Penerapan Algoritma Asosiasi dengan Metode Apriori Untuk Strategi Meningkatkan Hasil Penjualan Spare Part Motor
Entin Sutinah1,*, Nani Agustina2
1Teknik dan Informatika, Sistem Informasi, Universitas Bina Sarana Informatika, Jakarta, Indonesia
2Teknik dan Informatika, Sistem Informasi Akuntansi, Universitas Bina Sarana Informatika, Jakarta, Indonesia Email: 1,*[email protected], 2[email protected]
Email Penulis Korespondensi: [email protected]
Abstrak−Transaksi penjualan dalam kehidupan sehari-hari sudah sangat umum hal itu terjadi, namun dalam bisnis penjualan harus memiliki strategi dalam meningkatkan hasil penjualan secara optimal. Penelitian ini dilakukan pada PD. Tri jaya Motor, dimana perusahaan dagang ini bergerak dibidang usaha perdagangan spare part motor untuk semua jenis motor, baik motor Honda, Yamaha, Kawasaki dan lain sebagainya. Saat ini PD. Tri Jaya motor berkeinginan membuat strategi untuk meningkatkan hasil penjualan, akan tetapi permasalahannya PD.Tri jaya motor masih belum mendapatkan cara yang tepat dan efektif, salah satunya dalam penyusunan barang-barang masih belum memiliki pola penempatan yang tepat, sehingga barang yang seharusnya berdekatan namun ini disimpan berjauhan,untuk menyelesaikan permasalahan tersebut diperlukan suatu metode maka dari itu metode yang digunakan dalam penelitian ini yaitu Algoritma asosiasi dengan metode apriori untuk menganalisa data transaksi penjualan spare part motor, dimana dalam penelitian ini mengambil data transaksi penjualan spare part motor dalam satu tahun. Tujuan penelitian ini untuk mengetahui barang-barang mana saja yang dibeli oleh konsumen secara bersamaan sehingga dari informasi tersebut dapat digunakan untuk membuat strategi penjualan salah satunya dengan menyusun barang ber deketan antara barang-barang yang dibeli konsumen secara bersamaan. Hasil dari penelitian ini diketahui bahwa ketika membeli kebel kilometer maka 86% akan membeli kabel rem dengan nilai support 30% dan confidence 70%.
Dengan diketahuinya produk-produk yang banyak dibeli dan keterkaitan antar barang satu dengan yang lainnya, sehingga perusahaan dapat menyusun strategi dengan menambah persediaan barang tersebut untuk PD. Tri Jaya Motor.
Kata Kunci: Spare Part Motor; Algoritma; Apriori; Asosiasi
Abstract−Sales transactions in everyday life are very common, but in the sales business you must have a strategy to increase sales results optimally. This research was conducted on PD. Tri Jaya Motor, where this trading company is engaged in trading motorcycle spare parts for all types of motorcycles, both Honda, Yamaha, Kawasaki and so on. Currently PD. Tri Jaya Motor wants to make a strategy to increase sales results, but the problem is that PD. Tri Jaya Motor still doesn't get the right an d effective way, one of which is in the preparation of goods that still don't have the right placement pattern, so the items that should be close together, but this stored far apart, to solve these problems a method is needed, therefore the method used in this study is the association algorithm with the a priori method to analyze motorcycle spare part sales transaction data, which in this study takes motorcycle spare part sales transaction data in one year. The purpose of this study is to find out which items are purchased by consumers simultaneously so that from this information it can be used to make sales strategies, one of which is by arranging items that are close to the items purchased by consumers simultaneously. The results of this study show that when buying a kilometer cable, 86% will buy a brake cable with a support value of 30% and 70% confidence. By knowing the products that are purchased a lot and the interrelationships between goods with one another, so the company can develop a strategy by increasing the inventory of these goods for PD. Tri Jaya Motor.
Keywords: Motor Spare Parts; Algorithm; Apriori; Association
1. PENDAHULUAN
Persaingan dalam dunia bisnis perdagangan saat ini cukup ketat dan semakin terbuka diiringi dengan permintaan konsumen yang tinggi serta teknologi informasi semakin berkembang pesat. Para pelaku bisnis saat ini harus mampu bersaing dimana perubahan pasar yang begitu cepat, kompetitif dan berorientasi pada kebutuhan konsumen, sehingga harus mampu menciptakan strategi-strategi untuk keberlangsungan bisnis yang dijalani [1].
Hukum ekonomi semakin tinggi permintaan atas suatu barang maka akan semakin tinggi penawaran yang dilakukan, dari kondisi fenomena inilah yang akan dijadikan sebagai suatu strategi dalam mempertahankan kelangsungan bisnis yang dijalankan [2]. Dalam menentukan strategi pemasaran salah satunya adalah mencari hubungan kesamaan dari beberapa item produk [3]. Lingkungan bisnis memberikan andil dalam pengaruh pada kebutuhan masyarakat sehingga memberi pengaruh terhadap permintaan masyarakat serta penawaran-penawaran yang ditawarkan para pelaku bisnis [2].
Data mining dapat digunakan di banyak tempat serta dalam bidang penerapannya juga bisa bermacam- macam, data mining juga dapat mempelajari faktor-faktor yang dapat dijadikan sebagai sasaran serta ketepatan dalam pembelian produk yang dilakukan konsumen [4]. beberapa hal yang harus diperhatikan pada usaha yang bergerak dibidang penjualan yaitu kebijaksanaan penjualan, kualitas produk, harga yang ditawarkan, distribusi tepat sasaran serta promosi-promosi yang diberikan, dengan demikian hal tersebut sebagai penunjang tercapainya keberhasilan dan tujuan sehingga mampu mempertahankan kelangsungan jalannya usaha [5]. PD. Tri Jaya motor bergerak dalam bidang usaha perdagangan spare part motor untuk semua jenis motor, saat ini PD. Tri Jaya motor menginginkan untuk menentukan strategi dalam meningkatkan hasil penjualan. Selain dari permasalahan- permasalahan tersebut yang menjadi latar belakang dalam penelitian ini yaitu persaingan pada dunia bisnis yang menuntut pemilik usaha untuk menemukan suatu pola yang dapat meningkatkan penjualan dan pemasaran barang,
potensi Informasi yang tersembunyi dimana kumpulan data tersebut bisa diolah untuk menghasilkan informasi yang bisa digunakan untuk pengambilan suatu keputusan dan untuk memperoleh pengetahuan dengan memanfaatkan data yang ada dengan jumlah data transaksi penjualan yang semakin besar jika tidak dimanfaatkan sebaik mungkin maka hanya menjadi data yang tersimpan di Gudang data sehingga menjadi tidak efektif.
Beberapa penelitian terkait yang telah menggunakan metode asosiasi diantaranya : dalam usaha penjualan atau usaha ritel biasa terjadi masalah salah satunya adalah stok menumpuk, jika hal ini dibiarkan bisa memberikan dampak kerugian pengusaha ritel, untuk mengatasi hal tersebut perlu dilakukan strategi yang tepat, salah satunya yaitu merancang program dengan pendekatan algoritma apriori, sehingga dihasilkan berupa keterkaitan antara satu produk dengan produk lainnya yang dapat digunakan sebagai pendukung dalam melakukan strategi penjualan, Dengan demikian, penelitian ini menerapkan data mining dengan algoritma apriori untuk mencari informasi yang berharga berupa pola pembelian barang oleh konsumen dengan memanfaatkan tumpukan data transaksi penjualan[6]. PT. Rotella Persada Mandiri dalam melakukan promo yang dilakukan hanya pada event-event besar saja dirasa kurang maksimal dan hal tersebut dapat berdampak kurang berkembangnya perusahaan, maka dari itu perlunya usaha-usaha atau langkah nyata agar dapat mencapai target yang diharapkan yaitu meningkatnya volume penjualan. salah satunya yaitu dengan melakukan promo yang bervariasi dan tepat sasaran salah satunya yaitu memberikan promo produk yang sering laku dipasaran, membuat paket promo dengan menggabungkan produk laku dengan yang tidak laku, selanjutnya menggunakan analisis data yang dapat digunakan yaitu metode apriori dimana metode ini dianggap mampu melakukan kombinasi dari setiap jenis barang sehingga bisa diambil kesimpulan mengenai barang yang kurang laku, sangat laku dan cukup laku dan data tersebut dapat digabungkan [7]. Promo gabungan bisa dijalankan sebagai salah satu strategi meningkatkan hasil penjualan, misalnya menggabungkan barang yang laku dengan yang kurang laku, membuat promo paket spare part motor Honda, sehingga menghasilkan keseimbangan penjualan dari beberapa jenis spare part motor. Berdasarkan hal tersebut maka dalam kasus ini dibahas mengenai bagaimana menerapkan promo yang tepat sasaran sehingga dapat mendongkrak hasil penjualan spare part motor Honda [7].
Toko Buku Gramedia merupakan suatu usaha yang bergerak dibidang ritel, dimana dalam usaha ini dibutuhkan suatu strategi penjualan dengan memanfaatkan data transaksi penjualan serta dengan melakukan analisa perilaku konsumen dalam melakukan pembelian buku, untuk melakukan analisa penjualan buku yang selalu sering dijual secara bersamaan dapat menggunakan metode asosiasi untuk menemukan aturan asosiasi suatu kombinasi item, sehingga pola yang dihasilkan dapat digunakan untuk menentukan strategi penjualan[8].
Proses kegiatan penjualan di supermarket berjalan terus dan data yang dihasilkan juga semakin banyak dan terus bertambah. Data akan menjadi tidak berguna jika dibiarkan saja padahal data-data tersebut dapat digunakan untuk Menyusun produk yang paling banyak laku dijual untuk nantinya diletakan di tempat yang paling mudah dicari dan produk yang sering dibeli secara bersamaan maka diletakan secara berdekatan. Unit maka perlu sebuah algoritma apriori untuk dapat membantu dalam mengambil keputusan dimasa yang akan datang [9].
Kemajuan dibidang teknologi yang sangat pesat salah satunya adalah komputer. Penggunaan komputer saat ini sangat membantu manusia dalam menyelesaikan masalah yang dihadapi dan membantu menyelesaikan pekerjaan yang dilakukan. Internet juga bukan hal asing di telinga masyarakat karena sudah mengerti bagaimana mengakses dan penggunaannya. Dari pengetahuan internet ini masyarakat jadi bisa berkomunikasi keseluruh dunia, mencari informasi yang aktual bahkan sampai dapat melakukan belanja dengan dengan secara online yang kita biasa kenal dengan istilah e-commerce [10]. Market basket analysis merupakan salah satu cara yang bisa digunakan dalam menganalisis suatu data penjualan yang ada di suatu perusahaan. Hasil yang telah didapatkan ini nantinya dapat dimanfaatkan oleh perusahaan retail seperti toko atau hypermarket untuk mengembangkan strategi pemasaran dengan melihat barang mana saja yang sering dibeli secara bersamaan oleh konsumen [11].
Berdasarkan penelitian-penelitian sebelumnya didapat perbedaan dengan penelitian yang penulis lakukan yaitu penelitian sebelumnya hanya menggunakan algoritma apriori saja tanpa digunakan software lain sebagai alat uji.
Tujuan dari penelitian ini melakukan analisis data pola penjualan spare part motor dalam satu tahun, untuk mengetahui barang-barang mana saja yang dibeli oleh customer secara bersamaan, analisis data tersebut menggunakan algoritma apriori dengan alat uji berupa software tanagra, diharapkan dari penelitian ini mendapatkan informasi yang dapat digunakan untuk membuat strategi penjualan, sehingga penjualan spare part motor dapat dilakukan secara optimal.
2. METODOLOGI PENELITIAN
Metode penelitian diartikan sebagai cara atau langkah ilmiah untuk mendapatkan sebuah data dengan tujuan dan kegunaan tertentu [12]. Dalam metode penelitian dibutuhkan adanya tahapan rancangan penelitian meliputi prosedur atau langkah-langkah yang harus ditempuh, waktu pelaksanaan penelitian, sumber data yang akan menjadi objek penelitian, serta bagaimana data tersebut diperoleh, diolah dan dilakukan analisa [13]. Dalam metodologi pada penelitian ini menggunakan algoritma apriori, dimana algoritma apriori ini sebuah algoritma yang sangat sesuai dalam menemukan pole frekuensi tinggi [14]. Algoritma apriori merupakan salah satu bagian dari algoritma klasik data mining, algoritma ini digunakan agar komputer bisa mempelajari aturan asosiasi, mencari pola hubungan antar satu item set dengan item set lainya di dalam satu dataset [15].
2.1. Tahapan Penelitian
Penelitian ini menggunakan algoritma apriori pada itemset dengan melihat data berdasarkan jumlah penjualan spart part terbanyak pada penjualan selama 1 tahun. Berdasarkan Gambar 1, tahapan yang dilakukan dapat dijelaskan seperti berikut ini:
a. Mendeskripsikan Masalah
Tahapan ini dilakukan dengan mendefinisikan batasan masalah yang mau diambil, sehingga dapat membantu mendapatkan solusi yang terbaik dari masalah yang terjadi. Tahapan ini menjadi langkah awal yang sangat penting dalam memulai sebuah penelitian.
b. Analisa Masalah
Dengan melihat pola penjualan yang dilakukan oleh sales dan penjualan langsung dari PD. Tri Jaya Motor penulis dapat merangkum dari masalah yang dihadapi oleh PD. Tri Jaya Motor, dan melanjutkan untuk mempelajari literatur untuk mencari solusi dari masalah yang ada
c. Mempelajari Literatur
Untuk mencapai tujuan yang diharapkan, maka mempelajari literatur-literatur yang berkaitan dengan penelitian. Setelah mendapatkan beberapa literatur yang berkaitan maka diseleksi kembali untuk dapat menentukan literatur-literatur mana yang berkaitan erat dengan penelitian.
d. Mengumpulkan Data
Pengumpulan data dilakukan dengan cara observasi dengan menentukan pola penjualan sales saat mengambil barang-barang apa saja yang akan didistribusikan ke toko-toko rekanan dari PD. Tri Jaya Motor. Penelitian juga melihat langsung barang-barang Spart Part apa saja yang sering diambil oleh pembeli pada toko untuk jasa service motor atau hanya untuk pembelian saja. Dengan melihat hal ini diharapkan dapat informasi terkait dengan barang-barang yang sering dibeli oleh pelanggan atau dibawa sales untuk penjualan, tahap pengumpulan data selanjutnya dengan melakukan interview untuk mendapatkan informasi lebih yang tidak dapat dengan cara melakukan observasi. Kegiatan selanjunya dengan melakukan studi kepustakaan dengan mencari buku-buku yang menunjang analisis terhadap data dan informasi yang dibutuhkan, sehingga dapat membantu mencari solusi yang terbaik dari masalah tersebut.
e. Pengolahan Data
Ditahap ini penulis melakukan pengolahan data dengan menggunakan algoritma apriori dengan melakukan perhitungan nilai support dan confidence yang nantinya menghasilkan rule pola market basket analysis pada data transaksi penjualan barang-barang spare part.
f. Implementasi Olah Data
Langkah-langkah dalam tahapan yang dilakukan dengan menggunakan algoritma apriori ini adalah:
a. Analisis Pola Frekuensi Tinggi b. Pembentukan Aturan Asosiasi g. Pengujian Hasil
Pada tahap ini, penulis melakukan pengujian dan hasil perancangan sistem menggunakan software Data Mining Tanagra 1.4 sehingga mendapatkan suatu hubungan tersembunyi dari data tersebut.
2.2. Pembentukan Aturan Asosiasi
Data Mining adalah studi tentang bagaimana mengelompokan, membersihkan, memproses, serta menganalisa, dan mendapatkan informasi yang berguna dari data yang diolah [16].
Selesai menentukan frekuensi tertinggi, pembentukan aturan asosiasi dilakukan dengan k-itemset terakhir dengan menentukan pola frekuensi tinggi yang telah memenuhi. Setelah aturan asosiasi selesai terbentuk dilanjutkan dengan langkah mencari nilai confidence dan nilai support untuk menentukan asosiasi mana saja yang memenuhi syarat minimum confidence dan syarat minimum support yang telah selesai ditetapkan. Untuk mengukur seberapa penting rule yang telah dibentuk berdasarkan nilai confident dan nilai support dapat dilakukan dengan menghitung nilai lift ratio untuk menampilkan validasi proses transaksi dan memberikan informasi kebeneran produk A dibeli bersamaan dengan produk B [17].
a. Setelah perhitungan manual selesai dilakukan, selanjutnya menggunakan aplikasi Tanagra dengan memasukkan data-data dan algoritma apriori.
b. Perhitungan menggunakan software selesai, selanjutnya perbandingan dilakukan antara perhitungan manual dengan hasil komputerisasi, apabila hasilnya sama atau mendekati, maka data yang diproses dan teknik yang digunakan benar dalam proses pengolahan data.
c. Yang terakhir adalah membuat pola hubungan kombinasi items dan rules-rules asosiasi yang terbentuk.
2.3. Metode Analisis Data
Penelitian dilakukan pada PD. Tri Jaya Motor Pandeglang. Dalam pengolahan data, penulis menggunakan market basket analysis dengan algoritma apriori untuk perhitungan, dengan menentukan nilai support dan confidence sebagai berikut: [18]
Support (A B) = P (A B) (1)
Confidence (A B) = P (B A) (2) Support merupakan persentase kombinasi item yang dibeli secara bersamaan (A dan B) sedangkan confidence merupakan persentase kepastian untuk membeli pasangan dari item yang dibeli (jika A maka beli B).
Nilai support dan confidence memiliki nilai antara 0-1.
3. HASIL DAN PEMBAHASAN
Pada tahap ini membahas pengolahan data dari penjualan spart part yang telah diperoleh oleh PD. Tri Jaya Motor Pandeglang. Data diolah dengan menggunakan metode market basket analys yaitu dengan algoritma apriori yang hasilnya nanti digunakan untuk mengatur tata letak di toko berdasarkan pola pembelian konsumen secara langsung dan untuk mengukur tingkat efisien stok persediaan spart part. Metode ini digunakan untuk mencari seberapa besar keterkaitan antar produk berdasarkan nilai support dan confidence yang telah ditetapkan. Berikut tahap-tahap dalam pencarian asosiasi produk menggunakan algoritma apriori
3.1. Analisa Data
Data transaksi penjualan didapat dari data yang dikumpulkan selama 1 tahun dimana data penjualan didapat dari penjualan rekap sales dan data penjualan di PD. Tri Jaya Motor secara langsung, kemudian data penjualan dijumlahkan hasil penjualannya dan diambil data sebanyak 5 itemset spartpart yang banyak laku terjual. Data produk spare part motor yang tersedia di PD. Tri Jaya Motor terlihat pada tabel 1.
Tabel 1. Data Produk Spart Part
No. Bolham depan Busi Kabel kilometer Kabel rem Kabel kopling
1 0 1 1 1 0
2 0 1 0 1 1
3 1 0 1 1 0
4 1 1 0 0 1
5 0 1 1 1 0
6 1 1 0 0 1
7 0 1 1 1 0
8 1 0 0 1 1
9 0 1 1 0 1
10 1 1 0 0 1
11 0 1 1 1 0
12 0 1 1 1 0
3.2. Algoritma Apriori
a. Perhitungan Algoritma Apriori
Sebelum menerapkan aturan asosiasi menggunakan algoritma apriori, langkah pertama harus menentukan nilai minimal support dan confidence untuk menjadi acuan pencarian hasil algoritma, pada penelitian dapat ditetapkan:
Besarnya nilai minimum support 30% dan nilai minimum confidence sebanyak 70%
b. Analisa Pola Frekuensi Tinggi
Pada tahap ini dilakukan pencarian kombinasi itemset produk yang memenuhi syarat minimum support yang telah ditetapkan.
1.
perhitungan pembentukan ItemSet-1Support (A) =Σ Transaksi yang mengandung A
Σ Transaksi * 100%
S (bohlam depan)
Support (bohlam depan) =Σ Transaksi bohlam depan
Σ Transaksi * 100%
Support (bohlam depan) = 5
12 * 100%=42%
Hasil dari perhitungan ItemSet-1 terlihat pada tabel 2 Tabel 2. ItemSet-1
ItemSet Jumlah Support
Bolham depan 5 0,42
Busi 10 0,83
Kabel kilometer 7 0,58
Kabel rem 8 0,67
Kabel kopling 6 0,50
2.
Perhitungan pembentukan ItemSet-2Perhitungan pembentukan ItemSet-2 mencocokan data yaitu barang-barang yang dibeli secara bersamaan oleh konsumen dalam setiap bulannya sehingga apabila barang tersebut ada maka diberikan nilai 1. Hasil terlihat pada tabel 3.
Tabel 3. ItemSet-2
ItemSet-2 1 2 3 4 5 6 7 8 9 10 11 12 Total Bohlam depan, Busi 1 1 1 3 Bohlam depan, Kabel Kilometer 1 1 Bohlam depan, Kabel Rem 1 1 2 Bohlam depan, Kabel Kopling 1 1 1 1 4 Busi, Kabel Kilometer 1 1 1 1 1 1 6
Busi , Kabel Rem 1 1 1 1 1 1 6
Busi , Kabel Kopling 1 1 1 1 1 5 Kabel Kilometer, Kabel Rem 1 1 1 1 1 1 6 Kabel Kilometer, Kabel Kopling 1 1 Kabel Rem, Kabel Kopling 1 1 2 Support (A B) = P(A B)
Support (A,B) =Σ Transaksi yang mengandung A,B
Σ Transaksi * 100%
Support (bohlam depan. busi)
Support (bohlam depan, busi) =Σ Transaksi yang mengandung A,B
Σ Transaksi * 100%
Support (bohlam depan, busi) = 3
12 * 100% = 0,25 Hasil dari perhitungan ItemSet-2 seperti terlihat pada table 4
Tabel 4. Hasil dari perhitungan ItemSet-2
ItemSet-2 Jumlah Support
Bohlam depan, Busi 3 0,25
Bohlam depan, Kabel Kilometer 1 0,08
Bohlam depan, Kabel Rem 2 0,17
Bohlam depan, Kabel Kopling 4 0,33
Busi, Kabel Kilometer 6 0,50
Busi , Kabel Rem 6 0,50
Busi , Kabel Kopling 5 0,42
Kabel Kilometer, Kabel Rem 6 0,50 Kabel Kilometer, Kabel Kopling 1 0,08
Kabel Rem, Kabel Kopling 2 0,17
Dari hasil penelitian ItemSet-2 dengan menentukan minimal support sebanyak 30%, maka hanya ada 5 kombinasi itemset yang memenuhi, sehingga yang tidak memenuhi akan dihilangkan. Hasil dapat dilihat pada tabel 5
Tabel 5. Hasil dari perhitungan ItemSet-2 dengan support 30%
ItemSet-2 Jumlah Support Bohlam depan, Kabel Kopling 4 0,33
Busi, Kabel Kilometer 6 0,50
Busi , Kabel Rem 6 0,50
Busi , Kabel Kopling 5 0,42
Kabel Kilometer, Kabel Rem 6 0,50
3.
Perhitungan pembentukan ItemSet-3Proses pembuatan ItemSet 3 dengan jumlah minimum 30% dapat diselesaikan dengan rumus seperti pada tabel 6.
Tabel 6. Proses pembuatan ItemSet 3
ItemSet-3 1 2 3 4 5 6 7 8 9 10 11 12 Total Bohlam depan, Busi, Kabel Kilometer 0 Bohlam depan, Busi, Kabel Rem 0 Bohlam depan, Busi, Kabel Kopling 1 1 1 3 Bohlam depan, Kabel Kilometer, Kabel Rem 1 1
ItemSet-3 1 2 3 4 5 6 7 8 9 10 11 12 Total Bohlam depan, Kabel Kilometer, Kabel Kopling 0 Bohlam depan, Kabel Rem, Kabel Kopling 1 1 Busi, Kabel Kilometer, Kabel Rem 1 1 1 1 1 5 Busi, Kabel Kilometer, Kabel Kopling 1 1 Busi, Kabel Rem, Kabel Kopling 1 1 Kabel Kilometer, Kabel Rem, Kabel Kopling 0
Support (A,B,C) = P(A B C)
Support (A,B, dan C) =Σ Transaksi yang mengandung A,B dan C
Σ Transaksi * 100%
Support (A,B, dan C) = 0
12 * 100% = 0
Setelah dilakukan perhitungan pada ItemSet-3 maka didapat hasil seperti pada tabel 7.
Tabel 7. Hasil dari perhitungan ItemSet-3
ItemSet-3 Jumlah Support
Bohlam depan, Busi, Kabel Kilometer 0 0
Bohlam depan, Busi, Kabel Rem 0 0
Bohlam depan, Busi, Kabel Kopling 3 0,25
Bohlam depan, Kabel Kilometer, Kabel Rem 1 0,08 Bohlam depan, Kabel Kilometer, Kabel Kopling 0 0 Bohlam depan, Kabel Rem, Kabel Kopling 1 0,08
Busi, Kabel Kilometer, Kabel Rem 5 0,42
Busi, Kabel Kilometer, Kabel Kopling 1 0,08
Busi, Kabel Rem, Kabel Kopling 1 0,08
Kabel Kilometer, Kabel Rem, Kabel Kopling 0 0
Karena Kombinasi ItemSet-3 tidak ada yang memenuhi minimal Support, maka ItemSet-2 akan dilanjutkan ke dalam pembentukan Asosiasi hasil ada pada tabel 8.
Tabel 8. pembentukan Asosiasi
ItemSet-3 Jumlah Support Kabel Kilometer, Kabel Rem, busi 5 0,42 4. Pembentukan Aturan Asosiatif
Setelah semua frekuensi tinggi ditemukan, langkah selanjutnya yang dilakukan adalah mencari aturan asosiasi A B yang memenuhi syarat nilai minimum confidence. Syarat nilai minimum confidence 70%
yang penulis terapkan. Seperti yang terlihat pada tabel 9.
Tabel 9. Pembentukan Aturan Asosiatif
No Rules Support Confidence
1 Jika membeli bohlam depan maka akan membeli kabel kopling 0,33 0,80 2
Jika membeli busi dan kabel rem maka akan membeli kabel
kilometer 0,42 0,83
3
Jika membeli kabel kilometer maka akan membeli busi dan
kabel rem 0,42 0,72
4 Jika membeli kabel rem maka akan membeli kabel kilometer 0,50 0,75 5 Jika membeli kabel kilometer maka akan membeli kebel rem 0,50 0,86 6
Jika membeli busi dan kabel kilometer maka akan membeli
kebel rem 0,42 0,83
3.3. Hasil Pengujian
Untuk membuktikan pola kombinasi itemset yang didapat dari perhitungan manual benar maka dilakukan pengujian dengan menggunakan software Tanagra. Perhitungan itemSet-2 dengan menentukan minimal support sebanyak 30%, dari perhitungan secara manual hanya ada 5 kombinasi itemset yang memenuhi, setelah diuji dengan menggunakan software tanagra memiliki hasil yang saama yaitu hanya 5 kombinasi dapat dilihat pada gambar 1.
Gambar 1. Hasil Screen Shoot Itemset-2 Dengan Software Tanagra
Perhitungan pembentukan asosiasi antara manual dan menggunakan software tanagra memiliki hasil yang sama yaitu asosiasi kabel kilometer→ kabel rem→busi. Hasil pengujian Tanagra pada pembentukan asosiasi dapat dilihat pada gambar 2.
Gambar 2. Hasil Screen Shoot Pembentukan Asosiasi Dengan Menggunakan Software Tanagra Mencari aturan asosiasi A→B yang memenuhi syarat nilai minimum confidence. Syarat nilai minimum confidence yaitu 70% sehingga dihasilkan antara perhitungan manual dengan menggunakan software tanagra memiliki hasil yang sama, hasil aturan asosiasi dari pengujian Tanagra dapat dilihat pada gambar 3.
Gambar 3. Hasil Screen Shoot Asosiation Rules Dengan Menggunakan Software Tanagra
Hasil yang diperoleh dari pengajuan asosiation rules menggunakan software Tanagra menunjukan hasil perhitungan yang sama dengan yang manual dengan syarat nilai minimum support 30% dan confidence 70%, menghasilkan 6 rules yaitu sebagai berikut:
1) Jika membeli bohlam depan maka 80% akan membeli kabel kopling 2) Jika membeli busi dan kabel rem maka 83% akan membeli kabel kilometer 3) Jika membeli kabel kilometer maka 72% maka akan membeli busi dan kabel rem 4) Jika membeli kabel rem maka 75% maka akan membeli kabel kilometer
5) Jika membeli kabel kilometer maka 86% akan membeli kabel rem
6) Jika membeli busi dan kabel kilometer maka 83% akan membeli kabel rem
4. KESIMPULAN
Penerapan algoritma apriori dalam penelitian ini adalah untuk mencari kombinasi item terbanyak berdasarkan dara transaksi dan kemudian membentuk pola asosiasi dari kombinasi item tersebut. Hasil perhitungan tertinggi didapat dengan algoritma apriori dan pengujian aplikasi Tanagra dari proses data mining terkait dengan keterkaitan produk penjualan barang pada PD. Tri Daya Motor hasilnya adalah Ketika membeli kebel kilometer maka 86% akan
membeli kabel rem dengan nilai support 30% dan confidence 70%. Dengan diketahuinya produk-produk yang banyak dibeli dan keterkaitan item barang jadi perusahaan dapat Menyusun strategi dengan menambah persediaan barang untuk UD. Tri Daya Motor. Data transaksi penjualan diolah dengan metode market basket analys selanjutnya mendapatkan kombinasi item yang paling sering dibeli secara bersamaan, sehingga dapat digunakan oleh pihak UD. Tri Daya Motor untuk menentukan jumlah persediaan barang, serta menentukan tata letak produk agar saling berdekatan dalam penempatan dan kemudahan untuk dijangkau oleh konsumen sesuai pola pembelian konsumen dengan demikian hasil penjualan dapat meningkat.
REFERENCES
[1] I. F. JANNAH and A. Mansyur, “Penerapan Algoritma Apriori Pada Strategi Penjualan Di Giant,” KARISMATIKA, vol.
7, no. 1, pp. 1–10, 2021, [Online]. Available:
http://digilib.unimed.ac.id/id/eprint/31391%0Ahttp://digilib.unimed.ac.id/31391/2/9. NIM 4133230019 BAB I.pdf.
[2] L. Maryani and H. Chaniago, “Peran Strategi Bisnis Dalam Meningkatkan Keunggulan Bersaing di Industri Fashion,” J.
Ris. Bisnis dan Investasi, vol. 5, no. 1, pp. 48–60, 2019, doi: 10.35697/jrbi.v5i1.1615.
[3] A. R. Riszky and M. Sadikin, “Data Mining Menggunakan Algoritma Apriori untuk Rekomendasi Produk bagi Pelanggan,” J. Teknol. dan Sist. Komput., vol. 7, no. 3, pp. 103–108, 2019, doi: 10.14710/jtsiskom.7.3.2019.103-108.
[4] Lismardiana, H. Mawengkang, and E. B. Nababan, “Pengembangan Algoritma Apriori Untuk Pengambilan Keputusan,”
J. Teknol. Inf. dan Komun., vol. 4, no. 2, pp. 110–121, 2015, [Online]. Available:
https://jurnal.kominfo.go.id/index.php/jtik/article/view/823.
[5] M. Rusdi, “Strategi Pemasaran untuk Meningkatkan Volume Penjualan pada Perusahaan Genting UD. Berkah Jaya,” J.
Stud. Manaj. dan Bisnis, vol. 6, no. 2, pp. 83–88, 2019, doi: 10.21107/jsmb.v6i2.6686.
[6] R. Takdirillah, “Penerapan Data Mining Menggunakan Algoritma Apriori Terhadap Data Transaksi Sebagai Pendukung Informasi Strategi Penjualan,” Edumatic J. Pendidik. Inform., vol. 4, no. 1, pp. 37–46, 2020, doi:
10.29408/edumatic.v4i1.2081.
[7] A. H. Elyas and J. Prayoga, “Implementasi Data Mining Pola penjualan Sparepart Motor Honda Pada Pt Rotella Persada Mandiri Dengan Menggunakan Algoritma Apriori,” Device J. Inf. Syst. Comput. Sci. Inf. Technol., vol. 1, no. 1, pp. 22–
31, 2020, doi: 10.46576/device.v1i1.698.
[8] D. Listriani, A. H. Setyaningrum, and F. Eka, “Penerapan Metode Asosiasi Menggunakan Algoritma Apriori Pada Aplikasi Analisa Pola Belanja Konsumen (Studi Kasus Toko Buku Gramedia Bintaro),” J. Tek. Inform., vol. 9, no. 2, pp.
120–127, 2018, doi: 10.15408/jti.v9i2.5602.
[9] M. P. Tana, F. Marisa, and I. D. Wijaya, “Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Pada Toko Oase Menggunakan Algoritma Apriori,” J I M P - J. Inform. Merdeka Pasuruan, vol. 3, no.
2, pp. 17–22, 2018, doi: 10.37438/jimp.v3i2.167.
[10] A. Muzakir and L. Adha, “Market Basket Analysis (Mba) Pada Situs Web E-Commerce Zakiyah Collection,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 7, no. 2, p. 459, 2016, doi: 10.24176/simet.v7i2.755.
[11] W. Hartanto, K. Sulistyadi, and S. Hery, “Pengembangan Sistem Manajemen Metode Data Mining Market Basket Analysis Untuk Menentukan Pola Tata Letak Produk,” Jakarta PT. Raja Graf. Persada, pp. 1–15, 2012.
[12] M. Ramdhan, Metode Penelitian. Cipta Media Nusantara (VMN), 2021.
[13] I. M. L. M. Jaya, Metode Penelian Kuantitatif dan Kualitatif Teori. Yogyakarta: Anak Hebat Indonesia, 2020.
[14] W. Delrinata and F. B. Siahaan, “Implementasi Algoritma Apriori Untuk Menentukan Stok Obat,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 9, no. 2, pp. 222–228, 2020, doi: 10.32736/sisfokom.v9i2.875.
[15] E. S. Sihombing, A. S. Honggowibowo, and D. Nugraheny, “Implementasi Data Mining Menggunakan Metode Apriori Pada Transaksi Penjualan Barang (Studi Kasus Di Chorus Minimarket),” Compiler, vol. 1, no. 1, pp. 17–30, 2012, doi:
10.28989/compiler.v1i1.2.
[16] D. Jollyta, W. Ramdhan, and M. Zarlis, Konsep data mining dan penerapannya. CV. Budi Utama, 2020.
[17] H. Al Islami, “Penerapan Metode Asosiasi Datamining Market Basket Analysis Menggunakan Algoritma Apriori Untuk Melakukan Pola Analisis Belanja Konsumen,” J. Artif. Intellegence Innov. Appl., vol. 1, no. 1, pp. 23–31, 2020, [Online].
Available: http://jurnal.fmipa.unmul.ac.id/index.php/exponensial/article/view/69.
[18] F. Firmansyah and A. Yulianto, “Market Basket Analysis for Books Sales Promotion using FP Growth Algorithm, Case Study : Gramedia Matraman Jakarta,” J. Informatics Telecommun. Eng., vol. 4, no. 2, pp. 383–392, 2021, doi:
10.31289/jite.v4i2.4539.
