23 BAB 3
METODE PENELITIAN
Metode penelitian adalah sebuah kerangka teoritis yang digunakan penulis untuk menganalisis, mengerjakan maupun mengatasi masalah yang dihadapi. Jadi metode ini sangat penting dalam suatu penelitian yang dilakukan karena baik atau buruknya hasil yang diperoleh dari penelitian tergantung dari metode yang digunakan dalam menyelesaikan masalah. Apabila penulis menggunakan metode harus cermat dan teliti sesuai dengan tujuan yang dikehendaki. Dalam bagian ini penulis menguraikan tentang metode atau langkah-langkah dalam teknis dan operasional penelitian yang akan dilaksanakan. Dalam uraian meteode penelitian yang akan digunakan dalam penyusunan proposal tugas akhir, mencakup sebagai berikut.
3.1 Metode Pengumpulan Data
Metode penyatuan data yang digunakan dalam penulisan penelitian pada proposal tugas akhir, sebagai berikut.
1. Jenis Data
Data di dalam penelitian ini merupakan data kualitatif. Data kualitatif adalah data yang mencakup hamper semua data non-numerik. Data ini dapat menggunakan kata – kata untuk menggambarkan fakta dan fenomena yang diamati [18]. Dalam penelitian ini menggunakan data penjualan PT Arista Mitra Lestari Cabang Pamanukan periode Januari 2015 – Juli 2016.
2. Sumber Data
Data yang digunakan merupakan data primer. Data primer adalah data yang dikumpulkan oleh peneliti sendiri. Sumber data ini adalah data yang belum pernah dikumpulkan sebelumnya, baik dengan cara tertentu atau pada periode waktu tertentu [18].
Dalam metode pembelajaran seacara lapangan merupakan tahapan yang dilakukan oleh penulis dalam melakukan penelitian dengan cara melakukan pengamatan langsung pada PT Arista Mitra Lestari Cabang Pamanukan. Untuk memperoleh data-data yang diperlukan oleh penulis, diantaranya :
a. Wawancara (Interview)
Dalam teknik wawancara yaitu mengumpulkan data dengan process tanya jawab secara langsung dengan pihak yang berwenang pada PT Arista Mitra Lestari Cabang Pamanukan yang mengenai tentang kendala yang sedang diteliti. Dalam hal ini penulis mewawancarai kepala cabang pada PT Arista Mitra Lestari Cabang pamanukan. Lampiran hasil wawancara terdapat dilampiran 1.
b. Pengamatan
Teknik pengamatan yang dilakukan untuk mengamati kegiatan-kegiatan yang terdapat di perusahaan tersebut.
c. Studi Pustaka
Metode yang dilakukan dalam studi pustaka dimanfaatkan untuk mengumpulkan beberapa data dengan cara menemukan sumber dari beberapa buku atau studi literature terhadap data-data yang saling berkaitan dengan materi penelitian yang merupakan tahapan inti dalam memecahkan masalah.
3.2 Metode Analisis
Adapun langkah-langkah yang digunakan penulis dalam menyelesaikan penelitiannya yang berjudul “Penerapan Klasifikasi Naïve Bayes Pada Penjualan Produk Yamaha Untuk Memprediksi Perilaku Konsumen” yaitu menggunakan model standarisasi data mining dengan CRISP-DM adalah sebagai berikut [5].
1. Pemahaman Bisnis (Business Understanding)
Penelitian mengutamakan menentukan tujuan proyek dan kebutuhan secara keseluruhan dimana lingkungan business atau observasi secara keseluruhan serta menerjemahkan tujuan dan batasan dari data yang diambil dari PT Arista
Mitra Lestari Cabang Pamanukan yang menjadi masalah data mining dari menyediakan strategi pertama sampai metode yang dibutuhkan untuk mencapai tujuan.
2. Pemahaman Data (Data Understanding)
Sumber data yang digunakan dalam observasi ini adalah sumber data pokok yaitu data penjualan produk Yamaha yang diperoleh dari PT Arista Mitra Lestari Cabang Pamanukan. Data yang didapat data penjualan dari bulan Januari 2015-Juli 2016 dengan atribut No match, tgl match, Faktur cabang, No SPK, leasing, sales, Customer Name, alamat, No rangka, No mesin, DP, otr, diskon, subsidi leasing, komisi mediator, product, color.
no match tgl match Faktur cbg No SPK
leasing sales Customer Name
Alamat No rangka No
mesin
DP otr diskon Product Color
PMK-15-01-MA-0009 06 01 2015 JHR 014-019108.1 BUSSAN AUTO FINANCE ( SUBANG )
Sunimas MASNURI DSN SUKATANI 003/001 SUKATANI - COMPRENG
MH32BU002EJ157723 2BU-157731
3,400,000 14,725,000 1,800,000 X RIDE MH32BU002E Black Red PMK-15-01-MA-0015 06 01 2015 JHR 014-019163.1 ADIRA FINANCE, TBK (SUBANG)
Dani TEGUH HADI PRATAMA
TJ BARU 005/003 BLANAKAN - BLANAKAN
MH32BU002EJ164483 2BU-164485
4,150,000 14,725,000 1,600,000 X RIDE MH32BU002E Blue
PMK-15-01-MA-0030 12 01 2015 KRW 014-019203.1 Tunai Cucun Sunarto WANTIYEM DSN KEDUNGJATI 022/005 PUSAKAJAYA - PUSAKAJAYA MH350C006EK851412 50C-851559 0 17,100,000 500,000 JUPITER MX CW MH350C006E Blue PMK-15-01-MA-0014 06 01 2015 PMK 014-019158.1 BUSSAN AUTO FINANCE ( SUBANG ) Endang Sugianti ROBBY MAULANA DSN PINTU 001/002 MULYASARI - PAMANUKAN MH350C006FK903803 50C-903123 8,000,000 17,100,000 1,700,000 JUPITER MX CW MH350C006E Black Red PMK-15-01-MA-0024 09 01 2015 PMK 014-019159.1 BUSSAN AUTO FINANCE ( SUBANG ) Endang Sugianti SARTA BN WARYAN DSN RANCADAKA 12/03 RANCADAKA - PUSAKANAGARA MH31YD002EJ111905 1YD-111911 3,750,000 ###### 1,800,000 FINO SPORTY FI MH31YD002E Blue PMK-15-01-MA-0067 23 01 2015 PMK 014-019223.1 Tunai Endang Sugianti NURIDIN DSN SUKASENENG RT/RW 018/008 KEL. COMPRENG KEC. COMPRENG SUBANG MH31PA004FK849391 1PA-849668 0 ###### 350,000 VIXION (with Kick Starter) MH31PA004E Black PMK-15-01-MA-0047 16 01 2015 PMK 014-019217.1 ADIRA FINANCE, TBK (SUBANG) Endang Sugianti RAHMAT MURSALIN BIN DAMIN DSN KRAJAN RT/RW 07/03 KEL. BOBOS KEC. LEGON KULON SUBANG MH31PA004FK840584 1PA-840042 10,000,000 ###### 1,700,000 VIXION (with Kick Starter) MH31PA004E Black PMK-15-01-MA-0039 14 01 2015 PMK 014-019187.1 Tunai Endang Sugianti INDRI INDRA YANI DSN SUKAWERA 019/005 MEKARJAYA - COMPRENG MH32BU002FJ183568 2BU-183574
0 14,725,000 300,000 X RIDE MH32BU002E White PMK-15-01-MA-0046 15 01 2015 PMK 014-019216.1 ADIRA FINANCE, TBK (SUBANG) Endang Sugianti JOHAN WAHYUDI B NATA QQ FATMAH AULIA DSN KEBONJAYA RT/RW 01/01 KEL. MUNDUSARI KEC. PUSAKANAGARA SUBANG
MH32BU002FJ184213 2BU-184221
3,750,000 14,725,000 1,600,000 X RIDE MH32BU002E Blue
PMK-15-01-MA-0056 20 01 2015 PMK 014-019222.1 Tunai Endang Sugianti YOGI RAMADAN DSN PANGUNGSEN RT/RW 020/005 CIASEM GIRANG KEC. CIASEM SUBANG
MH32BU002FJ183887 2BU-183895
0 14,725,000 425,000 X RIDE MH32BU002E Blue
PMK-15-01-MA-0032 12 01 2015 PMK 014-019186.1 ADIRA FINANCE, TBK (SUBANG) Endang Sugianti ACE RAMDANA QQ TIA KHOLIFAH DSN BUGEL 011/003 MUNDUSARI - PUSAKANAGARA MH345P005FK295782 45P-305815
5,500,000 21,150,000 1,800,000 BYSON MH345P005E White
PMK-15-01-MA-0013 06 01 2015 PMK 014-019157.1 ADIRA FINANCE, TBK (SUBANG) Endang Sugianti
IIS ISTIKOMAH DSN KARANGANYAR 018/003 KEBONDANAS - PUSAKAJAYA MH32SV002EK202401 2SV-202551 5,000,000 16,100,000 1,800,000 GT 125 Garuda MH32SV002E Black
Tabel 0.2 Keterangan Atribut Data Penjualan PT Arista Mitra Lestari
Atribut Keterangan
No match Atribut ini menginformasikan tentang nomor penjualan. Tgl match Atribut ini menginformasikan tentang tanggalpenjualan. Kota Atribut ini menginformasikan tentang lokasi kota konsumen. No SPK Atribut ini menginformasikan tentang nomor Surat Pembelian
Konsumen
Leasing Atribut ini berisi tentang Kantor yang mengurus pembelian kredit yang dilakukan oleh konsumen.
Sales Atribut ini menginformasikan tentang Nama-nama sales.
Customer Name Atribut ini menginformasikan daftar konsumen yang membeli produk Yamaha.
Alamat Atribut ini berisi tentang informasi alamat kecamatan konsumen. No Rangka Atribut ini menginformasikan tentang nomor rangka kendaraan. No Mesin Atribut ini menginformasikan tentang nomor mesin kendaraan. DP Atribut berisi tentang uang muka dari konsumen untuk membeli
produk Yamaha secara kredit.
OTR Atribut ini berisi tentang biaya on the road kendaraan.
Diskon Atribut ini berisi tentang potongan harga dengan syarat dan ketentuan berlaku.
Product Atribut ini berisi daftar produk Yamaha yang dibeli oleh konsumen
Color Atribut ini berisi tentang Color kendaraan yang dipilih oleh konsumen.
3. Pengolahan Data (Data Preparation)
Pada tahapan pengolahan data ini diprosses ketahap pemilihan atribut data yang digunakan dan pembersihan atribut yang tidak diperlukan serta pembagian data menjadi dua kelompok, yaitu data training dan data testing yang akan diimplementasikan pada analisis pembahasan di BAB IV.
2. Pemodelan (Modelling)
Metode yang digunakan dalam penelitian penulis yaitu algorithm Naïve Bayes untuk melakukan keakurasian mode data dengan menggunakan implementasi pada tools WEKA dan pemrograman PHP. Berikut ini adalah diagram pemodelan penelitian.
Gambar 0.1 Diagram Pemodelan Penelitian
Keterangan gambar :
Processing Dataset Baru Dataset
Processing
Algoritma Naïve Bayes
Data Training
Evaluasi WEKA
Data Testing
a. Dataset yang dimaksud yaitu data awal yang baru diambil dari sumber data yang berasal dari PT Arista Mitra Lestari Cabang Pamanukan.
b. Dataset baru di sini adalah dataset yang telah melalui mode data cleaning yang diterapkan untuk menambah isi atribut yang hilang atau kosong dan mengubah data yang tidak konsisten.
c. Dataset training tersebut menjelaskan dataset yang akan digunakan adalah klasifikasi Naïve Bayes dalam menghitung prediksi dalam bentuk peluang untuk membentuk sebuah model classifier penentuan penjualan produk Yamaha yang sangat diminati dimata konsumen khususnya daerah Pamanukan.
d. Dataset Testing menjelaskan dataset yang akan digunakan yaitu dataset training yang diolah dalam mengukur sejauh mana pemodelan dari status penjualan produk Yamaha yang dibuat akan berhasil mengukur tingkat keakurasian dari klasifikasi yang dilakukan. Maka dari itu, data yang terdapat pada dataset testing seharusnya tidak boleh ada pada training set sehingga dapat diketahui apakah model klasifikasi penjualan produk Yamaha.
e. Hasil probabilitas naïve bayes adalah hasil dari proses databaru dengan menggunakan metode naïve bayes yang dibangun dalam program PHP.
3. Evaluasi (Evaluation)
Evaluasi dilakukan dengan memliki goal agar memiliki hasil ditahapan pemodelan sesuai dengan target yang ingin dicapai dalam tahapan business understanding.
a. Evaluasi Hasil (Evaluation Results)
Tahapan evaluasi untuk menilai sejauh apa hasil pemodelan data mining dalam memenuhi tujuan data mining yang telah ditentukan pada tahapan business understanding.
b. Pengecekan Ulang Mode (Review Process)
Tahapan ini penulis pastikan bahwa semua tahapan yang telah dilakukan dalam pengolahan data yang tidak ada yang dilewatkan.
c. Menentukan Langkah Selanjutnya (Determine Next Steps)
Dalam tahapan tersebut digunakan untuk menentukan langkah berikutnya yang akan dilewati. Terdapat 2 pilihan yaitu kembali pada ke tahapan awal maupun melanjutkan ke tahap akhir.