban, mendoakan, menyayangi dan memberikan motivasi
kepada penulis.
4.
Dimas Dewa Wicaksono yang selalu setia menemani, mendukung dan
membantu dikala susah dan senang saat pengerjaan skripsi ini.
5.
Romo Poldo Andreas Situmorang dan Audris Evan Utomo yang
senantiasa tulus meluangkan waktunya untuk konsultasi mengenai
penelitian ini.
6.
Seluruh civitas akademika Teknik Informatika angkatan 2011,
terutama anggota C++ yang telah berjuang bersama dan saling
memberi semangat dan inspirasi.
7.
Semua pihak, baik langsung maupun tidak langsung yang telah
membantu dalam proses penyelesaian skripsi.
Penulis menyadari masih banyak kekurangan dalam penyusunan skripsi
ini, namun penulis tetap berharap skripsi ini bermanfaat bagi pengembangan ilmu
pengetahuan.
Yogyakarta, 29 Februari 2016
Penulis
xii
DAFTAR ISI
HALAMAN JUDUL ... i
HALAMAN JUDUL ... ii
HALAMAN PERSETUJUAN SKRIPSI ... iii
HALAMAN PENGESAHAN SKRIPSI...iv
HALAMAN PERSEMBAHAN...v
PERNYATAAN KEASLIAN KARYA ... vi
LEMBAR PERNYATAAN PERSETUJUAN ... vii
ABSTRAK...viii
ABSTRACT ... ix
KATA PENGANTAR ... x
DAFTAR ISI ... xii
BAB I ... 1
PENDAHULUAN ... 1
I.1 Latar Belakang ... 1
I.2 Rumusan Masalah ... 3
I.3 Tujuan ... 3
I.4 Manfaat Penelitian ... 3
I.5 Batasan Masalah ... 4
I.6 Metodologi Penelitian ... 4
I.7 Sistematika Penulisan ... 5
BAB II ... 7
LANDASAN TEORI ... 7
II.1 Data Mining ... 7
xiii
BAB III ... 12
PERANCANGAN SISTEM ... 12
III.1 Analisis Sistem ... 12
III.2 Gambaran Umum Sistem ... 12
III.3 Diagram Use Case ... 13
Gambar III.1 Diagram Use Case ... 13
Tabel III.1 Deskripsi Use Case ... 13
III.4 Blok Diagram ... 14
Gambar III.2 Diagram Blok ... 14
III.5 Penerapan Algoritma Apriori ... 15
III.5.1 Preproses ... 15
Tabel III.2 Data Transaksi Barang Kosmetik Bulan Juni ... 15
III.5.2 Menghitung Kandidat 1 itemset ... 17
Tabel III.3 Kandidat 1 itemset ... 17
III.5.3 Menghitung nilai minimum support dan menghitung Kandidat 2 itemset ... 18
Tabel III.4 Kandidat 2 itemset ... 19
Tabel III.5 Kandidat 3 itemset ... 25
Tabel III.6 Hasil Asosiasi... 28
Tabel III.7 Rule ... 29
III.6 Desain Interface ... 30
Gambar III.3 Input Data Transaksi ... 30
Gambar III.4 Hasil Proses Asosiasi ... 31
III.7 Analisis Pengujian ... 31
BAB IV ... 32
IMPLEMENTASI SISTEM ... 32
IV.1 Implementasi Antar Muka (User Interface) ... 32
xiv
Gambar IV.1 Halaman utama ... 33
IV.1.2 Halaman Input Data ... 33
Gambar IV.2 Halaman Input Data ... 34
Gambar IV.3 Halaman Pilih File Anda ... 34
Gambar IV.4 Input Data Transaksi ... 35
Gambar IV.5 Tabel Representasi Biner ... 36
Gambar IV.6 Tabel Hasil Akhir Pola Asosiasi ... 36
Gambar IV.7 File Data Pembelian.txt ... 37
Gambar IV.8 Halaman Pola Asosiasi Barang Toko Kosmetik “ALWENA” ... 37
IV.2 Program Pola Asosiasi Barang Toko Kosmetik“ALWENA” ... 38
BAB V ... 42
ANALISIS HASIL DAN PEMBAHASAN ... 42
V.1 Hasil Percobaan ... 42
BAB VI ... 55
KESIMPULAN DAN SARAN ... 57
VI.1 Kesimpulan ... 57
VI.2 Saran ... 57
DAFTAR PUSTAKA ... 59
LAMPIRAN I ... 60
LAMPIRAN II ... 69
LAMPIRAN III ... 79
LAMPIRAN IV ... 88
LAMPIRAN V ... 89
LAMPIRAN VI ... 89
1
BAB I
PENDAHULUAN
I.1
Latar Belakang
Banyaknya persaingan dalam dunia bisnis khususnya dibidang penjualan
produk kosmetik dan meningkatnya kemajuan dibidang teknologi informasi
menjadi sangat berpengaruh bagi kemajuan sebuah toko sehingga menuntut para
pelaku toko untuk terus meningkatkan penjualan produk toko tersebut.
Dengan adanya proses penjualan setiap hari, data penjualan semakin lama
semakin banyak dan hanya disimpan sebagai arsip atau laporan penjualan toko
saja. Hal ini terjadi
pada toko kosmetik ”ALWENA” yang saat ini pemanfaatan
datanya belum maksimal, sehingga data penjualan tersebut tidak dimanfaatkan
secara optimal serta belum ada sistem yang dapat membantu dan metode yang
dapat digunakan untuk meningkatkan penjualan produk.
Manager
toko
mengharapkan
adanya
teknologi
yang
mampu
menghasilkan suatu informasi untuk menentukan paket penjualan kosmetik untuk
meningkatkan penjualan produk kosmetik dalam memberikan diskon dalam
penjualan produk. Yang nantinya dengan adanya teknologi tersebut kemudian
dapat membantu toko dalam mengambil keputusan dalam menentukan paket
produk yang akan dijual untuk peningkatan hasil penjualan produk di toko
tersebut.
Salah satu cara untuk membantu toko kosmetik tersebut maka dilakukan
2
data mining berhubungan dengan analisa data dan penggunaan teknik-teknik
perangkat lunak untuk mencari pola dan keteraturan dalam himpunan data yang
sifatnya tersembunyi. Data mining adalah proses yang menggunakan teknik
statistik, matematika, kecerdasan buatan, dan machine learning untuk
mengekstrasi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan
yang terkait dari berbagai database besar[1]. Data mining dapat membantu toko
untuk menganalisa pola dari data-data penjualan yang tersimpan dalam basis data
toko dan mengolah isi dari data transaksi penjualan tersebut menjadi sebuah
pengetahuan yang baru (knowledge) mengenai pola asosiasi penjualan suatu
barang dengan barang lain. Hal ini merupakan pengetahuan yang bermanfaat bagi
pemilik toko dalam membantu penjualan produk di toko tersebut.
Salah satu penerapan data mining dalam analisa pemasaran adalah untuk
analisa keranjang belanja (Market Basket Analysis) pada suatu pasar. Pada tugas
akhir ini akan dilakukan penelitian keranjang belanja menggunakan teknik
Association Rules dimana sering disebut juga dengan Market Basket Analysis
karena kegunaannya dalam pembuatan model perilaku pembelian barang oleh
konsumen dan dalam menganalisis perilaku konsumen. Algoritma yang
digunakan yaitu algoritma Apriori yang diaplikasikan pada sebuah sistem
pencarian pola asosiasi barang. Hasil penelitian diharapkan dapat memberikan
3
I.2
Rumusan Masalah
Berdasarkan latar belakang diatas maka rumusan masalah yang dapat
diambil yaitu:
1.
Bagaimana menerapkan algoritma apriori untuk menemukan
keterkaitan atau pola asosiasi produk pada transaksi penjualan di
toko kosmetik “A
LWENA
”?
I.3
Tujuan
Tujuan dari penelitian ini yaitu:
1.
Mengolah data transaksi penjualan kosmetik menggunakan
algoritma Apriori.
2.
Mengetahui
pola
asosiasi
penjualan
produk
kosmetik
menggunakan algoritma Apriori.
I.4
Manfaat Penelitian
Dengan adanya tujuan dari penelitian diatas, maka diharapkan dapat
bermanfaat bagi semua pihak. Manfaat dari penelitian ini yaitu :
1.
Membantu toko mengetahui pola asosiasi produk pada transaksi
penjualan.
2.
Toko mampu menentukan paket produk yang akan dijual dalam
pemberian diskon.
3.
Sebagai solusi bagi Toko
Kosmetik “ALWENA”
membantu
menentukan paket produk yang akan dijual dalam pemberian
diskon.
4
I.5
Batasan Masalah
Adapun batasan masalahnya yaitu:
1.
Data yang diambil yaitu data penjualan produk kosmetik per
transaksi.
2.
Data yang akan dikumpulkan yaitu data transaksi penjualan
kosmetik di Toko Kosmetik Alwena selama 3 tahun yaitu tahun
2013, 2014, dan 2015 per transaksi per hari.
3.
Data akan dikelompokkan terlebih dahulu secara manual.
4.
Data yang akan diproses berbentuk spreadsheet dengan tipe (*.xls)
5.
Proses pencarian pola asosiasi dibatasi untuk kombinasi 2 barang
yaitu asosiasi A=>B dan kombinasi 3 barang yaitu asosiasi
AB=>C.
I.6
Metodologi Penelitian
Metode Penelitian yang akan dipakai dalam penelitian ini yaitu :
1.
Studi Pustaka : yaitu dengan mencari-cari referensi yang
mendukung dengan judul penelitian untuk memahami penerapan
data mining untuk keperluan bisnis.
2.
Studi lapangan : yaitu dengan datang langsung ke toko kosmetik
”A
LWENA
” untuk mendap
atkan data transaksi penjualan, sebagai
bahan data penelitian yang akan diolah. Data yang digunakan
adalah yaitu data Toko Kosmetik Alwena selama 3 tahun yaitu
tahun 2013, 2014, dan 2015 per transaksi per hari dari berbagai
5
3.
Proses Data Mining menggunakan algoritma apriori.
I.7
Sistematika Penulisan
Untuk memberikan gambaran dan kerangka yang jelas pada gambaran tiap
bab dalam penelitian ini. Maka diperlukan sistematika penulisan. Berikut ini
gambaran sistematika penulisan dalam masing-masing bab :
BAB I Pendahuluan
Bab ini berisi tentang latar belakang, rumusan masalah, tujuan penelitian,
manfaat penelitian, batasan masalah, dan sistematika penulisan laporan
dari penelitian yang dilakukan.
BAB II Landasan Teori
Bab ini menjelaskan tentang landasan teori yang berhubungan dengan
penelitian yang akan dilakukan untuk memecahkan masalah yang akan
diteliti.
BAB III Analisa dan Perancangan Sistem
Bab ini menjelaskan tentang tahap-tahap penyelesaiaan masalah
menggunakan algoritma apriori serta rancangan sistem yang akan dibuat.
BAB IV Implementasi Sistem
Bab ini berisi tentang implementasi sistem dari apa yang telah disusun
atau dirancang pada bab sebelumnya.
BAB V Analisa Hasil
Bab ini menjelaskan tentang analisa dan hasil dari implementasi sistem
6
BAB VI Kesimpulan dan Saran
Bab ini berisi tentang kesimpulan dari hasil akhir pola asosiasi dan sara
n7
BAB II
LANDASAN TEORI
Berdasarkan judul Tugas
Akhir “
Penerapan Data Mining untuk Pola
Pencarian Asosiasi Barang dalam Meningkatkan Penjualan Produk Toko
Kosmetik “A
LWENA
”
Menggunakan Algoritma Apriori
” maka dalam bab
landasan teori akan berisi :
II.1 Data Mining
Data Mining adalah suatu istilah yang digunakan untuk menguraikan
penemuan pengetahuan di dalam database. Data mining adalah proses yang
menggunakan teknik statistik, matematika, kecerdasan buatan dan machine
learning untuk mengekstraksi dan mengidentifikasi nformasi yang bermanfaat dan
pengetahuan yang terakit dari berbagai database besar[1].
II.2 Algoritma Apriori
Algoritma apriori termasuk jenis aturan asosiasi pada data mining. Aturan
yang menyatakan asosiasi antara beberapa atribut sering disebut affinity analysis
atau market basket analysis. Analisis asosiasi atau association rule mining adalah
teknik data mining untuk menemukan aturan suatu kombinasi item. Salah satu
tahap analisis asosiasi yang menarik perhatian banyak peneliti untuk
menghasilkan algoritma yang efisien adalah analisis pola frekuensi tinggi
(frequent pattern mining). Penting tidaknya suatu asosiasi dapat diketahui dengan
8
persentase kombinasi item tersebut dalam database, sedangkan confidence (nilai
kepastian) adalah kuatnya hubungan antar-item dalam aturan asosiasi[1].
Beberapa istilah yang digunakan dalam algoritma apriori antara lain:
a. Support (dukungan): probabilitas pelanggan membeli beberapa produk secara
bersamaan dari seluruh transaksi. Support
untuk aturan “X
⇒
Y” adalah
probabilitas atribut atau kumpulan atribut X dan Y yang terjadi bersamaan.
b. Confidence (tingkat kepercayaan): probabilitas kejadian beberapa produk dibeli
bersamaan dimana salah satu produk sudah pasti dibeli.
Contoh: jika ada n transaksi dimana X dibeli, dan ada m transaksi dimana X dan Y
dibeli bersamaan, maka confidence dari aturan if X then Y adalah m/n.
c. Minimum support: parameter yang digunakan sebagai batasan frekuensi
kejadian atau support count yang harus dipenuhi suatu kelompok data untuk dapat
dijadikan aturan. Dimana nilai minimum support count diperoleh dari[2]:
jumlah item barang dari seluruh transaksi x 100%
jumlah total transaksi
d. Minimum confidence: parameter yang mendefinisikan minimum level dari
confidence yang harus dipenuhi oleh aturan yang berkualitas.
e Itemset: kelompok produk
f. Kandidat itemset (Ck): itemset-itemset yang akan dihitung support count-nya.
g. Frequent itemset (Fk): itemset yang sering terjadi, atau itemset-itemset yang
9
II.2.1 Analisis Pola Frekuensi Tinggi dengan Algoritma Apriori
Tahap ini mencari kombinasi item yang memenuhi syarat minimum dari
nilai support dalam basis data. Nilai support sebuah item diperoleh dengan
menggunakan rumus berikut[3]:
Sementara, nilai support dari 2 item diperoleh dengan menggunakan rumus :
Frequent itemset menunjukkan itemset yang memiliki frekuensi kemunculan
lebih dari nilai minimum yang ditentukan ( ). Misalkan ( ) = 2, maka semua
itemsets yang frekuensi kemunculannya lebih dari atau sama dengan 2 kali disebut
frequent. Himpunan dari frequent k-itemset dilambangkan dengan Fk.
II.2.2. Pembentukan Aturan Asosiasi
Setelah semua pola frekuensi tinggi ditemukan, barulah dicari aturan
asosiasi yang memenuhi syarat minimum untuk confidence dengan menghitung
confidence aturan asosiatif A_ B.
Nilai confidence dari aturan A_ B diperoleh dengan rumus berikut:
Untuk menentukan aturan asosiasi yang akan dipilih maka harus diurutkan
berdasarkan Support× Confidence. Aturan diambil sebanyak n aturan yang
10
Proses utama yang dilakukan dalam algoritma Apriori untuk mendapat
frequent itemset yaitu[4]:
1.
Join (penggabungan)
Proses ini dilakukan dengan cara pengkombinasian item dengan item yang
lainnya hingga tidak dapat terbentuk kombinasi lagi.
2.
Prune (pemangkasan)
Proses pemangkasan yaitu hasil dari item yang telah dikombinasikan
kemudian dipangkas dengan menggunakan minimum support yang telah
ditentukan oleh user.
Tahapan Perhitungan algoritma Apriori :
1.
Tahapan pertama dalam perhitungan algoritma Apriori untuk menemukan
association rules yaitu menuliskan data transaksi yang terjadi dalam periode
tertentu.
2.
Tahapan berikutnya adalah membuat tabel 1 itemset untuk melakukan
perhitungan jumlah transaksi pada masing-masing barang.
3.
Langkah berikutnya adalah membuat kombinasi 2 itemset pada setiap barang
dan frekuensi masing-masing kombinasi dihitung sesuai dengan data pada
tabel.
4.
Tahapan selanjutnya adalah menganalisa tabel pada kombinasi 2 itemset,
terdapat beberapa baris yang diberi warna kuning, warna kuning tersebut
adalah itemset yang memenuhi batas minimum dari jumlah frekuensi yang
telah ditentukan.
5.
Langkah berikutnya adalah dengan membuat 3 itemset yang sesuai dengan
11
6.
Misalkan ditetapkan nilai confidence minimal adalah 60% maka terlebih
dahulu kita menyeleksi jumlah minimal confidence.
Tabel final association rule menjelaskan tentang support dan confidence
dari masing-masing kombinasi 2 itemsets dan 3 itemsets. Hasil perhitungan
support pada tabel final association rule didapatkan dari jumlah produk dengan
kombinasi produk A dan B dibagi dengan total produk A. Sedangkan confidence
didapatkan dari jumlah produk kombinasi A dan B dibagi dengan total transaksi
12
BAB III
PERANCANGAN SISTEM
III.1 Analisis Sistem
Toko
Kosmetik “ALWENA”
merupakan salah satu usaha pertokoan yang
bergerak dibidang penjualan produk kosmetik. Dalam melakukan proses
penjualan
Toko Kosmetik “ALWENA”
memiliki arsip penjualan yang berupa
nota penjualan yang berisi beberapa penjualan dalam sekali transaksi. Dalam era
kemajuan teknologi informasi,
Toko Kosmetik “ALWENA”
menginginkan
penjualan beberapa produk kosmetik dengan sistem paket dalam pemberian
diskon. Dari arsip nota penjualan tersebut dapat dijadikan perhitungan untuk
menentukan dan menghasilkan suatu informasi tentang pola asosiasi penjualan
barang yang dapat membantu toko dalam meningkatkan penjualan.
III.2 Gambaran Umum Sistem
Gambaran umum sistem yang akan dibuat yaitu:
1.
Sistem dapat memasukkan data transaksi barang
2.
Menentukan pola asosiasi barang, serta melihat hasil proses
asosiasi barang.
Adapun user yang terlibat dalam sistem ini yaitu Admin. Admin dapat
memasukkan data transaksi barang, melakukan proses pola asosiasi barang
13
III.3 Diagram Use Case
Admin
Gambar III.1 Diagram Use Case
Tabel III.1 Deskripsi Use Case
Nama Use Case
Deskripsi
Memasukkan data transaksi barang
Use case ini menggambarkan proses
dimana admin dapat memasukkan data
transaksi barang yang akan diolah.
Melakukan proses asosiasi barang
Use case ini menggambarkan proses
dimana admin dapat melakukan proses
asosiasi barang dengan memasukkan
nilai min.count dan min.confidence
kemudian memrosesnya.
Melihat hasil proses asosiasi barang
Use case ini menggambarkan proses
dimana admin dapat melihat hasil
proses asosiasi barang yang telah
diproses sebelumnya.
Memasukkan data transaksi barang
Melakukan proses pola asosiasi barang
14
III.4 Blok Diagram
Gambar III.2 Diagram Blok
Menghitung kandidat 3 itemset, menentukan nilai minimum
confidence, dan rule yang didapat (Tabel III.5, III.6, III.7) Menghitung kandidat
1 itemset (Tabel III.3)
Menghitung nilai minimum support dan
menghitung kandidat 2 itemset (Tabel III.4) Mulai
Preproses
Data Transaksi Barang Kosmetik
(Tabel III.2)
Membuat Representasi Biner
Analisis Pengujian
15
III.5 Penerapan Algoritma Apriori
Berikut merupakan contoh penerapan algoritma Apriori dengan 20 data
transaksi penjualan kosmetik bulan Juni di Toko Kosmetik
“A
LWENA
” den
gan
ketentuan untuk nilai minimum support 16% dan nilai minimum confidence adalah
70%.[2]
III.5.1 Preproses
Pada tahap ini merupakan tahap awal perhitungan yaitu dengan
menyiapkan data transaksi penjualan, pada tabel III.2 terdapat 20 data transaksi
penjualan kosmetik pada bulan Juni. Dimana pada setiap transaksi terdapat
[image:31.595.93.543.200.778.2]berbagai jenis barang.
Tabel III.2 Data Transaksi Barang Kosmetik Bulan Juni
Transaksi
Transaksi Barang
1
Hand Body Citra, Cat Rambut Miranda, Kapas Modis, Pensil Alis Viva,
Parfum Axe, Deodoran Rexona
2
Cat Rambut Miranda,Shampo Pantene, Parfum Axe, Deodoran Rexona
3
Ponds Age Miracle,Cologne Sariayu, Eyeshadow Inez, EyeLiner MAC,
Lem Bulu Mata Eye Putty
4
Eyeshadow Inez, Acne Face Powder, Kuas X-pert, Scoot X-pert,
Hairspray Mayon
5
Eyeshadow Inez,Deodoran Rexona, Cologne Sariayu, Lem Bulu Mata
Eye Putty, Pensil Alis Viva, Kuas X-pert
6
Cat Rambut Miranda, Acne Face Powder, EyeLiner MAC, Lem Bulu
Mata Eye Putty
7
Inez Face Powder, Kapas Modis, Kuas X-pert, Hand Body Citra, Scoot
X-pert, Hairspray Mayon,
16
Powder, Eyeshadow LTPRO
9
Scoot X-pert, Pensil Alis Viva, Hairspray Mayon, Eyeshadow LTPRO,
Acne Face Powder
10
EyeLiner MAC, Lem Bulu Mata Eye Putty, Pensil Alis Viva, Kuas
X-pert,Hairspray Mayon
11
Hand Body Citra, Cat Rambut Miranda, Acne Face Powder, Kapas
Modis, Pensil Alis Viva
12
Shampo Pantene, Eyeshadow Inez, Cologne Sariayu, Kuas X-pert
13
Hand Body Citra, Scoot X-pert, Hairspray Mayon, Eyeliner MAC,
Eyeshadow Inez
14
Acne Face Powder, Ponds Age Miracle, Eyeshadow LTPRO, Lem bulu
mata Eye Putty
15
Hand Body Citra, Shampo Pantene, Parfum Axe, Cologne Sariayu,
Pensil Alis Viva, Scoot X-pert
16
Deodoran Rexona, Inez Face Powder, Acne Face Powder, Parfum Axe
17
EyeLiner MAC, Hand Body Citra, Inez Face Powder, Kapas Modis,
Kuas X-pert
18
Cat Rambut Miranda, Lem bulu mata EyePutty, Pensil Alis Viva,
Eyeshadow LTPRO
19
Hairspray mayon, Eyeliner MAC, Ponds Age Miracle, Kuas X-Pert,
Parfum Axe
17
III.5.2 Menghitung Kandidat 1 itemset
Setelah menyiapkan data, selanjutnya yaitu membuat tabel uuntuk
melakukan perhitungan jumlah transaksi pada masing-masing barang dengan
memisahkan masing-masing item barang dimana setiap item barang dipisahkan
dengan kolom dan menghitung jumlah item barang pada setiap transaksi, apabila
pada setiap transaksi terdapat 1 item barang yang dibeli maka dihitung 1 dan jika
pada setiap transaksi tidak ada barang yang dibeli maka dihitung 0. Perhitungan
[image:33.595.29.570.273.763.2]seperti pada tabel III.3.
Tabel III.3 Kandidat 1 itemset
Tra
ns
Han
dBo
dyC
itra
Cat
Ra
mb
utM
iran
da
Sha
mp
oPa
nten
e
Parf
um
Axe
Deo
dor
anR
exo
na
Pon
dsA
ge
Mir
acle
Co
log
ne
Sar
iay
u
Eye
sha
dow
Inez
Ac
ne
Fa
ce
Po
wd
er
Ku
as
X-pe
rt
Ine
zFa
ceP
ow
der
Ka
pas
M
odi
s
Sc
oot
X-per
t
Pe
nsi
lAl
is
Vi
va
Hai
rspr
ay
Ma
yon
Ey
esh
ad
ow
LT
PR
O
Ey
eli
ner
M
A
C
Lem
Bulu
mata
Eye
Putt
y
1
1 1 0 1 1 0 0 0 0 0 0 1 0 1 0 0 0 02
0 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 03
0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 1 14
0 0 0 0 0 0 0 1 1 1 0 0 1 0 1 0 0 05
0 0 0 0 1 0 1 1 0 0 0 0 0 0 0 0 0 16
0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 17
1 0 0 0 0 0 0 0 0 1 1 1 0 0 0 1 0 08
0 1 1 0 0 1 0 0 0 0 1 0 0 0 0 1 0 09
0 0 0 0 0 0 0 0 1 0 0 0 1 1 1 1 0 010
0 0 0 0 0 0 0 0 0 1 0 0 0 1 1 0 1 111
1 1 0 0 0 0 0 0 1 0 0 1 0 1 0 0 0 012
0 0 1 0 0 0 1 1 0 1 0 0 0 0 0 0 0 013
1 0 0 0 0 0 0 1 0 0 0 0 1 0 1 0 1 014
0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 1 0 115
1 0 1 1 0 0 1 0 0 0 0 0 1 1 0 0 0 016
0 0 0 1 1 0 0 0 1 0 1 0 0 0 0 0 0 017
1 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 1 018
19
0 0 0 1 0 1 0 0 0 1 0 0 0 0 1 0 1 020
0 0 0 1 1 1 0 0 0 0 1 0 0 0 0 0 0 0Jml
6 6 4 6 5 5 4 5 6 6 5 4 4 6 5 5 6 6III.5.3 Menghitung nilai minimum support dan menghitung
kandidat 2 itemset
Menentukan nilai minimum support ( ). Ditetapkan bahwa nilai minimum
support ( ) = 3, maka semua itemset yang frekuensi kemunculannya sama dengan
atau lebih dari 3 kali disebut frequent. Dilihat dari tabel III.3, dari jumlah
perhitungan kandidat 1 itemset yang didapat bahwa semua memenuhi karena
jumlah semua itemset frekuensi kemunculannya atau jumlah transaksinya adalah
19
Kemudian dari jumlah frekuensi kemunculan atau jumlah transaksi barang
yang didapat dari tabel III.3, maka dilanjutkan dengan perhitungan kandidat 2
itemset. Pada tahap ini pada setiap barang dan frekuensi masing-masing
kombinasi dihitung sesuai dengan data pada tabel. Perhitungan masih sama
dengan kandidat 1 itemset yaitu dari kombinasi 2 itemset barang dihitung
jumlahnya sesuai dengan data transaksi tabel III.2. apabila dalam satu transaksi
terdapat 2 kombinasi itemset yang dibeli maka dihitung 1 dan apabila dalam satu
transaksi tidak terdapat 2 kombinasi itemset yang dibeli maka dihitung 0.
[image:35.595.71.557.297.621.2]Perhitungan seperti pada tabel III.4.
Tabel III.4 Kandidat 2 itemset
a.
C2- 2itemset
b. L2- 2itemset
Hand Body Citra-Kapas Modis 4
Hand Body Citra-Pensil Alis Viva 3
Cat Rambut Miranda-Pensil Alis
Viva 3
Parfum Axe-Deodoran Rexona 4
Cologne Sariayu-Eyeshadow Inez 3
Kuas X-pert-Hairspray Mayon 3
Kuas X-pert-Eyeliner MAC 3
Scoot X-pert-Hairspray Mayon 4
Hairspray Mayon-Eyeliner MAC 3
Eyeliner MAC-Lem bulumata
EyePutty 3
Itemset Count
Hand Body Citra-Cat Rambut Miranda 2
Hand Body Citra-Shampo Pantene 2
Hand Body Citra-Parfum Axe 2
Hand Body Citra-Deodoran Rexona 1
20
Hand Body Citra-Cologne Sariayu 1
Hand Body Citra-Eyeshadow Inez 1
Hand Body Citra-Acne Face Powder 1
Hand Body Citra-Kuas X-pert 2
Hand Body Citra-Inez Face Powder 2
Hand Body Citra-Kapas Modis 4
Hand Body Citra-Scoot X-pert 2
Hand Body Citra-Pensil Alis Viva 3
Hand Body Citra-Hairspray Mayon 2
Hand Body Citra-Eyeshadow LTPRO 0
Hand Body Citra-Eyeliner MAC 2
Hand Body Citra-Lem bulumata EyePutty 0
Cat Rambut Miranda-Shampo Pantene 2
Cat Rambut Miranda-Parfum Axe 2
Cat Rambut Miranda-Deodoran Rexona 2
Cat Rambut Miranda-Ponds Age Miracle 1
Cat Rambut Miranda-Cologne Sariayu 0
Cat Rambut Miranda-Eyeshadow Inez 0
Cat Rambut Miranda-Acne Face Powder 2
Cat Rambut Miranda-Kuas X-pert 0
Cat Rambut Miranda-Inez Face Powder 1
Cat Rambut Miranda-Kapas Modis 2
Cat Rambut Miranda-Scoot X-pert 0
Cat Rambut Miranda-Pensil Alis Viva 3
Cat Rambut Miranda-Hairspray Mayon 0
Cat Rambut Miranda-Eyeshadow LTPRO 2
Cat Rambut Miranda-Eyeliner MAC 1
Cat Rambut Miranda-Lem bulumata
EyePutty 2
Shampo Pantene-Parfum Axe 2
Shampo Pantene-Deodoran Rexona 1
Shampo Pantene-Ponds Age Miracle 1
Shampo Pantene-Cologne Sariayu 2
21
Shampo Pantene-Acne Face Powder 0
Shampo Pantene-Kuas X-pert 1
Shampo Pantene-Inez Face Powder 1
Shampo Pantene-Kapas Modis 0
Shampo Pantene-Scoot X-pert 1
Shampo Pantene-Pensil Alis Viva 1
Shampo Pantene-Hairspray Mayon 0
Shampo Pantene-Eyeshadow LTPRO 1
Shampo Pantene-Eyeliner MAC 0
Shampo Pantene-Lem bulumata EyePutty 0
Parfum Axe-Deodoran Rexona 4
Parfum Axe-Ponds Age Miracle 2
Parfum Axe-Cologne Sariayu 1
Parfum Axe-Eyeshadow Inez 0
Parfum Axe-Acne Face Powder 1
Parfum Axe-Kuas X-pert 1
Parfum Axe-Inez Face Powder 2
Parfum Axe-Kapas Modis 1
Parfum Axe-Scoot X-pert 1
Parfum Axe-Pensil Alis Viva 2
Parfum Axe-Hairspray Mayon 1
Parfum Axe-Eyeshadow LTPRO 0
Parfum Axe-Eyeliner MAC 1
Parfum Axe-Lem bulumata EyePut 0
Deodoran Rexona-Ponds Age Miracle 1
Deodoran Rexona-Cologne Sariayu 1
Deodoran Rexona-Eyeshadow Inez 1
Deodoran Rexona-Acne Face Powder 1
Deodoran Rexona-Kuas X-pert 1
Deodoran Rexona-Inez Face Powder 2
Deodoran Rexona-Kapas Modis 1
Deodoran Rexona-Scoot X-pert 0
Deodoran Rexona-Pensil Alis Viva 2
22
Deodoran Rexona-Eyeshadow LTPRO 0
Deodoran Rexona-Eyeliner MAC 0
Deodoran Rexona-Lem bulumata EyePutty 1
Ponds Age Miracle-Cologne Sariayu 1
Ponds Age Miracle-Eyeshadow Inez 1
Ponds Age Miracle-Acne Face Powder 1
Ponds Age Miracle-Kuas X-pert 1
Ponds Age Miracle-Inez Face Powder 2
Ponds Age Miracle-Kapas Modis 0
Ponds Age Miracle-Scoot X-pert 0
Ponds Age Miracle-Pensil Alis Viva 0
Ponds Age Miracle-Hairspray Mayon 1
Ponds Age Miracle-Eyeshadow LTPRO 2
Ponds Age Miracle-Eyeliner MAC 2
Ponds Age Miracle-Lem bulumata
EyePutty 2
Cologne Sariayu-Eyeshadow Inez 3
Cologne Sariayu-Acne Face Powder 0
Cologne Sariayu-Kuas X-pert 2
Cologne Sariayu-Inez Face Powder 0
Cologne Sariayu-Kapas Modis 0
Cologne Sariayu-Scoot X-pert 1
Cologne Sariayu-Pensil Alis Viva 2
Cologne Sariayu-Hairspray Mayon 0
Cologne Sariayu-Eyeshadow LTPRO 0
Cologne Sariayu-Eyeliner MAC 1
Cologne Sariayu-Lem bulumata EyePutty 2
Eyeshadow Inez-Acne Face Powder 1
Eyeshadow Inez-Kuas X-pert 2
Eyeshadow Inez-Inez Face Powder 0
Eyeshadow Inez-Kapas Modis 0
Eyeshadow Inez-Scoot X-pert 2
Eyeshadow Inez-Pensil Alis Viva 1
23
Eyeshadow Inez-Eyeshadow LTPRO 0
Eyeshadow Inez-Eyeliner MAC 2
Eyeshadow Inez-Lem bulumata EyePutty 2
Acne Face Powder-Kuas X-pert 1
Acne Face Powder-Inez Face Powder 1
Acne Face Powder-Kapas Modis 1
Acne Face Powder-Scoot X-pert 2
Acne Face Powder-Pensil Alis Viva 2
Acne Face Powder-Hairspray Mayon 2
Acne Face Powder-Eyeshadow LTPRO 2
Acne Face Powder-Eyeliner MAC 1
Acne Face Powder-Lem bulumata
EyePutty 2
Kuas X-pert-Inez Face Powder 2
Kuas X-pert-Kapas Modis 2
Kuas X-pert-Scoot X-pert 2
Kuas X-pert-Pensil Alis Viva 2
Kuas X-pert-Hairspray Mayon 3
Kuas X-pert-Eyeshadow LTPRO 0
Kuas X-pert-Eyeliner MAC 3
Kuas X-pert-Lem bulumata EyePutty 2
Inez Face Powder-Kapas Modis 2
Inez Face Powder-Scoot X-pert 1
Inez Face Powder-Pensil Alis Viva 0
Inez Face Powder-Hairspray Mayon 1
Inez Face Powder-Eyeshadow LTPRO 1
Inez Face Powder-Eyeliner MAC 1
Inez Face Powder-Lem bulumata EyePutty 0
Kapas Modis-Scoot X-pert 1
Kapas Modis-Pensil Alis Viva 2
Kapas Modis-Hairspray Mayon 1
Kapas Modis-Eyeshadow LTPRO 0
Kapas Modis-Eyeliner MAC 1
24
Dari hasil kombinasi 2 itemset tersebut terdapat bagian berwarna kuning
merupakan kombinasi yang memenuhi dari nilai minimum support yang telah
ditentukan yaitu 3, jadi yang frekuensi kemunculannya atau jumlah transaksi dari
kombinasi 2 itemset tersebut yang jumlahnya lebih dari atau sama dengan 3
adalah yang dipakai untuk digabungkan menjadi calon 3 itemset. Perhitungan
masih sama dengan kandidat 1 itemset dan 2 itemset yaitu dari kombinasi 3
itemset barang dihitung jumlahnya sesuai dengan data transaksi Tabel III.2.
apabila dalam satu transaksi terdapat 3 kombinasi itemset yang dibeli maka
dihitung 1 dan apabila dalam satu transaksi tidak terdapat 3 kombinasi itemset
yang dibeli maka dihitung 0. Perhitungan seperti pada tabel III.5.
Scoot X-pert-Pensil Alis Viva 2
Scoot X-pert-Hairspray Mayon 4
Scoot X-pert-Eyeshadow LTPRO 1
Scoot X-pert-Eyeliner MAC 1
Scoot X-pert-Lem bulumata EyePutty 0
Pensil Alis Viva-Hairspray Mayon 2
Pensil Alis Viva-Eyeshadow LTPRO 2
Pensil Alis Viva-Eyeliner MAC 1
Pensil Alis Viva-Lem bulumata EyePutty 2
Hairspray Mayon-Eyeshadow LTPRO 1
Hairspray Mayon-Eyeliner MAC 3
Hairspray Mayon-Lem bulumata EyePutty 1
Eyeshadow LTPRO-Eyeliner MAC 0
Eyeshadow LTPRO-Lem bulumata
EyePutty 2
25
Tabel III.5 Kandidat 3 itemset
a.
C3-3itemset
b. L3-3itemset
Hand Body Citra-Kapas Modis-Scoot X-pert 1
Hand Body Citra-Kapas Modis-Pensil Alis Viva 2
Hand Body Citra-Kapas Modis-Cat Rambut
Miranda 2
Hand Body Citra-Kapas Modis-Parfum Axe 1
Hand Body Citra-Kapas Modis-Deodoran
Rexona 1
Hand Body Citra-Kapas Modis-Cologne Sariayu 0
Hand Body Citra-Kapas Modis-Eyeshadow Inez 0
Hand Body Citra-Kapas Modis-Kuas X-pert 2
Hand Body Citra-Kapas Modis-Hairspray
Mayon 1
Hand Body Citra-Kapas Modis-Eyeliner MAC 1
Hand Body Citra-Kapas Modis-Lem bulumata
EyePutty 0
Kapas Modis-Scoot X-pert-Pensil Alis Viva 0
Kapas Modis-Scoot X-pert-Cat Rambut
Miranda 0
Kapas Modis-Scoot X-pert-Parfum Axe 0
Kapas Modis-Scoot X-pert-Deodoran Rexona 0
Kapas Modis-Scoot X-pert-Cologne Sariayu 0
Kapas Modis-Scoot X-pert-Eyeshadow Inez 0
Kapas Modis-Scoot X-pert-Kuas X-pert 1
Kapas Modis-Scoot X-pert-Hairspray Mayon 1
Kapas Modis-Scoot X-pert-Eyeliner MAC 0
Kapas Modis-Scoot X-pert-Lem bulumata
EyePutty 0
Scoot X-pert-Pensil Alis Viva-Cat Rambut
Miranda 0
Scoot X-pert-Pensil Alis Viva-Parfum Axe 1
26 Rexona
Scoot X-pert-Pensil Alis Viva-Cologne Sariayu 1
Scoot X-pert-Pensil Alis Viva-Eyeshadow Inez 0
Scoot X-pert-Pensil Alis Viva-Kuas X-pert 0
Scoot X-pert-Pensil Alis Viva-Hairspray Mayon 1
Scoot X-pert-Pensil Alis Viva-Eyeliner MAC 0
Scoot X-pert-Pensil Alis Viva-Lem bulumata
EyePutty 0
Pensil Alis Viva-Cat Rambut Miranda-Parfum
Axe 1
Pensil Alis Viva-Cat Rambut
Miranda-Deodoran Rexona 1
Pensil Alis Viva-Cat Rambut Miranda-Cologne
Sariayu 0
Pensil Alis Viva-Cat Rambut
Miranda-Eyeshadow Inez 0
Pensil Alis Viva-Cat Rambut Miranda-Kuas
X-pert 0
Pensil Alis Viva-Cat Rambut
Miranda-Hairspray Mayon 0
Pensil Alis Viva-Cat Rambut Miranda-Eyeliner
MAC 0
Pensil Alis Viva-Cat Rambut Miranda-Lem
bulumata EyePutty 1
Cat Rambut Miranda-Parfum Axe-Deodoran
Rexona 2
Cat Rambut Miranda-Parfum Axe-Cologne
Sariayu 0
Cat Rambut Miranda-Parfum Axe-Eyeshadow
Inez 0
Cat Rambut Miranda-Parfum Axe-Kuas X-pert 0
Cat Rambut Miranda-Parfum Axe-Hairspray
Mayon 0
27 MAC
Cat Rambut Miranda-Parfum Axe-Lem
bulumata EyePutty 0
Parfum Axe-Deodoran Rexona-Cologne Sariayu 0
Parfum Axe-Deodoran Rexona-Eyeshadow Inez 0
Parfum Axe-Deodoran Rexona-Kuas X-pert 0
Parfum Axe-Deodoran Rexona-Hairspray
Mayon 0
Parfum Axe-Deodoran Rexona-Eyeliner MAC 0
Parfum Axe-Deodoran Rexona-Lem bulumata
EyePutty 0
Deodoran Rexona-Cologne Sariayu-Eyeshadow
Inez 1
Deodoran Rexona-Cologne Sariayu-Kuas
X-pert 1
Deodoran Rexona-Cologne Sariayu-Hairspray
Mayon 0
Deodoran Rexona-Cologne Sariayu-Eyeliner
MAC 0
Deodoran Rexona-Cologne Sariayu-Lem
bulumata EyePutty 1
Cologne Sariayu-Eyeshadow Inez-Kuas X-pert 2
Cologne Sariayu-Eyeshadow Inez-Hairspray
Mayon 0
Cologne Sariayu-Eyeshadow Inez-Eyeliner
MAC 1
Cologne Sariayu-Eyeshadow Inez-Lem
bulumata EyePutty 2
Eyeshadow Inez-Kuas X-pert-Hairspray Mayon 1
Eyeshadow Inez-Kuas X-pert-Eyeliner MAC 0
Eyeshadow Inez-Kuas X-pert-Lem bulumata
EyePutty 1
Kuas X-pert-Hairspray Mayon-Eyeliner MAC 2
28 EyePutty
Hairspray Mayon-Eyeliner MAC-Lem bulumata
EyePutty 1
Dari tabel 3 itemset tidak didapat kombinasi karena tidak ada yang
memenuhi jumlah nilai >= ( ) yaitu 3. Maka hasil asosiasi yang diperoleh adalah
dari tabel III.4 Kandidat 2 itemset.
Dibawah ini merupakan hasil asosiasi yang didapat dengan nilai minimal
[image:44.595.34.557.162.684.2]confidence yang ditentukan adalah 60%.
Tabel III.6 Hasil Asosiasi
RULE
Support Count
Confidence
Jika membeli Hand Body Citra maka membeli Kapas Modis 4/20 0.2 4/6 67%
Jika membeli Hand Body Citra maka membeli Pensil Alis Viva 3/20 0.15 3/6 50%
Jika membeli Cat Rambut Miranda maka membeli Pensil Alis
Viva 3/20 0.15 3/6 50%
Jika membeli Parfum Axe maka membeli Deodoran rexona 3/20 0.15 3/6 50%
Jika membeli Cologne Sariayu maka membeli Eyeshadow Inez 4/20 0.2 4/4 100%
Jika membeli Kuas X-pert maka membeli Hairspray Mayon 3/20 0.15 3/7 43%
Jika membeli Kuas X-pert maka membeli Eyeliner MAC 3/20 0.15 3/7 43%
Jika membeli Scoot X-pert maka membeli Hairspray Mayon 4/20 0.2 4/5 80%
Jika membeli Hairspray Mayon maka membeli Eyeliner MAC 3/20 0.15 3/6 50%
Jika membeli Eyeliner MAC maka membeli Lem bulumata
29
Dari perhitungan tabel III.6 hasil asosiasi diatas dengan dengan nilai
minimal confidence yang ditentukan adalah 60% maka rule yang didapat untuk
transaksi penjualan kosmetik bulan Juni adalah bagian yang berwarna kuning
[image:45.595.39.560.209.615.2]karena menunjukan nilai confidencenya lebih dari 60% seperti dibawah ini.
Tabel III.7 Rule
Count
Support
Confidence
Jika membeli Hand Body Citra maka membeli Kapas Modis 4/20 0.2 4/6 67%
Jika membeli Cologne Sariayu maka membeli Eyeshadow Inez 4/20 0.2 4/4 100%
30
III.6 Desain Interface
Berikut merupakan rancangan yang akan dibuat sebagai Sistem pola
[image:46.595.72.526.194.588.2]asosiasi barang Toko Kosmetik
“ALWENA”
.
Gambar III.3 Input Data Transaksi
Pola Asosiasi Barang TOKO KOSMETIK “ALWENA”
Data Transaksi
Transaksi
Nama Barang
Min Support Min Confidence Jumlah Pola Sorting
Tabel Representasi Biner
Transaksi
Item
Input Data
31
Gambar III.4 Hasil Proses Asosiasi
III.7 Analisis Pengujian
Data transaksi penjualan kosmetik akan diujikan langsung kepada
customer toko untuk membuktikan bahwa hasil rule dari pola asosiasi barang
yang telah diproses menggunakan sistem mendapatkan hasil yang sama dengan
paket kosmetik yang dibeli oleh customer.
Pola Asosiasi Barang TOKO KOSMETIK “ALWENA”
Pola Asosiasi
32
BAB IV
IMPLEMENTASI SISTEM
Setelah melakukan tahap analisis dan perancangan sistem, maka tahap
selanjutnya adalah mengimplementasikan hasil perancangan tersebut ke dalam
sebuah sistem untuk menentukan pola penjualan asosiasi antar barang. Sistem
dapat memasukkan data transaksi barang dari file spreadsheet yang kemudian
setelah data dimasukkan selanjutnya sistem dapat melakukan proses data mining
dari data transaksi barang dengan menentukan nilai min support, min confidence,
jumlah pola dan pilihan sorting yang akan ditampilkan dimana terdapat dua
pilihan yaitu berdasarkan nilai support dan confidence namun sebelumnya data
yang berbentuk teks diubah terlebih dahulu ke dalam data biner setelah itu data
baru akan diproses. Kemudian akan terbentuk hasil pola penjualan antar barang
yang tersimpan juga dalam bentuk file data pembelian berupa teks.
IV.1 Implementasi Antar Muka (User Interface)
IV.1.1 Halaman Utama
Dibawah ini merupakan form utama yang ditampilkan oleh sistem ketika
user mulai menjalankan sistem ini. Pada tampilan form utama terdapat tombol
untuk memasukkan atau input data dimana dalam input data, tabel data transaksi
terdapat kolom transaksi dan nama barang, kolom untuk menentukan nilai min
support, min confidence, jumlah pola yang akan ditampilkan untuk hasil akhir
pola asosiasi, pilihan sorting yang akan ditampilkan pada hasil akhir pola asosiasi
33
serta reset data (berwarna merah), tabel representasi biner, dan hasil akhir tabel
pola asosiasi dimana menampilkan tabel akhir yang didapat dari proses asosiasi
yaitu pola asosiasi yang didapat, nilai support, nilai confidence, dan nilai support
[image:49.595.102.522.189.555.2]x nilai confidence
Gambar IV.1 Halaman utama
IV.1.2 Halaman Input Data
Dibawah ini merupakan halaman untuk memasukkan data penjualan
34
Gambar IV.2 Halaman Input Data
Kemudian setelah klik tombol input data maka akan masuk kedalam
halaman pilih file anda seperti pada gambar dibawah ini. Pada halaman pilih file
anda, user diminta untuk memilih file yang akan dimasukkan pada direktori
penyimpanan data. Data yang akan dimasukkan kedalam sistem berbentuk
[image:50.595.102.519.96.738.2]spreadsheet, sebagai contoh adalah data tahun 2015
35
Setelah data tahun 2015 dipilih dan berhasil dimasukkan maka data secara
otomatis akan tampil pada tabel yang telah disediakan. Tampilan halaman setelah
[image:51.595.104.516.159.567.2]data berhasil dimasukkan kedalam sistem seperti pada gambar dibawah ini.
Gambar IV.4 Input Data Transaksi
Dari data penjualan barang yang berhasil dimasukkan, selanjutnya user
diminta untuk menentukan nilai min support count yaitu ditentukan 1.9, yang
mana nilai min support count diperoleh dari jumlah item barang dari seluruh
transaksi dibagi dengan jumlah total transaksi yaitu 598/300 x 100% = 1,99 dan
nilai minimum confidence yang ditentukan 0,7 jumlah pola yang akan ditampilkan
untuk hasil akhir pola asosiasi yaitu ditentukan 5, pilihan sorting yang akan
ditampilkan pada hasil akhir pola asosiasi dimana terdapat dua pilihan yaitu
berdasarkan support dan confidence yaitu ditentukan berdasarkan confidence.
Setelah itu baru data diproses menggunakan algoritma apriori dan data yang
tadinya berbentuk teks akan diubah terlebih dahulu ke dalam data biner, dalam
tabel representasi biner terdapat dimensi data : 280 x 138 yang artinya 280 untuk
jumlah total transaksi dan 138 untuk jumlah item barang seperti contoh pada
36
Gambar IV.5 Tabel Representasi Biner
Kemudian hasil pengolahan data penjualan menggunakan algoritma
apriori tersebut akan menghasilkan hasil akhir pola asosiasi barang seperti pada
gambar IV.6
37
Selain itu hasil akhir dari pola asosiasi barang juga tersimpan dalam file
data pembelian.txt seperti pada gambar IV.7
[image:53.595.99.526.95.682.2]Gambar IV.7 File Data Pembelian.txt
Gambar IV.8 Halaman Pola Asosiasi Barang Toko Kosmetik
38
IV.2 Program Pola Asosiasi Barang Toko Kosmetik
“ALWENA”
Dibawah ini merupakan implementasi kondisi awal tabel data transaksi
barang, tabel representasi biner, dan tabel awal pola asosiasi
Dibawah ini merupakan implementasi untuk input data dimana nantinya
akan masuk kedalam halaman pilih file anda. Pada halaman pilih file anda, user
diminta untuk memilih file yang akan dimasukkan pada direktori penyimpanan
39
Dibawah ini merupakan implementasi untuk mengambil setiap item
transaksi untuk dimasukkan ke dalam cell tabel representasi biner.
Dibawah ini merupakan implementasi untuk membuat header kolom tabel
representasi
biner.
Dimana
terdapat
method
headerRepBinerTemp=headerRepBinerTemp(~cellfun('isempty',headerRepBinerTemp));
yang
berfungsi
untuk
menghapus
cell
yang
kosong
dan
method
[headerRepBinerTemp,~,~]=unique(headerRepBinerTemp);
yang berfungsi apabila
terdapat nama barang yang sama dalam transaksi maka nama barang tersebut
40
Dibawah ini merupakan implementasi untuk menentukan nilai representasi
biner transaksi pembelian dari transaksi dan nama barang
Dibawah ini merupakan implementasi untuk menghitung kandidat 1
itemset
Dibawah ini merupakan implementasi untuk mengeliminasi jumlah item
41
Dibawah ini merupakan implementasi untuk menghitung kandidat 2
itemset kemudian dilanjutkan dengan menghitung kandidat 3 itemset dan setelah
itu dilanjutkan dengan implementasi untuk menentukan nilai minimum confidence
42
BAB V
ANALISIS HASIL DAN PEMBAHASAN
V.1 Hasil Percobaan
Pada bab ini akan dibahas mengenai hasil dari implementasi sistem pola
pencarian asosiasi barang, dimana dari hasil jumlah transaksi barang diujikan
langsung kepada customer toko untuk membuktikan bahwa hasil rule dari pola
asosiasi barang yang telah diproses menggunakan sistem mendapatkan hasil yang
sama dengan paket kosmetik yang dibeli oleh customer. Pada percobaan ini
penulis melakukan ujicoba sistem dengan menggunakan data transaksi kosmetik
selama 3 tahun yang telah dibagi per tahun. Dimana data yang terkumpul dari data
tahun 2013,2014, dan 2015.
Pada percobaan ini penulis melakukan ujicoba pada sistem dengan
menggunakan data transaksi penjualan Toko Kosmetik “ALWENA” pa
da Tahun
2013, 2014 dan 2015.
Dari hasil implementasi sistem dengan data transaksi penjualan Toko
K
osmetik “ALWENA” pada Tahun 2013
yang dimasukkan dengan ditentukan
nilai minimum support countnya yaitu 1,9 yang mana nilai support count
diperoleh dari jumlah item barang dari seluruh transaksi dibagi dengan jumlah
total transaksi yaitu 598/300 x 100% = 1,99 dan minimum support count yaitu 0,6,
untuk nilai minimum confidence yang ditentukan 0,7 karena berdasarkan
percobaan pada [5] ditentukan minimum support antara 0,1 sampai dengan 5 dan
dari percobaan tersebut dapat dilihat bahwa hasil yang signifikan terdapat pada
43
berdasarkan nilai confidence tertinggi maka diperoleh pola pencarian asosiasi
[image:59.595.94.534.126.765.2]barang seperti pada gambar V.1.1
Gambar V.1.1 Percobaan Tahun 2013
Dari perolehan pola diatas dapat diperoleh bahwa pola asosiasi pada tahun
2013 adalah :
Tabel V.1.1 Pola Asosiasi Tahun 2013
Minimum
support
Pola Asosiasi
Support
Confidence
Support x
Confidence
1.9
Jika Cat Rambut Bigen dibeli
maka Alas Bedak Sariayu juga
akan dibeli.
Jika Body Lotion Wardah dibeli
maka Shampo Gostreet juga
akan dibeli.
Jika Sabun Lifebouy dibeli
maka Bedak Latulipe juga akan
dibeli.
Jika Blushon Caring dibeli maka
Milk Cleanser Wardah juga
0.66667 %
0.66667 %
1%
100 %
100 %
75%
0.0066667
0.0066667
44
Dari hasil implementasi sistem dengan data transaksi penjualan Toko
Ko
smetik “ALWENA” pada Tahun 2014
yang dimasukkan dengan ditentukan
nilai minimum support countnya yaitu 1,9 yang mana nilai support count
diperoleh dari jumlah item barang dari seluruh transaksi dibagi dengan jumlah
total transaksi yaitu 598/300 x 100% = 1,99 dan minimum support count yaitu 0,6,
untuk nilai minimum confidence yang ditentukan 0,7 karena berdasarkan
percobaan pada [5] ditentukan minimum support antara 0,1 sampai dengan 5 dan
dari percobaan tersebut dapat dilihat bahwa hasil yang signifikan terdapat pada
minimum support antara 0,1 sampai dengan 2 dengan jumlah pola 5 dan disorting
akan dibeli.
Jika Cat Rambut Matrix dibeli
maka Bulu Mata juga akan
dibeli.
1%
1%
75%
75%
0.0075
0.0075
0.6
Jika Cat Rambut Miranda dibeli
maka Kutek juga akan dibeli.
Jika Eyeliner Maybeline dibeli
maka Hair Tonic Rudy juga
akan dibeli.
Jika Eyeliner Maybeline dibeli
maka HoneyDew juga akan
dibeli.
Jika Eyeliner Maybeline dibeli
maka Kapas Modis juga akan
dibeli.
Jika Eyeliner Maybeline dibeli
maka Pensil Alis Viva juga akan
dibeli.
0.33333%
0.33333%
0.33333%
0.33333%
0.33333%
100%
100%
100%
100%
100%
0.0033333
0.0033333
0.0033333
0.0033333
45
berdasarkan nilai confidence maka diperoleh pola pencarian asosiasi barang
[image:61.595.99.532.149.768.2]seperti pada gambar V.1.2
Gambar V.1.2 Percobaan Tahun 2014
Dari perolehan pola diatas dapat diperoleh bahwa barang yang paling
banyak dibeli pada tahun 2014 adalah :
Tabel V.1.2 Pola Asosiasi Tahun 2014
Minimum
Support
Pola Asosiasi
Support
Confidence
Support x
Confidence
1.9
Jika Foundation Latulipe
dibeli maka Puff Bedak
X-pert juga akan dibeli.
Jika Scot X-pert dibeli
maka Bedak Latulipe juga
akan dibeli.
Jika Cat Rambut Feves
dibeli
maka
Bedak
Wardah juga akan dibeli.
0.66667 %
0.66667 %
0.66667 %
100 %
100 %
100 %
0.0066667
0.0066667
46
Dari hasil implementasi sistem dengan data transaksi penjualan Toko
Kosmetik “ALWENA” pada Tahun 2013 yang dimasukkan dengan ditentukan
nilai minimum support countnya yaitu 1,9 yang mana nilai support count
diperoleh dari jumlah item barang dari seluruh transaksi dibagi dengan jumlah
total transaksi yaitu 598/300 x 100% = 1,99 dan minimum support count yaitu 0,6,
untuk nilai minimum confidence yang ditentukan 0,7 karena berdasarkan
percobaan pada [5] ditentukan minimum support antara 0,1 sampai dengan 5 dan
dari percobaan tersebut dapat dilihat bahwa hasil yang signifikan terdapat pada
minimum support antara 0,1 sampai dengan 2 dengan jumlah pola 5 dan disorting
Jika
BlushOn
Caring
dibeli maka Cat Rambut
Henna juga akan dibeli.
Jika BlushOn Inez dibeli
maka Bulu Mata juga
akan dibeli.
0.66667 %
1.3333 %
100 %
80 %
0.0066667
0.010667
0.6
Jika Pensil Alis Viva
dibeli maka Bedak Inez
juga akan dibeli.
Jika Eyeliner Maybeline
dibeli
maka
Bedak
Wardah juga akan dibeli.
Jika Eyeliner Maybeline
dibeli maka Blushon Inez
juga akan dibeli.
Jika Eyeliner Maybeline
dibeli maka Bulu Mata
juga akan dibeli.
Jika Eyeliner Maybeline
dibeli maka Cat Rambut
Top Lady juga akan
dibeli.
0.33333%
0.33333%
0.33333%
0.33333%
0.33333%
100%
100%
100%
100%
100%
0.0033333
0.0033333
0.0033333
0.0033333
47
berdasarkan nilai confidence maka diperoleh pola pencarian asosiasi barang
[image:63.595.95.531.162.768.2]seperti pada gambar V.1.3
Gambar V.1.3 Percobaan Tahun 2015
Dari perolehan pola diatas dapat diperoleh bahwa pola asosiasi pada tahun
2015 adalah :
Tabel V.1.3 Pola Asosiasi Tahun 2015
Minimum
Support
Pola Asosiasi
Support
Confidence
Support x
Confidence
1.9
Jika Kutek dibeli maka
Bulu Mata juga akan dibeli
Jika Kutek dibeli maka
Kapas Sariayu juga akan
dibeli.
Jika Puff Bedak X-pert
dibeli maka Aqua Gloss
X-pert juga akan dibeli.
Jika Bedak Pigeon dibeli
0.71429 %
0.71429 %
0.71429 %
100 %
100 %
100 %
0.0071429
0.0071429
48
Kemudian dari pola yang diperoleh per tahunnya penulis mengujikan
langsung hasil dari sistem pola asosiasi barang kepada customer toko untuk
membuktikan bahwa hasil rule dari pola asosiasi barang yang telah diproses
menggunakan sistem mendapatkan hasil yang sama dengan paket kosmetik yang
dibeli oleh customer, sehingga akan didapat hasil akhir pola kesamaan oleh sistem
dengan costumer per tahunnya.
maka Lem Bulu Mata Eye
Putti juga akan dibeli.
Jika BlushOn MAC dibeli
maka Bedak Latulipe juga
akan dibeli
1.4286 %
1.0714 %
80 %
75 %
0.011429
0.0080357
0.6
Jika Cat Rambut Henna
dibeli
maka
Bedak
Latulipe juga akan dibeli.
Jika Cat Rambut Henna
dibeli maka Bulu Mata
juga akan dibeli.
Jika Cat Rambut Henna
dibeli maka Cat Rambut
Feves juga akan dibeli.
Jika Cat Rambut Henna
dibeli
maka
Hairspray
Mayon juga akan dibeli.
Jika Cat Rambut Henna
dibeli maka Kapas Modis
juga akan dibeli.
0.35714%
0.35714%
0.35714%
0.35714%
0.35714%
100%
100%
100%
100%
100%
0.0035714
0.0035714
0.0035714
0.0035714
49
Tabel V.1.6 Hasil Percobaan Uji Costumer
No
Tanggal
Transaksi
Pola Asosiasi Barang
Th 2013
Th 2014
Th 2015
1.9
0.6
1.9
0.6
1.9
0.6
1
2 Jan „16
1.Lem Bulu Mata Eye
Putti, Bulu Mata, Cat
Rambut Bigen, Ponds Age
Miracle,
Eyeliner
Maybeline, Alas Bedak
Sariayu
2.Hairspray
Mayon,
Bedak Inez, Pensil Alis
Viva
3.Puff
Bedak
X-pert,
Eyeshadow Caring, Scot
X-pert, Kuas X-pert, Bulu
Mata, Bedak Latulipe,
Aqua Gloss X-pert
1
0
1
1
1
0
2
3 Jan „16
1.Cat Rambut Miranda
2.Bedak
Pigeon,
Hairspray Mayon, Lem
Bulu Mata Eye Putty,
Bulu Mata, Kutek
3.Face Toner Viva, Milk
Cleanser Viva, Bulu Mata,
Cat Rambut Matrix
1
0
0
0
2
0
3
4 Jan „16
1.Lem Bulu Mata Eye
Putti,
Kapas
Modis,
Pembersih Sariayu
2.Bulu Mata, Scot X-pert,
Blush On Inez, Face
Toner
Viva,
Milk
Cleanser
Viva,
Bedak
Latulipe
3.Honeydew,
Eyeliner
Maybeline,
Lipstick
Wardah,
Bulu
Mata,
50
Kutek
4
5 Jan „16
1.Hairspray
Mayon,
HoneyDew,
Shampo
Gostreet, Body Lotion
Wardah,
Eyeshadow
Sariayu
2.Foundation
Latulipe,
Puff Bedak X-pert, Kuas
X-pert,
Cat
Rambut
Matrix, Bulu Mata
2
0
1
0
0
0
5
6 Jan „16
1.Bedak Wardah, Bulu
Mata, Semir Rudy, Cat
Rambut Bigen
2.BlushOn Inez, Pensil
Alis Viva, Bulu Mata
0
0
1
0
0
0
6
7 Jan „16
1.Bulu Mata, Scot X-pert,
Lem Bulu Mata Eye Putti,
Bedak
Latulipe,
Cat
Rambut Miranda
2.Bulu Mata, Pensil Alis
Viva, Eyeliner Maybeline,
Cat Rambut Feves, Bedak
Wardah
0
1
2
0
0
0
7
8 Jan „16
1.Cat Rambut Miranda,
Cat
Rambut
Feves,
EyeLiner MyDarling
2.Serum Rudy, Shampo
Gostreet,
Bulu
Mata,
Body Lotion Wardah
3.Bedak
Latulipe,
Air
Mawar Viva, Honeydew,
Bedah Wardah, Scot
X-pert
1
0
1
0
0
0
8
9 Jan „16
1.Scot X- pert, Hairspray
Mayon, Lem Bulu Mata
Eye Putti, Bedak Latulipe,
Bulu Mata
2.Bulu Mata, Pensil Alis
Viva
51
Dibawah ini merupakan hasil pola asosiasi per tahun berdasarkan hasil
analisis dari implementasi dan percobaan menggunakan data transaksi penjualan
toko kosmetik ALWENA selama 3 tahun yaitu tahun 2013, 2014, dan 2015
sebagai acuan pada transaksi uji percobaan dari tabel V.1.7 :
1. a. Pada percobaan tahun 2013, dengan nilai yang ditentukan untuk minimum
support 1,9 dan minimum confidence 0,7 dan disorting berdasaran nilai support
tertinggi , maka dihasilkan 5 pola asosiasi tertinggi yaitu:
9
10 Jan
„16
1.Bulu Mata, Scot X-pert,
Lipstick Wardah, Pensil
Alis Viva
2.Pembersih
Sariayu,
Penyegar
Sariayu,
Cat
Rambut Feves, BlushOn
MAC, Cat Rambut Henna