PERBANDINGAN
IMPLEMENTASI DATA MINING PADA PERUSAHAAN
(Studi kasus pada PT. Indomarco Palembang, CV. Sinar Harapan
Semarang, CV. Terang Jaya)
Riza Adrianti Supono
PROGRAM STUDI MAGISTER MANAJEMEN SISTEM INFORMASI
UNIVERSITAS GUNADARMA JAKARTA
ii
Abstrak
Perusahaan adalah suatu organisasi produksi yang menggunakan dan mengkoordinir sumber-sumber ekonomi untuk memuaskan kebutuhan dengan cara yang menguntungkan (Swasth & Sukotjo, 2012). Supaya suatu perusahaan dapat mengkoordinir sumber dengan benar dan mendapatkan keuntungan yang sesuai target maka diperlukannya analisis dengan mengimplementasikan ilmu data mining. Data mining sangat membantu dalam memberikan rekomendasi baik dari sisi pengguna ataupun pembuat. Dengan dibatasi pada beberapa metode data mining yang diimplementasikan pada perusahaan dan melihat manfaatnya, dan memmpunyai tujuan untuk mengetahui implementasi data mining pada perusahaan dengan beberapa metode dan mengetahui manfaatnya.
Dengan melihat contoh kasus pada 3 perusahaan yang diambil, Implementasi data mining sangat membantu perusahaan dalam kepentingan perbaikan pelayanan, mempercepat pemrosesan data, mengubah data yang tidak diolah menjadi informasi yang sangat berguna.
iii
DAFTAR ISI
HALAMAN JUDUL i
ABSTRAK ii
DAFTAR ISI iii
1. PENDAHULUAN 1 1.1. Latar Belakang ………... 1 1.2. Rumusan Masalah ………... 1 1.3. Batasan Masalah ………... 2 1.4. Tujuan ………... 2 2. TINJAUAN PUSTAKA ………. 3
2.1. Implementasi Data Mining pada penjualan TP. Indomarco Palembang menggunakan Metde Clustering ……….. 3 2.1.1. PT. Indomarco Palembang ………...………. 3
2.1.2. Metode Clustering ……….. 4
2.1.3. Manfaat ……….. 4
2.2. Implementasi Data Mining untuk mengentahui tingkat kekuatan beton yang dihasilkan dengan metode Estimasi menggunakan Linear Regression ………….. 5 2.2.1. CV. Sinar Harapan Semarang ……….. 5
2.2.2. Metode Linear Regression ……… 5
2.2.3. Manfaat ……….. 6
2.3. Implementasi Data Mining untuk Menentukan Penjualan Sparepart Toyota Dengan Metode K-Means Clustering ……… 6
2.3.1. CV. Terang Jaya ………. 6
2.3.2. Metode K-Means Clustering ……… 7
iv
3. KESIMPULAN ……….. 8
1
BAB 1. PENDAHULUAN
1.1. Latar Belakang
Saat ini, suatu perusahaan memiliki data dalam jumlah yang besar. Data tersebut digunakan untuk tujuan tertentu, misalnya evaluasi ataupun membantu keputusan. Dengan cepatnya perkembangan teknologi informasi yang beradaptasi sesuai kebutuhan manusia di era saat ini. Ini juga berdampak pada berbagai aspek, seperti menerapkan penggunaan data mining. Data mining juga disebut sebagai serangkaian proses untuk menggali nilai tambah berupa pengetahuan yang selama ini tidak diketahui secara manual dari suatu kumpulan data (Pramudiono, 2007).
Dengan menggunakan perangkat lunak untuk mencari pola dalam kumpulan data besar, suatu perusahaan dapat belajar lebih banyak tentang pelanggan mereka untuk mengembangkan strategi pemasaran yang lebih efektif, meningkatkan penjualan, dan mengurangi biaya. Data mining tergantung pada pengumpulan, penyimpanan, dan pemrosesan data yang efektif dengan komputer. Data mining sering diadopsi oleh perusahaan skala besar untuk membantu pemasaran dan pengembangan produk.
Perusahaan adalah suatu organisasi produksi yang menggunakan dan mengkoordinir sumber-sumber ekonomi untuk memuaskan kebutuhan dengan cara yang menguntungkan (Swasth & Sukotjo, 2012). Supaya suatu perusahaan dapat mengkoordinir sumber dengan benar dan mendapatkan keuntungan yang sesuai target maka diperlukannya analisis dengan mengimplementasikan ilmu data mining. Data mining sangat membantu dalam memberikan rekomendasi baik dari sisi pengguna ataupun pembuat.
1.2. Rumusan Masalah
Berdasarkan latar belakang di atas, maka rumusan masalah dalam penulisan makalah ini adalah bagaimana implementasi data mining pada perusahaan.
2
1.3. Batasan Masalah
Berdasarkan rumusan masalah di atas, batasan masalah yang akan ditentukan adalah beberapa metode data mining yang diimplementasikan pada perusahaan dan melihat manfaatnya.
1.4. Tujuan
Tujuan dari makalah ini adalah dapat mengetahui implementasi data mining pada perusahaan dengan beberapa metode dan mengetahui manfaatnya.
3
BAB 2. TINJAUAN PUSTAKA
2.1. Implementasi Data Mining pada Penjualan PT. Indomarco
Palembang Menggunakan Metode Clustering
2.1.1. PT. Indomarco Palembang
Dalam dunia bisnis yang selalu dinamis dan penuh persaingan para pelakunya harus selalu memikirkan cara-cara untuk terus bertahan dan jika mungkin mengembangkan skala bisnis mereka. Untuk mencapai hal itu, ada tiga kebutuhan bisnis yang dapat dilakukan, yaitu penambahan jenis maupun peningkatan kapasitas produk, pengurangan biaya operasional perusahaan, dan peningkatan efektivitas pemasaran serta keuntungan. Agar bisa memenuhi kebutuhan-kebutuhan bisnis di atas banyak cara yang dapat ditempuh salah satunya adalah dengan melakukan analisis data perusahaan. PT. Indomarco Palembang merupakan perusahaan yang bergerak dalam bidang distribusi makanan dan minuman. Tidak hanya PT. Indomarco Palembang, masih cukup banyak perusahaan-perusahaan lain yang bergerak di bidang yang sama. Hal tersebut tentu saja menimbulkan persaingan bisnis antar perusahaan.
PT. Indomarco menjual makanan dan minuman ke mitra-mitra yang sudah terjalin kerja sama dengan PT. Indomarco. Salah satu mitra yang dibahas pada kasus ini adalah PT. Indomaret cabang Palembang. Perusahaan ingin mengetahui jumlah penjualan makanan dan minuman pada masing-masing toko Indomaret dengan melihat tren penjualan pada toko Indomaret PT. Indomarco dapat memperoleh analisa data penjualan yang paling banyak diminati masyarakat terhadap penjualan makanan dan minuman. Data penjualan yang sudah ada akan diolah atau dianalisis untuk mengetahui tingkat kecenderungan konsumen di setiap tempat tujuan pemasaran produk pada faktor ketertarikannya. Dari pengolahan data tersebut akan diperoleh suatu pola konsumsi masyarakat terhadap produk dari perusahaan tersebut.
4 2.1.2. Metode Clustering
Metode yang digunakan untuk penerapan data mining ini adalah metode clustering. Secara garis besar metode clustering dibagi dalam 2 tipe yaitu : hierarchical dan non hierarchical. Hierarchical menggunakan N x N similarity matrix, sedangkan non hierarchical membagi data set menjadi sebuah level single partisi, dengan atau tanpa pencocokan antara kluster. Selain itu hal mendasar yang membedakan kedua metode ini adalah : metode pengelompokan hierarki digunakan apabila belum ada informasi jumlah kelompok, sedangkan metode pengelompokan non hierarki bertujuan mengelompokkan n objek ke dalam k kelompok (k<n). Andi (2009 : 27). Berdasarkan data yang didapat dari PT. Indomarco tentang penjualan makanan dan minuman yang tersebar di beberapa Indomaret di wilayah Sumatera selatan maka data dikelompokkan menjadi 4 kelas, dan hasil dari proses clustering berupa grafik batang yang dapat memberikan informasi untuk pengambilan keputusan tentang penjualan makanan dan minuman.
2.1.3. Manfaat
Setelah melakukan proses data mining, PT. Indomarco mendapatkan banyak manfaat dari data yang telah diolah yaitu:
A. Penerapan Data Mining dengan menggunakan aplikasi yang dibangun dapat membantu PT. Indomarco sebagai gambaran bagi pengambilan keputusan perusahaan dalam rangka mendapatkan pola penjualan produk.
B. Pengolahan data yang dilakukan dapat menghasilkan informasi yang cukup untuk dapat di analisa lebih lanjut.
C. Aplikasi data mining yang dibangun dapat mengurangi penumpukan data yang kurang dimanfaatkan sebelumnya.
5
2.2. Implementasi Data Mining untuk Mengetahui Tingkat
Kekuatan Beton yang Dihasilkan dengan Metode Estimasi
Menggunakan Linear Regression
2.2.1. CV. Sinar Harapan Semarang
CV. Sinar Harapan Semarang merupakan salah satu perusahaan yang bergerak dibidang pembangunan atau teknik sipil. Dimana dalam dunia teknik sipil sekarang berkembang sangat pesat. Oleh karena itu setiap perusahaan harus memiliki strategi dalam menentukan kualitas produk yang dihasilkannya. Salah satunya dalam bagaimana mengembangkan informasi yang sudah ada menjadi informasi yang lebih berguna. Tapi di dalam perusahaan biasanya informasi yang dibutuhkan tidak sesuai dengan harapan atau kurang memadai dalam hal penyajian informasi yang dibutuhkan. Dengan kemampuan teknologi informasi untuk mengumpulkan data dan informasi saat ini sedang gencar untuk digali data tersebut untuk mendapatkan sebuah informasi yang cepat dan akurat tentunya sesuai harapan yang diinginkan oleh yang membutuhkan informasi tersebut.
2.2.2. Metode Linear Regression
Linear Regression ini diasumsikan bahwa terdapat hubungan antara variable yang ingin diramalkan (variabel tak bebas) dengan variabel lain (variabel bebas). Selanjutnya peramalan ini didasarkan pada asumsi bahwa pola pertumbuhan data historis yang bersifat linier, walaupun sebenarnya tidak 100% linier. Pola pertumbuhan ini didekati dengan suatu model yang menggambarkan hubungan-hubungan yang terkait dalam suatu keadaan. Metode Linear Regression itu sendiri merupakan metode yang cukup populer dan biasanya digunakan untuk menemukan persamaan dari sebuah data yang dimana data tersebut saling berhubungan antara variabel satu dengan variabel yang lain dalam satu database yang cukup besar.
Informasi yang dihasilkan dari data mining dengan metode Linear Regression ini sendiri juga bisa dijadikan sebagai dasar untuk pengambilan keputusan. Metode data mining ini biasanya dipakai dalam data perhitungan sebuah waktu yang dibutuhkan seseorang untuk mengantar pizza kepada konsumennya, yang nantinya akan menunjukkan jarak yang akan ditempuh oleh pengantar pizza itu , jumlah pesanan yang dipesan oleh konsumen dan juga banyaknya lampu lalulintas yang akan dilewatinya. Metode ini jika diaplikasikan pada
6
aplikasi data mining perhitungan kekuatan beton yang nantinya akan dihasilkan dengan berdasarkan bahan baku yang nantinya akan digunakan. Jadi misalnya kita memilik semen, air dan juga batu kecil yang nanti kita pakai, sehingga nantinya dengan menggunakan teknik data mining ini akan dapat menghasilkan persamaan yang nantinya bisa kita gunakan untuk menghitung ketahanan atau kekuatan beton yang telah kita buat oleh CV. Sinar Harapan Semarang.
2.2.3. Manfaat
Dengan implementasi data mining pada aplikasi perhitungan kekuatan beton dapat membantu saat pembangunan maka akan memudahkan pihak CV. Sinar Harapan Semarang dalam meningkatkan kualitas beton yang bagus dan memiliki ketahanan yang kuat. Sehingga akan bisa mengetahui hasilnya sesuai dengan rencana.
Penggunaan metode Linear Regression sangat baik untuk pemecahan kasus perhitungan kekuatan beton yang akan dihasilkan berdasarkan komponen yang digunakan. Hal ini menjadikan Linear Regression menjadi alternatif lain sebagai metode yang layak dijadikan acuan untuk mengembangkan model estimasi pada kasus-kasus lain. Serta dapat dikembangkan menjadi sebuah sistem pendukung
2.3. Implementasi Data Mining untuk Menentukan Penjualan Sparepart Toyota Dengan Metode K-Means Clustering
2.3.1. CV. Terang Jaya
Semakin berkembangnya persaingan dalam dunia bisnis khususnya dalam industri penjualan sparepart mobil dan jasa servis menuntut para pengembang untuk menemukan suatu pola yang dapat meningkatkan penjualan dan pemasaran barang di perusahaan, salah satunya adalah dengan pemanfaatan data transaksi. Penggunaan sistem informasi dalam persaingan yang ketat dalam suatu perusahaan dengan perusahaan yang lain merupakan salah satu masalah yang datang dari luar perusahaan.
CV. Terang Jaya merupakan perusahaan yang bergerak dalam bidang Otomotif yang melayani pembelian, penjualan sparepart mobil serta memberikan servis untuk berbagai merek mobil. Namun demikian CV. Terang Jaya kurang dalam peninjauan produk yang dijual, produk-produk apa saja yang dibutuhkan konsumen dan penyimpanan data-data kurang
7
efektif. Dengan demikian perlu adanya suatu sistem yang dapat mendukung perusahaan dalam mengambil keputusan secara cepat dan juga tepat. Dalam hal ini analisa yang digunakan untuk mengatasi permasalahan tersebut dengan menggunakan penerapan Clustering dengan menggunakan algoritma K-Means.
2.3.2. Metode K-Means Clustering
K-Means untuk mengelompokkan data kategorial hingga menghasilkan klaster yang lebih stabil. Algoritma K-means Clustering adalah suatu metode penganalisan data atau metode data mining yang melakukan proses pemodelan tanpa supervisi (unsupervised) dan merupakan salah satu metode yang melakukan pengelompokan data dengan sistem partisi.
Metode K-Means berusaha mengelompokkan data yang ada ke dalam beberapa kelompok, dimana data dalam satu kelompok mempunyai karakteristik yang sama satu sama lainnya dan mempunyai karakteristik yang berbeda dengan data yang ada di dalam kelompok yang lain. Data yang di dapat dari CV. Terang Jaya adalah data penjualan sebanyak 50 data lalu dibentuk menjadi 3 kluster.
2.3.3. Manfaat
Setelah melakukan proses data mining, CV. Terang Jaya mendapatkan banyak manfaat dari data yang telah diolah yaitu:
A. Dengan adanya pengelompokan data ini, pihak perusahaan dapat mengetahui barang paling laris, laris dan tidak laris. Sehingga barang yang ada digudang tidak menumpuk.
B. Dari penelitian ini output yang dihasilkan yaitu, barang paling laris sebanyak 8, barang yang laris sebanyak 26 dan kurang laris sebanyak 16.
C. Dengan adanya pengolahan data yang dilakukan diharapkan dapat memberikan solusi kepada pihak perusahaan agar dapat mengetahui mana barang yang paling laris, laris dan mana barang yang tidak laris.
8
BAB 3. KESIMPULAN
Berdasarkan pembahasan beberapa metode di atas, dapat diketahui bahwa implementasi data mining sangat membantu perusahaan dalam kepentingan perbaikan pelayanan, mempercepat pemrosesan data, mengubah data yang tidak diolah menjadi informasi yang sangat berguna. Seperti pada perusahaan PT. Indomarco dengan mengimplementasikan data mining, perusahaan tersebut dapat mengelola data untuk membantu pengambilan keputusan pola penjualan produk. Selanjutnya ada CV. Sinar Harapan Semarang mengimplementasikan data mining untuk pemecahan kasus perhitungan kekuatan beton, dengan menggunakannya dapat mempercepat dalam hal estimasi dan memberikan dukungan keputusan untuk penggunaan beton. Terakhir ada CV. Terang Jaya mengimplementasikan data mining untuk mengetahui pola penjualan dan pemasaran yang lebih efisien dan menguntungkan.
9
DAFTAR PUSTAKA
[1] Fikri, A. (2013). Penerapan Data Mining Untuk Mengetahui Tingkat Kekuatan Beton Yang Dihasilkan Dengan Metode Estimasi Menggunakan Linear Regression. Universitas Dian Nuswantoro, Semarang.
[2] Irdiansyah, E. (2010). Penerapan Data Mining pada Penjualan Produk Minuman di PT. Pepsi Cola Indobeverages Menggunakan Metode Clustering. Universitas Komputer Indonesia.
[3] Kurniawan, S., & Hidayat, T. (2007). Penerapan Data Mining dengan Metode Interpolasi untuk Memprediksi Minat Konsumen Asuransi (Studi Kasus Asuransi Metlife). Media Informatika, 5(2).
[4] Tamba, S. P., & Kesuma, F. T. (2019). Penerapan Data Mining Untuk Menentukan Penjualan Sparepart Toyota Dengan Metode K-Means Clustering. Jurnal Sistem Informasi dan Ilmu Komputer Prima (JUSIKOM PRIMA), 2(2), 67-72.
[5] Sutrisno, S., Afriyudi, A., & Widiyanto, W. (2013). Penerapan Data Mining Pada Penjualan Menggunakan Metode Clustering Study Kasus Pt. Indomarco Palembang. JURNAL MAHASISWA TI S1.
