Penerapan Algoritma Apriori pada Sistem Informasi Inventori Toko
Muhammad Ulil Albab, Deny Hidayatullah*
Fakultas Teknik Komunikasi Informatika, Sistem Informasi, Universitas Nasional, Jakarta, Indonesia Email: 1ulilalbab080799@gmail.com, 2deny@civitas.unas.ac.id
Email Penulis Korespondensi: ulilalbab080799@gmail.com
Abstrak−Di zaman yang modern ini kebutuhan pangan merupakan kebutuhan penting bagi semua kalangan, banyak sekali organisasi bisnis yang mempromosikan barangnya berdatangan dan tumbuh cukup signifikan, selain itu pemakaian web dinamis di negeri ini berkembang cukup pesat tiap tahun-nya. Mengakibatkan pelaku bisnis saling bersaing untuk mempelajari berbagai pemilihan teknik dalam hal pengolahan data nya untuk mengetahui informasi ketersediaan barang yang masuk dan barang yang terjual. Dalam penelitian ini, suaru bisnis yang masih menggunakan sistem secara manual disini dan akan dibuat sistem yang terkomputerisasi untuk membantu pelaku bisnis dalam pengolahan data barang pada bisnis nya, kemudian mendapatkan informasi terkait dengan persediaan barang dan laporan penjualan. Sistem informasi inventori berbasis web ini juga menerapkan algoritma data mining apriori guna membantu pemilik toko mengetahui barang yang perlu diperbanyak atau dikurangi stoknya untuk meningkatkan omset penjualan. Hasil yang diperoleh dalam penelitian ini adalah sistem informasi inventori berbasis web dengan menerapkan algoritma apriori yang ditujukan pada Toko Tri.
Kata Kunci: Inventori; Sistem Informasi; Web; Data Mining; Apriori
Abstract−In this contemporary era, meals wishes are a vital want for all people, a variety of commercial enterprise companies that sell their products are coming and growing quite significantly, besides that, dynamic web users in this country are growing quite rapidly every year. Resulting in business actors competing with each other to explore various technical options in terms of data processing to find out information on the availability of incoming goods and goods sold. In this study, a business still uses a manual system here and a computerized system will be created to assist business people in processing goods data in their business, then obtain information related to inventory and profit income. This web-primarily based totally stock statistics device additionally applies apriori information mining to decide income styles on the way to later grow to be patron advice statistics.
The results obtained in this study are the creation of a web-based inventory information system by applying apriori data mining aimed at Toko Tri.
Keywords: Inventory; Information System; Web; Data Mining; Apriori
1. PENDAHULUAN
Toko Tri saat ini masih menggunakan secara manual dalam proses pendataan barang masuk dan keluar, yang menyebabkan stok barang tidak terkontrol oleh pemilik toko.stok barang dicatat dengan sistem manual dikertas, kemudian direkap dan di input pada buku untuk laporan data stok barang setiap harinya, yang menyebabkan permasalahan yang terjadi yaitu sulitnya dalam pencarian stok barang.
Adapun pengkajian yang sebagai landasan untuk penelitian ini, yaitu, perancangan sistem informasi pengolahan data pasien pada puskesmas yang menggunakan metode prototype. Pada penelitian ini menggunakan beberapa tahapan penelitian, antara lain pengumpulan data, desain, evaluasi, perbaikan sistem, dan produk prototype. Dari penelitian tersebut menghasilkan sebuah sistem administrasi pasien rawat jalan[1].
Kemudian ada dengan penelitian perancangan sistem informasi data penjualan secara kredit dan controlling stock pada toko master, pada penelitian ini menggunakan beberapa metode penelitian nya, yaitu penelitian langsung ke lapangan, penelitian kepustakaan, dan penelitian laboratorium. Dari penelitian ini menghasilkan sistem informasi penjualan dan pengolahan data barang[2]. Dan penelitian tentang implementasi model waterfall pada sistem informasi persediaan barang berbasis web, penelitian ini menggunakan metode penelitian seperti analisis kebutuhan sistem, desain sistem, implementasi, testing sistem, dan maintenance. Dari hasil penelitian tersebut mendapatkan sebuah sistem aplikasi persediaan barang pada PT. Pramindo[3].
Dari sekian banyak yang mempengaruhi kinerja industry perdagangan, sistem manajemen barang di anggap sebagai salah satu hal yang paling penting karena secara langsung mempengaruhi keuntungan dan kepuasan konsumen industri[4]. Manajemen barang adalah teknik berbasis ilmu pengetahuan untuk mengelola atau mengatur persediaan dengan berbagai cara[5]-[6]. Saat ini sepertinya sistem pendataan produk yang menggunakan teknologi informasi komputer berkembang secara pesat. Perkembangan ini dapat mempermudah pemrosesan data[7].
Toko Tri, permasalahan pada toko ini adalah sistem pendataan barang masih dilakukan pencatatan secara manual, kemudian proses pengelompokan data memakan waktu lama. Hasil berdasarkan penelitian ini yaitu bisa meningkatkat kecepatan proses pengolahan information dan bisa mengatasi kelemahan dalam sistem yang masih manual dan bisa mempermudah pada pencarian data yang dibutuhkan.
2. METODOLOGI PENELITIAN
2.1 Tahapan Penelitian
Gambar 1. Tahapan Penelitian
1. Tahap Observasi dilakukan dengan melihat langsung tempat yang akan diteliti, untuk mengetahui apa yang akan dibutuhkan dalam perusahaan atau tempat yang diteliti.
2. Pengumpulan Data dilakukan dengan cara wawancara terhadap pemilik toko berupa tanya jawab untuk mendapatkan informasi, dan berupa invoice barang masuk, yang nantinya informasi tersebut akan digunakan untuk melakukan analisis kebutuhan perangkat lunak, sehingga penulis dapat menentukan sistem yang akan dibuat.
3. Pada tahap perancangan dilakukan proses perancangan desain interface sistem yang bersumber pada hasil analisis yang digambarkan melalui UML yang terdiri dari use case diagram dan activity diagram, dan ERD (Entity Relationship Diagram) untuk perancangan database nya. Sistem yang sudah dirancang akan di implementasikan ke dalam sebuah komputer dengan menggunakan perangkat lunak sublime text dengan bahasa pemrograman PHP dan MySQL sebagai database nya.
4. Selanjutnya sistem yang sudah dibuat akan dilakukan uji coba untuk dapat memastikan bahwa sistem telah berjalan dengan baik tanpa adanya error, dan memastikan aplikasi tersebut mudah untuk digunakan atau tidak[3].
2.2 Data Mining Apriori
Algoritma apriori adalah cara untuk menemukan pola interaksi antara satu atau lebih item pada kumpulan data.
Algoritma apriori sering digunakan dalam data transaksional atau biasa disebut dengan market basket. Misalnya, supermarket memiliki market basket. Algoritma apriori memungkinkan pemiliki supermarket mengetahui apa yang dibeli konsumen saat mereka membeli barang A dan B, Dia memiliki peluang 50% untuk membeli barang C. Mengingat data transaksi ini, pola ini sangat penting[8].
Analisis asosiasi tidak jarang kali dipakai untuk menganalisis keranjang belanja pelanggan dalam suatu supermarket, oleh karena itu analisis asosiasi tidak jarang diklaim menjadi kata Market Basket Analysis (MBA).
MBA dalam dasarnya memakai data transaksional pada konsumen pada memeriksa pola pembelian dan mencari kemungkinan terjadinya croselling[9]. Analisis asosiasi inibiasa dilakukan untuk menciptakan personal komputer menemukan anggaran asosiasi menggunakan mencari keterkaitan antara ietm satu menggunakan yang lainnya pada suatu data set atau pada hal ini transaksi. Algoritma yang biasa dipakai untuk menciptakan anggaran asosiasi memakai data latih menjadi cara untuk membentuk pengetahuan. Pengetahuan ini bisa berupa fakta tentang item atau produk yang tak jarang dibeli pada waktu bersamaan. Aturan asosiasi adalah sebuah pengetahun yang didapatkan menurut analisis asosiasi. Aturan ini dihitung menurut data yang sifatnya probabilistik[10].
2.3 Economic Order Quantity (EOQ)
Suatu metode manajemen persediaan yang menentukan berapa banyak pesanan atau pembelian yang harus dipenuhi dan apa yang perlu dipesan sehingga dari permintaan pesanan dapat diminimalkan.
3. HASIL DAN PEMBAHASAN
3.1 Perancangan Sistem 1. Use Case Diagram Admin
Gambar 2. Use Case Diagram Admin 2. Activity Diagram Login
Gambar 3. Activity Diagram Login
3. Activity Diagram Data Master
Gambar 4. Activity Diagram Data Master 4. Activity Diagram Menu Proses Apriori
Gambar 5. Activity Diagram Menu Proses Apriori
5. ERD (Entity Relationship Diagram)
Gambar 6. Entity Relationship Diagram 3.2 Pengumpulan Data
Dimulai pendataan mengenai transaksi penjualan. Kemudian data penjualan akan dibuat pemolaan asosiasi pada data transaksi yang telah terjadi dari admin untuk mencari hubungan asosiasi dari kumpulan barang yang telah terjual. Dengan cara pemodelan hitungan memakai proses pembuatan nilai support dan nilai confidence yang didasari keterkaitan antara barang. Suatu aturan asosiasi dianggap baik jika nilai support lebih dari nilai minimum support dan nilai confidence lebih dari nilai minimum confidence. Algoritma apriori ini dipakai jika ditemukan nya hubungan antara barang yang kemudian di analisa. Uji dari proses data mining lalu mendapat output perekomendasian barang yang cocok dengan barang terkait.
3.3 Teknik Apriori
Gambar 7. Proses Kombinasi
Pada gambar 7. dipakai dalam rangka untuk mendapatkan suatu kombinasi barang menggunakan bentuk frekuensi berdasarkan data penjualan.
Menyatakan algoritma apriori disaat proses berlanjut jika satu data bisa untuk membentuk itemset selanjutnya. Apabila tidak ada peluang maka proses tersebut bisa langsung memberikan hasilnya. Penulis menentukan nilai support dan nilai confidence sebesar: 30%
3.4 Implementasi Algoritma Apriori
Penulis menggunakan data penjualan yang diambil dari kurun waktu 1 Maret 2022 sampai dengan 12 Maret 2022.
Tabel 1. Transaksi Penjualan
Tanggal Transaksi Barang yang terjual 01/Maret/2022 Aqua Galon, Gas 3kg,
Le Minerale, Gas 12kg
Tanggal Transaksi Barang yang terjual 02/Maret/2022 Aqua 600ml, Aqua
Galon, Aqua1500ml, Gas 3kg
03/Maret/2022 Gas 3kg, Bandulan, Gas 12Kg
04/Maret/2022 Aqua 1500ml, Le Minerale, Gas 12kg, Aqua Galon
05/Maret/2022 Gas 12kg, Aqua Galon, Aqua 600ml
06/Maret/2022 VIT 200ml, Aqua Galon, Gas 12kg, Gas 3kg
07/Maret/2022 Aqua 600ml, Aqua 1500ml, Le Minerale 08/Maret/2022 Le Minerale, Bandulan,
Aqua Galon, Gas 3kg 09/Maret/2022 Gas 12kg, Gas 3kg, VIT
200ml
10/Maret/2022 Aqua Galon, Le Minerale, Bandulan 11/Maret/2022 VIT 200ml, Le
Minerale, Gas 3kg 12/Maret/2022 Gas 3kg, Aqua Galon,
VIT 200ml, Le Minerale
Selanjutnyaa yaitu memilih item yang memenuhi minimal support yang sudah ditentukan yaitu 30%. Pada tahap pertama yang dilakukan yaitu mencari kombinasi satu item, ini dilakukan dengan cara memasukkan semua item yang ada didalam dataset. Kemudian setiap item dihiting nilai supportnya. Setelah semua item dihiting nilai supportnya maka item yang memiliki nilai yang lebih besar sama dengan nilai minimum supportnya dipilih..Pada tabel 2 hasil dari nilai support itemset 1.
Tabel 2. Nilai Support Itemset 1
Item Jumlah Support
Aqua Galon 8 67%
Gas 3kg 8 67%
Le Minerale 7 58%
Gas 12kg 6 50%
VIT 200ml 4 33%
Dari hasil itemset pertama yang diperlihatkan pada tabel 2 lalu dipilih item yang mempunya minimum support sebesar 30%, kemudian dibentuk kombinasi itemset 2. Pada tabel dibawah adalah hasil dari itemset 2.
Tabel 3. Nilai Support Itemset 2
Item Jumlah Support
Aqua Galon, Gas 3kg 5 42%
Gas 3kg, VIT 200ml 4 33%
Aqua Galon, LeMinerale 5 42%
Aqua Galon, Gas 12kg 4 33%
Gas 3kg, Le Minerale 4 33%
Gas 3kg, Gas 12kg 4 33%
Dari tabel diatas kemudian digunakan menjadi refrensi untuk melakukan kombinasi itemset 3 pada tabel dibawah.
Tabel 4. Nilai Support Itemset 3
Item Jumlah Support
Aqua Galon, Gas 3kg, Le Minerale
3 25%
Sama seperti itemset sebelumnya, hanya beberapa item yang memenuhi support yang dipilih, dikarenakan tidak ada yang memenuhi nilai minimum support yang telah ditentukan, maka penulis mengambil item yang mendekati dengan nilai support.
Pada tahap terakhir yaitu membuat aturan asosiasi saat pola frekuensi sudah diperoleh. Lalu bagian selanjutnya harus mendapatkan aturan asosiasi harus melewati kriteria paling rendah dari nilai confidence berlandaskan perhitungan confidence aturan asosisai A→B. Dengan aturan minimum confidence sebesar 30%.
Confidence pada A→B didapatkan pada tabel 5 dibawah.
Tabel 5. Hasil Rule Asosiasi
Item Confidence
Aqua Galon, Le Minerale 62%
Aqua Galon, Gas 3kg, Le Minerale 60%
Gas 3kg, Le Minerale, Aqua Galon 75%
Le Minerale, Gas 3kg, Aqua Galon 43%
Le Minerale, Gas 12kg, Aqua Galon 100%
Dari tabel diatas penulis hanya mengambil beberapa data nilai confidence yang didapat, yang dimana dijelaskan apabila konsumen membeli Aqua Galon, maka konsumen akan mungkin membeli Le Minerale dengan nilai confidence sebesar 62% yang dimana hasil tersebut akan membantu Toko Tri mengetahui barang yang perlu diperbanyak stoknya.
3.5 Tampilan Sistem
Pada gambar dibawah yaitu tampilan sistem inventori yang dapat mengelola data barang, data penjualan.
Gambar 8. Menu Data Barang
4 KESIMPULAN
Kesimpulan yang didapatkan berdasarkan pembahasan diatas yaitu, menghasilkan aplikasi sistem informasi inventori yang dapat mempercepat pengolahan data barang masuk dan keluar yang mempermudah pemilik toko.
Penggunaan algoritma apriori utuk mendapatkan keterkaitan antara barang pada hasil penjualan untuk dijadikan asas ditemukannya pola asosiasi pada kombinasi antar barang, dari data mining tersebut pemilik dapat mengetahui barang yang perlu diperbanyak atau dikurangi stoknya guna meningkatkan omset penjualan.
REFERENCES
[1] F. Susanto1, “SISTEM INFORMASI PENGOLAHAN DATA PASIEN PADA PUSKESMAS ABUNG PEKURUN MENGGUNAKAN METODE PROTOTYPE,” vol. 8, no. 1, 2018.
[2] J. Prayoga, K. Kunci:, P. Data, P. Kredit, D. M. Saham, and M. Java, “Perancangan Sistem Informasi Pengolahan Data Penjualan Secara Kredit dan Controlling Stock Dengan Menerapkan Metode Backorder Pada Toko Master Menggunakan Bahasa Pemrograman Java dan Database MySql.”
[3] J. Munajat, “IMPLEMENTASI MODEL WATERFALL PADA SISTEM INFORMASI PERSEDIAAN BARANG BERBASIS WEB (STUDI KASUS: PT.PAMINDO TIGA T),” vol. 2, no. 2, 2018, [Online]. Available:
http://ejurnal.stmik-budidarma.ac.id/index.php/mib|
[4] H. R. Ganesha, P. S. Aithal, and & P. Kirubadevi, “Integrated Inventory Management Control Framework,” 2020.
[Online]. Available: https://ssrn.com/abstract=3602700
[5] A. A. Khalim, F. Asnawi, and N. Mardiyantoro, “APLIKASI INVENTARIS BARANG BERBASIS WEB PADA LABORATORIUM KOMPUTER FASTIKOM,” DEVICE, vol. 10, pp. 44–50.
[6] R. Tarigan and D. Ardiansyah, “PERANCANGAN APLIKASI INVENTORY BARANG PADA CV. MR LESTARI BERBASIS WEB,” 2020.
[7] N. Agustiani, D. Suhendro, W. Saputra, and S. Tunas Bangsa Pematangsiantar, “Penerapan Data Mining Metode Apriori Dalam Implementasi Penjualan Di Alfamart,” Prosiding Seminar Nasional Riset Dan Information Science (SENARIS), vol. 2, pp. 300–304, 2020.
[8] N. Fitrianti Fahrudin, “Penerapan Algoritma Apriori untuk Market Basket Analysis,” MIND Journal | ISSN, vol. ISSN, pp. 1–11, 2019, doi: 10.26760/mindjournal.
[9] L. Ningsih, D. Ayu, N. Wulandari, S. Nusa, and M. Jakarta, DATA MINING MARKET BASKET ANALYSIS MENGGUNAKAN ALGORITMA APRIORI UNTUK MENENTUKAN PERSEDIAAN OBAT. 2017.
[10] D. Sepri, M. Afdal, and S. Riau, “ANALISA DAN PERBANDINGAN METODE ALGORITMA APRIORI DAN FP- GROWTH UNTUK MENCARI POLA DAERAH STRATEGIS PENGENALAN KAMPUS STUDI KASUS DI STKIP ADZKIA PADANG,” Jurnal Sistem Informasi Kaputama (JSIK), vol. 1, no. 1, 2017.
[11] “Data Mining Third Edition.”
[12] L. Nurlaela, A. Dharmalau, D. Nong, and T. Parida, “RANCANGAN SISTEM INFORMASI INVENTORY BARANG BERBASIS WEB STUDI KASUS PADA CV. LIMOPLAST,” vol. 2, no. 5, 2020.
[13] D. Fernando, “PENERAPAN DATA MINING REKOMENDASI BUKU MENGGUNAKAN ALGORITMA APRIORI,”
Sistem Informasi |, vol. 7, no. 1, pp. 50–56.
[14] “RANCANG BANGUN SISTEM INFORMASI INVENTORY BARANG (SINBAR) BERBASIS WEBSITE”.
[15] R. Takdirillah, “Edumatic: Jurnal Pendidikan Informatika Penerapan Data Mining Menggunakan Algoritma Apriori Terhadap Data Transaksi Sebagai Pendukung Informasi Strategi Penjualan,” vol. 4, no. 1, pp. 37–46, 2020, doi:
10.29408/edumatic.v4i1.2081.
[16] A. F. Lestari and M. Hafiz, “Penerapan Algoritma Apriori Pada Data Penjualan Barbar Warehouse,” vol. 5, no. 1, p. 2020.
[17] A. B. Setiawan, W. Rachmawati, A. T. Arrahman, N. Natasyah, and F. N. Syeha, “Aplikasi Monitoring Stok Barang Berbasis Web Pada PT. Intermetal Indo Mekanika.”
[18] C. Dwiprastio, M. Karismariyanti, R. Sukawati, and K. Akuntansi Politeknik Telkom, “Aplikasi Penjualan dan Persediaan Barang Dagang dengan Metode Perpetual FIFO Berbasis Web (Studi Kasus pada PD. XYZ),” 2012.
