Aplikasi Data Mining
Classification
Untuk Analisa Profil Penjualan
Notebook
Dwi Taufik Hidayat1, Darmanto2
1,2Teknik Informatika, Universitas Widya Kartika
taufikdwi17@gmail.com
Intisari— Data mining telah diaplikasikan pada berbagai aplikasi dan berbagai bidang. Pada image processing, business intelligence, kecerdasan buatan, aplikasi industri dan masih banyak yang lain. Oleh karena itu meode dalam data mining terus berkembang. Salah satu metode dalam data mining adalah metode klasifikasi menggunakan decision tree. Aplikasi ini cenderung mudah digunakan dan oleh sebab itu digunakan pada berbagai aplikasi pada perusahaan untuk membantu dalam pengambilan keputusan.
Penelitian ini menggunakan aplikasi metode data mining pada analisa profil terhadap penjualan komputer atau notebook. Dalam hal ini perusahaan membutuhkan sebuah sistem yang membantu dalam menentukan pengambilan keputusan. Hal ini terjadi karena pada saat pengambilan keputusan mengenai strategi penjualan hasilnya kurang maksimal. Penelitian ini mengaplikasikan metode klasifikasi data mining untuk melakukan analisa profil penjualan notebook. Penelitian ini menggunakan metode decision tree sebagai penentu klasifikasi. Data didapatkan dari perusahaan notebook. Hasil dari penelitian ini menggambarkan klasifikasi profil penjualan notebook pada perusahaan tersebut dalam bentuk aturan. Sehingga dengan klasifikasi ini dapat mendukung dalam pengambilan keputusan.
Keywords— klasifikasi, data mining, decision tree, analisa penjualan.
I. PENDAHULUAN
Pengambilan keputusan dalam dunia industri bagi keuntungan perusahaan haruslah tepat. Oleh karena itu dalam pengambilannya tidak serta merta tanpa memperdulikan faktor pendukung. Bentuk dukungan dalam bentuk hasil analisa juga dapat digunakan dalam pengambilan keputusan.
Perusahaan penjualan atau distributor notebook misalnya. Perusahaan membutuhkan keputusan dalam persediaan atau stok barang untuk bulan depan dan memutuskan barang mana yang harus dihentikan atau dikurangi penjualannya. Pada penelitian sebelumnya oleh victor(2012), menjelaskan mengenai kondisi suatu distributor notebook besar di Surabaya mengalami kesulitan dalam hal pengambilan keputusan tersebut dan memutuskan membangun sistem untuk membantunya.
Sebagaimana halnya penelitian yang dilakukan Ignatius bayu Santoso (2002), mengenai pentingnya sistem informasi penjualan sebagai alat penunjang keputusan pemasaran sebagai studi kasus di PT. X.
Demikian halnya penelitian mengenai sistem dengan memanfaatkan tekonologi informasi. Namun demikian semakin banyaknya record transaksi penjualan dari tahun ke tahun akan menambah data yang harus dikoleksi dan disimpan. Oleh karena itu perusahaan bidang penjualan pimpinan terkait dengan strategi pemasarannya.
Pengolahan pangkalan data dalam skala besar seperti teknik klasifikasi, klusterisasi dan asosiasi. Sehubungan dengan transaksi penjualan produk PC dan notebook yang dilakukan oleh salah satu distributor perusahaan komputer di Surabaya, yang sebagain besar menjual produk bermerek Acer dan Lenovo. Seiring dengan meningkatnya penjualan produk tersebut beserta spesifikasinya yang beragam, perusahaan perlu mengenal produk-produk mana saja yang termasuk kategori laku atau kurang laku. Data transaksi penjualan yang sangat banyak menjadi pangkalan data yang sebenarnya mengidentfikasi dan menganalisis profil transaksi penjualan produk notebook suatu perusahaan komputer X. Perusahaan ini yang bergerak sebagai distributor produk TI, yang menjual berbagai produk dari beberapa merek tertentu seperti Acer dan Lenovo, diantaranya adalah seperangkat komputer PC, notebook dan perangkat build-up lainnya.
II. MODEL, ANALISIS, DESAIN, DAN IMPLEMENTASI
Perangkat lunat aplikasi untuk menerapkan teknik klasifikasi data mining dikembangkan melalui metode daur hidup pengembangan sistem yang meliputi tahapan perencanaan, analisa, desain, uji coba dan implementasi dan penerapannya sebagaimana yang digambarkan pada gbr. 1.
a) Perencanaan
Pada tahap perencanaan mengidentifikasi kebutuhan item product beserta spesifikasi dan deskripsi produk, merek atau brands yang diminati pelanggan, harga jual dan atribut-atribut produk lainnya yang berpengaruh pada transakasi penjualan.
Dalam melakukan perencanaan dan identifikasi dibutuhkan sumber data. Berdasarkan data penelitian yang telah dilakukan (victor,2013) dapat dijadikan sebagai sumber acuan. Dalam penelitian tersebut data yang digunakan adalah data transaksi penjualan distributor notebook oleh beberapa agen penjualan perusahaan. Data yang diambil adalah data pada tahun 2011 sampai dengan data 2012.
Identifikasi kebutuhan spesifikasi produk dilakukan berdasarkan data lapangan atau hasil transaksi penjualan perusahaan. Adapun spesifikasi produk yang telah diidentifikasi terdapat 12 spesifikasi. Berdasarkan data faktur penjualan, spesifikasi produk tersebut adalah sebagai berikut : tanggal, no.inv, customer, customer ref. No, sales, brand, item, item_desc, T/NT, Qty, Unit price, price tax, rate, dan volume. dicetak dengan kertas glossy. Judul grafis dan foto harus ditulis dalam Times New Roman 10, Bold dengan spacing untuk before dan after sebesar 6 pt. Judul harus ditempatkan tepat di bawah gambar atau foto.
b) Analisa Data
Tahap analisa dilakukan identifikasi kebutuhan informasi yang meliputi data target yang mencakup data penjualan produk yang laku, cukup laku dan kurang laku. Disamping itu juga diidentifikasi pula Kriteria kinerja sistem yang diinginkan untuk mendukung pengambilan keputusan pimpinan. Pengambilan data dilakukan berdasarkan
pengamatan atau wawancara dengan pihak perusahaan. Hasilnya koleksi data akan dijadikan sebagai patokan dalam pembuaan aplikasi data mining.
Pengambilan data dilakukan dengan melakukan pengamatan serta wawancara dengan bagian dari perusahaan. Dari hasil pengamatan didapatkan data yang mencakup spesifikasi produk seperti pada tahap perencanaan. Data diambil berdasarkan nota atau faktur penjualan produk perusahaan. Hasil koleksi data terkumpul data penjualan beserta nama agen penjualan dari tahun 2011 sampai tahun 2012.
Data dilakukan rekapitulasi dalam bentuk spreadsheet agar mudah dilakukan identifikasi. Dari data rekapitulasi tersebut terkumpul data pada tahun 2011 adalah sebanyak 8318 transaksi, sedangkan pada tahun 2012 sebanyak 4167 transaksi.
Analisa terhadap data dilakukan untuk mendapatkan atribut yang digunakan dalam proses data mining terhadap klasifikasi yang dituju. Dari data transaksi yang telah diperoleh didapatkan penjelasan kriteria laku, atau tidak laku didapat dari banyaknya frekuensi item yang telah terjual. Sehingga dalam analisa data mining akan dilakukan proses pemilahan atribut data yang semula dari 12 item menjadi 5 item yang mempengaruhi sistem. Adapun item tersebut adalah sebagai berikut : customer, sales, brand, item, t/nt dan qty. Gambaran data dalam spreadsheet dapat dilihat pada gbr. 2.
Gbr. 2. Data dalam bentuk spreadsheet
Setelah didapatkan data dalam bentuk spreadsheet perlu dilakukan proses pengubahan jenis file. Jenis file yang digunakan adalah berjenis csv. File jenis ini diperlukan pada aplikasi Weka. Seperti pada terlihat gbr. 3.
2.3. Perancangan Sistem
Tahap Perancangan sistem dilakukan berdasarkan hasil analisis kebutuhan sistem yang ada. Pada tahapan ini dilakukan identifikasi konfigurasi menggunakan perangkat lunak opensource J48 yang berbasis java yang disediakan pada software Weka.
Gbr. 3. Data file jenis csv untuk proses data Weka Software Weka pada penelitian ini diinstallkan pada sistem operasi berbasis open source. Sistem operasi Debian adalah tempat sistem Weka diinstall. Pada aplikasi ini dilakukan konfigurasi awal pada saat penginstalan. Perintah penginstalan dilakukan melalui command line root dengan mengetikkan 'apt-get install weka'. Software Weka diaktifkan dengan mengetikkan perintah 'weka' untuk mengaktifkannya.
Proses konfigurasi install selesai selanjutnya pemrosesan data awal. Data sebelum diproses terlebih dahulu harus diubah dalam bentuk file csv. Adapun file csv dapat dilihat pada gbr. 3. Setelah memasukkan data, konfigurasi dapat dilakukan ke tahapan pemilihan algoritma yang dipilih. Adapun proses awal weka adalah proses memasukkan data dapat dilihat pada gbr.4. Setelah itu untuk analisa dan visualisasi data hasil memasukkan data dapat dilihat pada gbr. 5.
Gbr.4. Awal masuk weka dengan menginputkan file data
Gbr. 5. Visualisasi Data
III. SKENARIO UJI COBA
Penggunaan aplikasi Weka diperlukan untuk mengolah menjadi bentuk tree/pohon klasifikasi. Setelah klasifikasi terbentuk. Data pada multi tahun adalah data penjualan produk notebook. Untuk keamanan data perusahaan, maka penelitian ini hanya diberikan 2 tahun dan 1 tahun data uji.
Data pada tahun 2011 dan data tahun 2012 untuk penjualan notebook digunakan untuk data training. Training data dilakukan dengan aplikasi Weka. Dengan menghasilkan klasifikasi tertentu dalam bentuk struktur pohon.
Setelah dilakukan training, data diujicobakan dalam sistem berbasis php. Untuk melakukan uji aturan yang terbentuk.
IV. HASIL UJI COBA
Hasil uji coba setelah dilakukan uji coba pada sistem pendukung keputusan mampu membuat klasifikasi. Pada data uji penjualan notebook, diujicobakan pada aturan yang diterapkan untuk dengan membangun aplikasi sistem pendukung keputusan(gbr. 6).
Analisa Penjualan notebook Lenovo PT. Visiland Dharma Sarana di Jawa Timur dan Bali ini mempunyai beberapa manfaat sebagai berikut :
a. Membantu Direksi atau Management untuk menentukan tipe produk apa yang membutuhkan konsentrasi penetrasi lebih dalam lagi (slow) dan tipe produk apa yang telah tergolong fast moving(penjualan laku terjual dengan cepat).
b. Memudahkan administrator untuk memanage data yang ada mulai dari menambahkan data baru, menganalisa ulang, maupun melihat hasil analisa data yang telah terupdate.
Gbr. 6. Sistem Pendukung Keputusan Decision Tree System
V. PENUTUP
Penggunaan data mining dalam menentukan analisa penjualan pada perusahaan notebook dapat dilakukan. Penggunaan decision tree, cukup berhasil memetakkan penjualan dengan kategori penjualan dengan lambat daya jualnya atau cepat daya jualnya. Namun aplikasi ini masih tergolong sebatas analisa, akan lebih baik diberikan tambahan berupa forecasting penjualan. Hal ini akan sangat membantu pihak direksi dalam pengambilan keputusan.
REFERENSI
[1] Kantardzic, Mehmed, Data Mining Concept, Models, Methods, and Algorithms. Louisvile: A John Wiley & Sons, Inc., 2002.
[2] Victor Adinugraha, TB, “Sistem Pendukung Keputusan dengan metode Dicision Tree Pada Analisa Penjualan Notebook Lenovo PT. Visiland Dharma Sarana Di Jawa timur dan Bali“. Surabaya: Universitas Widyakartika, 2013.
[3] Ignatius Bayu, P. dan Toto S., “Pengembangan Sistem Informasi Penjualan Sebagai Alat Penunjang Keputusan Pemasaran (Studi Kasus di PT. X)”. Jurnal Ekonomi dan Bisnis No 2. Jilid 7, 2002.
[4] Fabricio Voznika., dan Leonardo Viana. (2007) Data Mining Classification[online]. Available:
http://courses.cs.washington.edu/courses/csep521/07wi/pr j/leonardo_fabricio.p>.
[5] Turban, Aronson, and Liang, Decision Support Systems and Intelligent Systems, 7th Edition. Prentice Hall, 2005.
