96% Unique
Total 29797 chars, 4246 words, 139 unique sentence(s).
Custom Writing Services - Paper writing service you can trust. Your assignment is our priority! Papers ready in 3 hours!
Proficient writing: top academic writers at your service 24/7! Receive a premium level paper!
STORE YOUR DOCUMENTS IN THE CLOUD - 1GB of private storage for free on our new file hosting!
Results Query Domains (original links)
4 results Oleh karena itu dalam menyelesaikan permasalahan yang ada, penulis akan menerapkan algoritma Apriori pt.scribd.com ejurnal.its.ac.id es.scribd.com Unique Bagaimana cara menentukan strategi promosi pada online shop menggunakan algoritma Apriori -
Unique Apakah dengan menerapan algoritma Apriori dapat meningkatkan penjualan pada online shop - Unique Pada program akan digunakan metode Apriori dan tidak membandingkan dengan metode lainnya -
Unique Program dirancang menggunakan php -
Unique Obyek penelitian ini adalah produk pakaian yang dijual pada online shop Tata OS -
Unique 1.5 Tujuan Penelitian Tujuan penelitian yang diharapkan dari penelitian ini antara lain : -
Unique Membantu pemilik online shop dalam meningkatkan angka penjualan dan memperluas jangkauan pembeli melalui
promosi -
Unique Data yang terkumpul digunakan sebagai panduan dalam sistem -
Unique Laporan Melakukan penyusunan laporan apabila seluruh kegiatan telah selesai -
Unique Kegiatan inilah yang menjadi perhatian utama dari disiplin ilmu data mining -
Unique Data mining merupakan suatu proses otomatis terhadap data yang telah ada -
Unique Data yang diproses berupa data yang sangat besar -
Unique 2.1.2 Tahapan Data Mining Menurut Usama -
177 results Proses KDD secara garis besar dapat dijelaskan sebagai berikut:
duniakumu.com rahmahyuliana.blogspot.com specialpengetahuan.blogspot.com ojs.amikom.ac.id ronallaruku.blogspot.com academia.edu
lppm.upiyptk.ac.id digilib.umg.ac.id
repository.widyatama.ac.id repository.usu.ac.id
Unique Data selection Pemilihan (seleksi) data dari sekumpulan data operasional perlu dilakukan -
Unique Data mining Teknik, metode, atau algoritma dalam data mining sangat bervariasi -
Unique Pemilihan metode atau algoritma yang tepat sangat bergantung pada tujuan dan proses secara keseluruhan -
Unique Lalu fungsi data mining tersebut dapat dipilah menjadi: -
Unique Penting tidaknya suatu asosiasi dapat diketahui dengan dua tolak ukur, yaitu: support dan confidence - Unique (2.3) 11 Algoritma Apriori memiliki prinsip kerja dasar yakni dengan mengembangkan frequent itemset - Unique Data yang digunakan yaitu merupakan data jenis makanan dan minuman sebanyak 50 jenis -
Unique Aplikasi yang digunakan untuk menguji yaitu menggunakan software Rapidminer -
Unique Sedangkan aplikasi yang penulis pakai yaitu aplikasi berbasis web -
Unique 22 2.4.2 Class Diagram Menurut dan -
Unique Admin : id_admin, nama, username, password -
Unique Barang : id_barang, jenis_barang -
Unique Perhitungan : tanggal, hasil_apriori -
Unique History : tanggal, hasil_apriori 23 2.4.3 Activity Diagram Menurut dan -
Unique Hasil berupa aturan asosiasi yang diperoleh tersebut nantinya dapat dimanfaatkan sebagai acuan promosi -
Unique Tombol keluar digunakan untuk keluar sekaligus log out dari aplikasi -
Unique Implementasi Data Mining Penjualan Tas Pada Toko Fabella Shop Menggunakan Algoritma Apriori -
2,060 results Journal Speed - Sentra Penelitian Engineering dan Edukasi ijns.org ijns.org repository.nusamandiri.ac.id oaji.net ariyantihumala-ariyanti.blogspot.com coursehero.com
Unique Advances in Knowledge Discovery and Data Mining -
Unique Seminar Nasional Teknologi Informasi dan Komunikasi 2018 (SENTIKA 2018): 61-69 -
Unique PHP TUTORIAL BOOK FOR BEGINNER -
Unique Penentuan Rekomendasi Produk dengan Metode Data Mining Asosisasi Generalized Sequence Pattern (GSP) -
Unique Seminar Riset Teknologi Informasi (SRITI): 218-224 -
Unique S., dan Rekayasa Perangkat Lunak (Terstruktur dan Berorientasi Objek) -
Unique PENGANTAR DATA MINING Menggali Pengetahuan dan Bongkahan Data -
35 results Data Mining Penjualan Produk Dengan Metode Apriori Pada Indomaret Galang Kota
academia.edu researchgate.net
ojs.serambimekkah.ac.id ejournal.bsi.ac.id ejournal.bsi.ac.id researchgate.net
Unique Jurnal Nasional Komputasi dan Teknologi Informasi -
Unique Implementasi Algoritma Apriori Untuk Prediksi Stok Peralatan Tulis pada Toko XYZ -
Unique Jurnal Ilmiah Teknologi Informasi Terapan -
Unique 1 IMPLEMENTASI ALGORITMA APRIORI SEBAGAI STRATEGI PROMOSI PADA ONLINE SHOP (STUDI KASUS : TATA OS) - Unique id Program Studi Teknik Informatika, Fakultas Teknik, Universitas Nusantara PGRI Kediri BAB I PENDAHULUAN 1.1 - Unique pada tahun 2018 sebesar 86 persen pengguna internet di Indonesia telah melakukan belanja online (IDN -
Unique Dalam mengelola usahanya, pemilik online shop tentu membutuhkan strategi agar jangkauan pemasarannya
semakin luas -
Unique Salah satunya yaitu Tata OS, online shop yang menjual berbagai jenis pakaian seperti kaos, - Unique Pemilik online shop memiliki data penjualan yang selama ini tidak pernah dimanfaatkan sebagai strategi - Unique Sehingga kerap kali pemilik online shop kebingungan dalam menentukan barang mana yang paling efektif - Unique Penggunaan Apriori di toko dapat memudahkan konsumen dalam membeli produk yang sering dibeli dan -
Unique Apriori mampu menghasilkan informasi produk yang biasa terjual bersamaan melalui hubungan pola frekuensi
penjualan -
Unique Apriori juga bermanfaat untuk penyediaan stok produk penjualan yang lebih efisien pada toko (Valerian, - Unique Melalui algoritma Apriori akan ditemukan frequent item sets dari sejumlah data yang akan dicari - Unique yang telah memenuhi syarat minimum support dan confidence akan dijadikan sebagai acuan strategi promosi oleh -
Unique yaitu penentuan strategi promosi produk untuk meningkatkan angka penjualan toko online berdasarkan pola
belanja konsumen -
Unique 1.3 Rumusan Masalah Berdasarkan identifikasi permasalahan, maka rumusan masalah pada penilitian ini antara
lain -
Unique 3 1.4 Batasan Masalah Agar pembahasan tidak terlalu luas, maka diperlukan batasan sebagai penyederhana -
Unique Data yang digunakan yaitu data penjualan online shop Tata OS setiap pekan selama -
Unique Hasil akhir pada penelitian ini yaitu berupa kombinasi produk pakaian yang dapat digunakan sebagai - Unique Aplikasi akan dibuat terbatas sampai penentuan bahan promosi ditemukan, melalui aturan asosiasi yang didapat - Unique Mengetahui barang yang cocok dijadikan sebagai bahan promosi pada online shop dengan menggunakan algoritma -
Unique Membantu online shop meningkatan penjualan melalui promosi barang berdasaran aturan asosiasi yang diperoleh
dari -
Unique 1.6 Manfaat dan Kegunaan Penelitian Melalui penelitian ini, manfaat dan kegunaan penelitian yaitu - Unique Dapat memberikan informasi kombinasi barang yang cocok digunakan sebagai bahan promosi oleh pemilik online -
Unique Identifikasi permasalahan Studi Literatur Pengumpulan Data Perancangan Sistem Implementasi Sistem Evaluasi
Sistem Laporan 5 Keterangan -
Unique Identifikasi Permasalahan Menentukan objek penelitian, mengidentifikasi permasalahan yang ada, dan menentukan
metode yang sesuai -
Unique Studi Literatur Penulis mengumpulkan referensi yang didapat dari berbagai sumber, antara lain literatur dari - Unique Pengumpulan Data Penulis memeroleh data transaksi penjualan dan jenis barang yang dijual berasal dari -
Unique Perancangan Sistem Program dirancang dan didesain berdasarkan Use Case Diagram, Class Diagram, Activity
Diagram -
Unique Implementasi Sistem Penerapan sistem berdasarkan rancangan yang telah dibuat sebelumnya dalam bahasa
pemrograman php -
Unique promosi dan apakah terdapat 6 kesalahan pada saat sistem dioperasikan, sehingga dari proses ini dapat -
Unique Laporan yang disusun berdasar pada data yang diperoleh, perancangan, pembuatan, implementasi, serta evaluasi
sistem -
Unique 47 pula tujuan, manfaat dan kegunaan penelitian, serta penerapan metode penelitian, jadwal penelitian, dan
sistematika -
Unique BAB II TINJAUAN PUSTAKA Pada bab ini penulis menjabarkan teori-teori yang berhubungan dengan permasalahan - Unique Teori yang dibahas bersumber dari literatur jurnal penelitian, buku, dan situs penunjang lainnya serta -
Unique BAB III ANALISA DAN DESAIN SISTEM Pada bab ini memuat tentang analisa dari data -
Unique BAB IV HASIL DAN EVALUASI Pada bab ini penulis menunjukkan hasil dan evaluasi sistem - Unique BAB V PENUTUP Pada bab terakhir memuat tentang kesimpulan yang diperoleh dari penelitian ini -
Unique (notion) sebagai disiplin ilmu yang tujuan utamanya adalah untuk menemukan, menggali, atau menambang
pengetahuan dari -
Unique Menurut Kusrini dan Emha Taufiq Luthfi (2009: 4), hal penting yang terkait dengan data - Unique Tujuan data mining yaitu untuk mendapatkan hubungan atau pola yang mungkin memberikan indikasi yang -
Unique Data mining dan KDD sering kali digunakan secara bergantian untuk menjelaskan proses penggalian informasi
tersembunyi -
Unique Data hasil seleksi yang digunakan untuk proses data mining, disimpan dalam suatu berkas, terpisah - Unique Pre-processing cleaning Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang - Unique Transformation Coding adalah proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai - Unique Interpretation evalution Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam - Unique Tahap ini mencakup pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau -
Unique mining dimaknai sebagai berikut: Data mining terbagi dalam beberapa macam berdasarkan fungsinya antara lain
fungsi -
Unique Fungsi minor atau fungsi tambahan, yang meliputi ketiga fungsi yang pertama, yaitu deskripsi, estimasi, - Unique Fungsi mayor atau fungsi utama, yang meliputi ketiga fungsi berikutnya, yaitu klasifikasi, pengelompokan, dan - Unique 10 2.1.4 Algoritma Apriori dengan Association Rule Menurut Kusrini dan Emha Taufiq Luthfi (2009: - Unique Analisis asosiasi atau association rule mining adalah teknik data mining untuk menemukan aturan suatu - Unique Nilai support atau nilai penunjang yaitu persentase kombinasi item tersebut dalam database, sedangkan nilai -
Unique Analisis asosiasi didefinisikan yaitu suatu proses menemukan semua aturan asosiasi yang memenuhi syarat
minimum -
Unique supportnya seperti pada rumus 2.2: S port ( , B) = Σ Transaksi yang mengandung -
Unique (2.2) Kemudian untuk menghitung nilai confidence dari item A=>B yaitu seperti pada rumus 2.3: Confidence( - Unique Dimulai dari satu item dan secara rekursif mengembangkan menjadi dua item, tiga item, dan -
2 results set satu item tidak dapat mencapai minimum support, maka setiap itemset dengan ukuran yang lebih jip.polinema.ac.id eprints.dinus.ac.id
Unique PHP merupakan bahasa pemrograman universal untuk penanganan, pembuatan dan pengembangan suatu situs
web dan bisa -
Unique hasil survei atau dalam bentuk apapun ke server database dan pada tahap selanjutnya akan menciptakan -
Unique database, mengumpulkan dan mengelompokkan informasi, kemudian menampilkan pada saat ada tamu website
memerlukannya (menampilkan informasi -
Unique 2.1.6 MySQL Menurut Mundzir MF (2014: 7-8), MySQL dimaknai sebagai berikut: MySQL adalah sistem -
Unique Sistem database MySQL mampu mendukung beberapa fitur seperti multithread, multi-user, dan SQL database
management -
Unique 12 2.2 Kajian Pustaka Penelitian ini dilatar belakangi oleh beberapa penelitian sebelumnya dengan memuat -
Unique yaitu konsumen dapat menghemat waktu dan mempermudah dalam membeli produk yang sering dibeli karena
produk -
Unique penulis akan mengimplementasikan penelitian tersebut pada online shop pakaian dan tujuan dari metode penelitian
ini -
Unique Sedangkan data jenis barang pada penelitian ini yakni sebanyak 10 jenis pakaian, dengan jumlah - Unique diketahui data yang digunakan yaitu data penjualan toko setiap bulan selama satu tahun dengan itemset - Unique 13 shop setiap minggu selama tiga bulan sebelumnya dan akan melakukan pengujian selama empat minggu - Unique sebanyak 6 jenis produk alat tulis dan penelitian tersebut bertujuan untuk menentukan penyediaan stok produk -
Unique yang paling cocok digunakan sebagai acuan promosi sehingga dapat meningkatkan penjualan sekaligus
bermanfaat dalam memperluas -
Unique wilayah antara lain wilayah Jawa, Sumatra, Kalimantan, dan Sulawesi dan menghasilkan urutan produk yang
diminati -
Unique penelitian 14 yang diperoleh sebagai acuan promosi sehingga dapat meningkatkan penjualan sekaligus bermanfaat
dalam memperluas -
Unique promosi berdasarkan hasil dari pengolahan data tersebut dengan hasil confidence mulai dari 50 hingga 89 -
Unique oleh online shop sehingga dapat meningkatkan penjualan sekaligus bermanfaat dalam memperluas jangkauan
pembeli melalui promosi -
Unique dapat diketahui bahwa sejumlah item tersebut yang memenuhi standar minimum support yaitu pada jenis pakaian -
Unique Selanjutnya hasil dari pembentukan 1 itemset ini akan dikombinasikan menjadi 2 itemset seperti pada -
Unique 18 Pada tabel 2.5 kombinasi dua itemset dengan nilai minimum support 30% yang memenuhi standar -
Unique GAMIS 0 0% 4 GAMIS, KAOS, KEMEJA 1 8% Karena pada kombinasi tiga itemset tidak - Unique dan blouse, maka output pada aplikasi berupa aturan asosiasi seperti pada tabel 2.9: Tabel 2.9 - Unique Dengan mengetahui aturan asosiasi ini, maka pemilik online shop dapat menyusun strategi dalam menentukan - Unique ATURAN CONFIDENCE Jika membeli KEMEJA maka membeli BLOUSE 80% 21 2.4 Desain Sistem 2.4.1 - Unique (2016: 155), diagram use case dimaknai sebagai berikut: Diagram use case merupakan pemodelan untuk -
76 results akan dibuat dan digunakan untuk mengetahui fungsi apa saja yang ada dalam sistem informasi dan
si103.ilearning.me ml.scribd.com coursehero.com docplayer.info es.scribd.com id.123dok.com id.scribd.com id.scribd.com id.123dok.com repository.bsi.ac.id
Unique Gambar 2.1 Use Case Diagram Berdasarkan gambar 2.1 diketahui bahwa terdapat dua aktor yaitu - Unique laporan yang kemudian dapat dimanfaatkan pemilik online shop untuk dijadikan sebagai acuan promosi sesuai hasil -
Unique (2016: 141), Diagram kelas (class diagram) dimaknai sebagai berikut: Diagram kelas menggambarkan struktur
sistem -
Unique Gambar 2.2 Class Diagram Berdasarkan gambar 2.2, class diagram pada sistem meliputi beberapa objek - Unique aliran kerja dan aktivitas dari sebuah sistem atau proses bisnis atau menu yang terdapat pada -
Unique pengguna aplikasi yaitu melakukan login terlebih dahulu kemudian sistem memproses dan memvalidasi
berdasarkan kecocokan username -
Unique menu perhitungan dan memproses data transaksi penjualan online shop ya tidak 24 dengan algoritma Apriori - Unique Selanjutnya hasil aturan asosiasi yang diperoleh tersimpan dan dapat dicetak untuk diserahkan kepada pemilik - Unique 2.5 Desain Interface 2.5.1 Halaman Login USERNAME PASSWORD Gambar 2.4 Tampilan halaman login pada - Unique Untuk menampilkan halaman utama aplikasi maka pengguna atau admin harus mengisi username dan password -
Unique aplikasi LOGIN RESET DATA TRANSAKSI PERHITUNGAN HISTORY KELUAR 25 Pada gambar 2.5 menunjukkan
tampilan halaman -
Unique dengan algoritma Apriori memberikan output berupa aturan asosiasi yang akan dijadikan sebagai acuan promosi
dan -
Unique 2.5.3 Hasil Perhitungan Gambar 2.6 Tampilan hasil aturan asosiasi Sistem menampilkan hasil perhitungan Apriori -
Unique Hasil yang ditampilkan berupa aturan asosiasi yang diperoleh dengan syarat memenuhi nilai minimum support -
Unique ATURAN CONFIDENCE Jika membeli KEMEJA maka membeli BLOUSE 80% 26 BAB III PENUTUP 3.1 -
Unique Rancangan sistem untuk menentukan barang yang cocok dijadikan sebagai acuan promosi online shop Tata - Unique Berdasarkan simulasi perhitungan dan sistem yang telah dirancang, maka algoritma apriori akan diterapkan pada -
Unique pakaian yang cocok dijadikan sebagai bahan promosi, serta meningkatkan angka penjualan.27 DAFTAR PUSTAKA
Adiwihardja, C., -
Unique Analisis Algoritma FP-GROWTH untuk Rekomendasi Produk pada Data Retail Penjualan Produk Kosmetik (Studi
Kasus -
Top plagiarizing domains: ijns.org (2 matches); academia.edu (2 matches); ejournal.bsi.ac.id (2 matches); researchgate.net (2 matches); id.123dok.com (2 matches); coursehero.com (2 matches); id.scribd.com (2 matches); es.scribd.com (2 matches); ojs.serambimekkah.ac.id (1 matches); jip.polinema.ac.id (1 matches); si103.ilearning.me (1 matches);
repository.bsi.ac.id (1 matches); docplayer.info (1 matches); ml.scribd.com (1 matches); ariyantihumala-ariyanti.blogspot.com (1 matches); eprints.dinus.ac.id (1 matches); repository.nusamandiri.ac.id (1 matches); specialpengetahuan.blogspot.com (1 matches); ojs.amikom.ac.id (1 matches); rahmahyuliana.blogspot.com (1 matches);
duniakumu.com (1 matches); ejurnal.its.ac.id (1 matches); ronallaruku.blogspot.com (1 matches); lppm.upiyptk.ac.id (1 matches); pt.scribd.com (1 matches); repository.usu.ac.id (1 matches); repository.widyatama.ac.id (1 matches); digilib.umg.ac.id (1 matches); oaji.net (1 matches);
1 IMPLEMENTASI ALGORITMA APRIORI SEBAGAI STRATEGI PROMOSI PADA ONLINE SHOP (STUDI KASUS : TATA OS) Nando Adi Tya Pratama 1 , Danar Putra Pamungkas 2 1 [email protected], 2 [email protected] Program Studi Teknik Informatika, Fakultas Teknik, Universitas Nusantara PGRI Kediri BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini online shop menjadi salah satu usaha yang banyak diminati di Indonesia. Berdasarkan data rangkuman We Are Social dan Hootsuite yang dihimpun dari Global Web Index, pada tahun 2018 sebesar 86 persen pengguna internet di Indonesia telah melakukan belanja online (IDN Times, 2019). Dalam mengelola usahanya,
pemilik online shop tentu membutuhkan strategi agar jangkauan pemasarannya semakin luas dan meningkatkan angka penjualan melalui promosi produk. Salah satunya yaitu Tata OS, online shop yang menjual berbagai jenis pakaian seperti kaos, kemeja, rok, hingga jaket ini dapat ditemukan di Instagram dan Shopee. Pemilik online shop memiliki data penjualan yang selama ini tidak pernah dimanfaatkan sebagai strategi promosi atau hanya sebagai arsip saja. Sehingga kerap kali pemilik online shop kebingungan dalam menentukan barang mana yang paling efektif untuk dijadikan sebagai bahan promosi. Penggunaan Apriori di toko dapat memudahkan konsumen dalam membeli produk yang sering dibeli dan penerapan strategi penjualan 2 berupa pembuatan paket produk (Syahdan, 2018). Apriori mampu menghasilkan informasi produk yang biasa terjual bersamaan melalui hubungan pola frekuensi penjualan pada toko (Adiwihardja, 2018). Apriori juga bermanfaat untuk penyediaan stok produk penjualan yang lebih efisien pada toko (Valerian, 2018). Melalui algoritma Apriori akan ditemukan frequent item sets dari sejumlah data yang akan dicari aturan asosiasinya. Dengan memanfaatkan data transaksi setiap pekan dan menentukan seluruh aturan asosiasi, maka setiap barang yang telah memenuhi syarat minimum support dan confidence
akan dijadikan sebagai acuan strategi promosi oleh pemilik online shop sehingga dapat meningatkan angka penjualan. Oleh karena itu dalam menyelesaikan permasalahan yang ada, penulis akan menerapkan algoritma Apriori. 1.2 Identifikasi Masalah Berdasarkan pada latar belakang masalah yang ada, maka dapat diidentifikasi permasalahannya yaitu penentuan strategi promosi produk untuk meningkatkan angka penjualan toko online berdasarkan pola belanja konsumen setiap pekan dengan menggunakan algoritma Apriori. 1.3 Rumusan Masalah Berdasarkan identifikasi permasalahan, maka rumusan masalah pada penilitian ini antara lain : 1. Bagaimana cara menentukan strategi promosi pada online shop menggunakan algoritma Apriori? 2. Apakah dengan menerapan algoritma Apriori dapat meningkatkan penjualan pada online shop? 3 1.4 Batasan Masalah Agar pembahasan tidak terlalu luas, maka diperlukan batasan sebagai penyederhana permasalahan, antara lain : 1. Pada program akan digunakan metode Apriori dan tidak membandingkan dengan metode lainnya. 2. Program dirancang menggunakan php. 3. Obyek penelitian ini adalah produk pakaian yang dijual pada online shop Tata OS. 4. Data yang digunakan yaitu data penjualan online shop Tata OS setiap pekan selama 3 bulan. 5. Hasil akhir pada penelitian ini yaitu berupa kombinasi produk pakaian yang dapat digunakan sebagai bahan promosi. 6. Aplikasi akan dibuat terbatas sampai penentuan bahan promosi ditemukan, melalui aturan asosiasi yang didapat dari kombinasi produk yang telah ditentukan nilai support dan confidence. 1.5 Tujuan Penelitian Tujuan penelitian yang diharapkan dari penelitian ini antara lain : 1. Mengetahui barang yang cocok dijadikan sebagai bahan promosi pada online shop dengan menggunakan algoritma Apriori. 2. Membantu online shop meningkatan penjualan melalui promosi barang berdasaran aturan asosiasi yang diperoleh dari penerapan algoritma Apriori. 1.6 Manfaat dan Kegunaan Penelitian
Melalui penelitian ini, manfaat dan kegunaan penelitian yaitu : 1. Dapat memberikan informasi kombinasi barang yang cocok digunakan sebagai bahan promosi oleh pemilik online shop. 4 2. Membantu pemilik online shop dalam meningkatkan angka penjualan dan memperluas jangkauan pembeli melalui promosi. 1.7 Metode Penelitian Tahapan metodologi penelitian sebagai berikut : Gambar 1.1 Tahapan Metode Penelitian Identifikasi permasalahan Studi Literatur Pengumpulan Data Perancangan Sistem Implementasi Sistem Evaluasi Sistem Laporan 5 Keterangan : 1. Identifikasi Permasalahan Menentukan objek penelitian, mengidentifikasi permasalahan yang ada, dan menentukan metode yang sesuai untuk implementasi yaitu Apriori. 2. Studi Literatur Penulis mengumpulkan referensi yang didapat dari berbagai sumber, antara lain literatur dari jurnal penelitian, buku, dan situs penunjang lainnya yang berhubungan dengan metode Apriori. 3. Pengumpulan Data Penulis memeroleh data transaksi penjualan
dan jenis barang yang dijual berasal dari pemilik online shop. Data yang terkumpul digunakan sebagai panduan dalam sistem. 4. Perancangan Sistem Program dirancang dan didesain berdasarkan Use Case Diagram, Class Diagram, Activity Diagram dan implementasi metode Apriori untuk menentukan barang yang cocok dijadikan sebagai bahan promosi. 5. Implementasi Sistem Penerapan sistem berdasarkan rancangan yang telah dibuat sebelumnya dalam bahasa pemrograman php sesuai dengan kebutuhan sistem. 6. Evaluasi Sistem Melakukan evaluasi pada sistem hingga memeroleh aaturan asosiasi untuk dimanfaatkan sebagai strategi promosi dan apakah terdapat 6 kesalahan pada saat sistem dioperasikan, sehingga dari proses ini dapat diketahui perlunya perbaikan pada sistem bila terdapat error. 7. Laporan Melakukan penyusunan laporan apabila seluruh kegiatan telah selesai. Laporan yang disusun berdasar pada data yang diperoleh, perancangan, pembuatan, implementasi, serta evaluasi sistem yang telah dilakukan sebelumnya. 1.8 Jadwal Penelitian Penelitian ini akan dilakukan pada online shop Tata OS : Tabel 1.1 Jadwal Penelitian 1.9 Sistematika Penulisan Laporan Pembahasan penelitian disusun oleh penulis berdasarkan sistematika penulisan laporan sebagai berikut : BAB I PENDAHULUAN Pada bab ini penulis menguraikan latar
belakang, identifikasi, pembatasan, dan rumusan masalah, dijelaskan 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 Identifikasi Permasalahan 2 Studi Literatur 3 Pengumpulan Data 4 Perancangan Sistem 5 Impelementasi Sistem 6 Evaluasi Sistem 7 Laporan 5 6 Bulan / Minggu Ke- No Kegiatan 1 2 3 47 pula tujuan, manfaat dan kegunaan penelitian, serta penerapan metode penelitian, jadwal penelitian, dan sistematika penulisan. BAB II TINJAUAN PUSTAKA Pada bab ini penulis menjabarkan teori-teori yang berhubungan dengan permasalahan yang ada dalam penelitian serta metode yang akan diterapkan. Teori yang dibahas bersumber dari literatur jurnal penelitian, buku, dan
situs penunjang lainnya serta informasi dari pemilik online shop. BAB III ANALISA DAN DESAIN SISTEM Pada bab ini memuat tentang analisa dari data penjualan online shop yang dibutuhkan serta desain sistem dan perancangan pada aplikasi. BAB IV HASIL DAN EVALUASI Pada bab ini penulis menunjukkan hasil dan evaluasi sistem meliputi interface aplikasi berupa tampilan halaman input dan output serta model program. BAB V PENUTUP Pada bab terakhir memuat tentang kesimpulan yang diperoleh dari penelitian ini dan saran yang penulis berikan untuk penelitian berikutnya. 8 BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Pengertian Data Mining Menurut Sani Susanto
dan Dedy Suryadi (2010: 2-3), data mining dimaknai sebagai berikut: Data mining memiliki hakikat (notion) sebagai disiplin ilmu yang tujuan utamanya adalah untuk menemukan, menggali, atau menambang pengetahuan dari data atau informasi yang kita miliki. Kegiatan inilah yang menjadi perhatian utama dari disiplin ilmu data mining.
Menurut Kusrini dan Emha Taufiq Luthfi (2009: 4), hal penting yang terkait dengan data mining antara lain: 1. Data mining merupakan suatu proses otomatis terhadap data yang telah ada. 2. Data yang diproses berupa data yang sangat besar. 3. Tujuan data mining yaitu untuk mendapatkan hubungan atau pola yang mungkin memberikan indikasi yang bemanfaat. 2.1.2 Tahapan Data Mining Menurut Usama M. Fayyad (1996), istilah data mining dan knowledge discovery in databases (KDD) dimaknai sebagai berikut: Data mining dan KDD sering kali digunakan secara bergantian untuk menjelaskan proses penggalian informasi tersembunyi dalam suatu basis data yang besar.
Proses KDD secara garis besar dapat dijelaskan sebagai berikut: 1. Data selection Pemilihan (seleksi) data dari sekumpulan data operasional perlu dilakukan. Data hasil seleksi yang digunakan untuk proses data mining, disimpan dalam suatu berkas, terpisah dari basis data operasional. 9 2. Pre-processing / cleaning Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan pada data. 3. Transformation Coding adalah proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai untuk proses data mining. 4. Data mining Teknik, metode, atau algoritma dalam data mining sangat bervariasi.
Pemilihan metode atau algoritma yang tepat sangat bergantung pada tujuan dan proses secara keseluruhan. 5. Interpretation / evalution Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap ini mencakup pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesis yang ada sebelumnya. 2.1.3 Pengelompokan Data Mining Menurut Sani Susanto dan Dedy Suryadi (2010: 2-3), pengelompokan data mining dimaknai sebagai berikut: Data mining terbagi dalam beberapa macam berdasarkan fungsinya antara lain fungsi deskripsi, estimasi,
prediksi, klasifikasi, pengelompokan, dan asosiasi. Lalu fungsi data mining tersebut dapat dipilah menjadi: 1. Fungsi minor atau fungsi tambahan, yang meliputi ketiga fungsi yang pertama, yaitu deskripsi, estimasi, dan prediksi; 2. Fungsi mayor atau fungsi utama, yang meliputi ketiga fungsi berikutnya, yaitu klasifikasi, pengelompokan, dan asosiasi. 10 2.1.4 Algoritma Apriori dengan Association Rule Menurut Kusrini dan Emha Taufiq Luthfi (2009: 149-151), algoritma Apriori dimaknai sebagai berikut: Algoritma Apriori termasuk jenis aturan asosiasi pada data mining. Analisis asosiasi atau association rule mining adalah teknik data mining untuk menemukan aturan suatu kombinasi item. Penting tidaknya suatu asosiasi dapat diketahui dengan dua tolak ukur, yaitu: support dan confidence. Nilai support atau nilai penunjang yaitu persentase kombinasi item tersebut dalam database, sedangkan nilai confidence atau nilai kepastian yaitu kuatnya hubungan antar-item dalam aturan asosiasi. Analisis asosiasi didefinisikan yaitu suatu proses menemukan semua aturan asosiasi yang memenuhi syarat minimum support dan minimum confidence. Tahap mencari kombinasi item yang memenuhi syarat minimum dari nilai support dalam database seperti pada rumus 2.1: S ( ) = Σ Transaksi yang mengandung nilai (A) Σ Transaksi x 100% (2.1) Sedangkan untuk kombinasi item A dan item B maka untuk menghitung nilai supportnya seperti pada rumus 2.2: S port ( , B) = Σ Transaksi yang mengandung (A dan B) Σ Transaksi x 100% ...(2.2) Kemudian untuk menghitung nilai confidence dari item A=>B yaitu seperti pada rumus 2.3: Confidence( =>B) = Σ Transaksi mengandung (A dan B) Σ Transaksi mengandung nilai (A) x 100%...(2.3) 11 Algoritma Apriori memiliki prinsip kerja dasar yakni dengan mengembangkan frequent itemset. Dimulai dari satu item dan secara rekursif mengembangkan menjadi dua item, tiga item, dan seterusnya hingga frequent itemset tak dapat dikembangkan lagi. Untuk mengembangkan frequent itemset dengan dua item, dapat menggunakan satu item, dengan alasan bila set satu item tidak dapat mencapai minimum support, maka setiap itemset dengan ukuran yang lebih besar juga tidak akan melebihi minimum support. 2.1.5 PHP Menurut Mundzir MF (2014: 7-8), PHP atau Hypertext Preprocessor dimaknai sebagai berikut:
PHP merupakan bahasa pemrograman universal untuk penanganan, pembuatan dan pengembangan suatu situs web dan bisa digunakan bersamaan dengan HTML. PHP sebagai sekumpulan skrip bahasa program memiliki fungsi utama yaitu mampu mengumpulkan dan mengevaluasi hasil survei atau dalam bentuk apapun ke server database dan pada tahap selanjutnya akan menciptakan efek beruntun. Efek beruntun PHP ini berupa tindakan dari skrip lain yang akan melakukan komunikasi dengan database, mengumpulkan dan mengelompokkan informasi, kemudian menampilkan pada saat ada tamu website memerlukannya (menampilkan informasi sesuai permintaan user).
2.1.6 MySQL Menurut Mundzir MF (2014: 7-8), MySQL dimaknai sebagai berikut: MySQL adalah sistem manajemen database SQL yang sifatnya open source (terbuka) dan paling banyak digunakan saat ini. Sistem database MySQL mampu mendukung beberapa fitur seperti multithread, multi-user, dan SQL database management system (DBMS). 12 2.2 Kajian Pustaka Penelitian ini dilatar belakangi oleh beberapa penelitian sebelumnya dengan memuat teori-teori yang relevan sebagai berikut: 1. Penelitian yang dilakukan oleh Sheih Al Syahdan dan Anita Sindar (2018) jurusan Teknik Informatika dengan judul “Data Mining Penjualan Produk Dengan Metode Apriori Pada Indomaret Galang Kota” diperoleh manfaat yaitu konsumen dapat menghemat waktu dan mempermudah dalam membeli produk yang sering dibeli karena produk digabungkan pada satu rak. Data yang digunakan yaitu merupakan data jenis makanan dan minuman sebanyak 50 jenis. Perbedaan jurnal penelitian tersebut dengan yang penulis
bahas yakni terdapat pada objek penelitian yaitu penulis akan mengimplementasikan penelitian tersebut pada online shop pakaian dan tujuan dari metode penelitian ini akan diterapkan berupa strategi promosi produk. Sedangkan data jenis barang pada penelitian ini yakni sebanyak 10 jenis pakaian, dengan jumlah varian atau jenis data barang memungkinkan nilai support yang dihasilkan juga akan berbeda. 2. Penelitian yang dilakukan oleh Cep Adiwihardja, Murni Cahyati, dan Reynida Hilma (2018) jurusan Teknik Informasi dengan judul “Implementasi Data Mining Penjualan Tas Pada Toko Fabella Shop Menggunakan Algoritma Apriori” diketahui data yang digunakan yaitu
data penjualan toko setiap bulan selama satu tahun dengan itemset yang digunakan adalah tiga produk tas dengan jumlah penjualan terbanyak. Aplikasi yang digunakan untuk menguji yaitu menggunakan software Rapidminer. Perbedaaan jurnal penelitian tersebut dengan yang penulis bahas yaitu penulis menggunakan data penjualan online 13 shop setiap minggu selama tiga bulan sebelumnya dan akan melakukan pengujian selama empat minggu pada bulan berikutnya. Sedangkan aplikasi yang penulis pakai yaitu aplikasi berbasis web. 3. Penelitian yang dilakukan oleh Andre Valerian dan Lukman Hakim (2018) jurusan Teknik Informatika dengan judul “Implementasi Algoritma Apriori Untuk Prediksi Stok Peralatan Tulis pada Toko XYZ” menggunakan data penjualan sebanyak 6 jenis produk alat tulis dan penelitian tersebut bertujuan untuk menentukan penyediaan stok produk kedepannya berdasarkan aturan asosiasi final yang diperoleh. Perbedaaan jurnal penelitian tersebut dengan yang penulis bahas
yaitu penulis menggunakan data penjualan sebanyak 10 jenis produk pakaian dan tujuan dari penelitian ini yaitu untuk menentukan produk pakaian apa yang paling cocok digunakan sebagai acuan promosi sehingga dapat meningkatkan penjualan sekaligus bermanfaat dalam memperluas jangkauan pembeli melalui promosi produk. 4.
Penelitian yang dilakukan oleh Elly Muningsih (2016) jurusan Manajemen Informatika dengan judul “Penentuan Rekomendasi Produk dengan Metode Data Mining Asosisasi Generalized Sequence Pattern (GSP)” menggunakan sebanyak 20 data setiap wilayah antara lain wilayah Jawa, Sumatra, Kalimantan, dan Sulawesi dan menghasilkan urutan produk yang diminati oleh konsumen pada setiap wilayah. Perbedaan jurnal penelitian tersebut dengan yang penulis bahas yaitu metode yang digunakan, penulis menggunakan algoritma Apriori dengan hanya memfokuskan obyek penelitian pada satu online shop dan bertujuan menggunakan hasil penelitian 14 yang diperoleh sebagai
acuan promosi sehingga dapat meningkatkan penjualan sekaligus bermanfaat dalam memperluas jangkauan pembeli melalui promosi produk. 5. Penelitian yang dilakukan oleh Sigit Kurniawan, Windu Gata, dan Hari Wiyana (2018) jurursan Ilmu Komputer dengan judul “Analisis Algoritma FP-GROWTH untuk Rekomendasi Produk pada Data Retail Penjualan Produk Kosmetik (Studi Kasus : MT Shop Kelapa Gading)” dengan menggunakan aplikasi Rapid Miner bermanfaat dalam menentukan posisi produk yang ada di rak-rak penjualan serta dapat memberikan rekomendasi produk yang akan dibuatkan promosi berdasarkan hasil dari pengolahan data tersebut dengan hasil confidence mulai dari 50 hingga 89 persen. Perbedaaan jurnal penelitian tersebut dengan yang penulis bahas yaitu penulis menggunakan algoritma Apriori pada aplikasi berbasis web dengan implementasi hasil yang didapat sebagai acuan promosi produk pakaian yang dijual oleh online shop sehingga dapat meningkatkan penjualan sekaligus
bermanfaat dalam memperluas jangkauan pembeli melalui promosi produk. 15 2.3 Simulasi Perhitungan Algoritma Apriori 2.3.1 Data Transaksi Penjualan Data transaksi penjualan pakaian pada online shop Tata OS selama tiga bulan seperti pada tabel 2.1: Tabel 2.1 Tabel Transaksi Penjualan MINGGU KE JENIS PAKAIAN 1 GAMIS KAOS KEMEJA 2 BLOUSE KAOS KEMEJA 3 BLOUSE KEMEJA MINIDRESS 4 CELANA KAOS GAMIS 5 GAMIS JAKET OUTER 6 CELANA KAOS TUNIK 7 BLOUSE KEMEJA TUNIK 8 BLOUSE GAMIS KAOS 9 GAMIS MINIDRESS MAXISKIRT 10 JAKET KAOS MAXISKIRT 11 BLOUSE KAOS KEMEJA 13 GAMIS JAKET KAOS 2.3.2 Proses Data Transaksi Penjualan Pada data transaksi penjualan dibentuk tabel tabular agar memudahkan dalam mengetahui jumlah jenis pakaian terjual setiap pekan dalam setiap transaksi seperti pada tabel 2.2: Tabel 2.2 Tabel Perhitungan Transaksi Penjualan MINGGU KE BLOUSE CELANA GAMIS JAKET KAOS KEMEJA MAXISK IRT MINIDR ESS OUTER TUNIK 1 0 0 1 0 1 1 0 0 0 0 2 1 0 0 0 1 1 0 0
0 0 3 1 0 0 0 0 1 0 1 0 0 4 0 1 1 0 1 0 0 0 0 0 5 1 0 0 0 1 0 0 0 1 0 6 0 0 1 1 0 0 0 0 1 0 7 0 1 0 0 1 0 0 0 0 1 8 1 0 0 0 0 1 0 0 0 1 9 1 0 1 0 1 0 0 0 0 0 10 0 0 1 0 0 0 1 1 0 0 11 0 0 0 1 1 0 1 0 0 0 12 1 0 0 0 1 1 0 0 0 0 13 0 0 1 1 1 0 0 0 0 0 TOTAL 6 2 6 3 9 5 2 2 2 216 2.3.3 Frequent Itemset Berikut ini merupakan perhitungan nilai support berdasarkan data pada tabel 2.1 dan tabel 2.2 sebelumnya dengan rumus 2.1 pada tabel 2.3: Tabel 2.3 Nilai support setiap item NO ITEM JUMLAH SUPPORT 1 BLOUSE 6 46% 2 CELANA 2 15% 3 GAMIS 6 46% 4 JAKET 3 23% 5 KAOS 9 69% 6 KEMEJA 5 38% 7 MAXI SKIRT 2 15% 8 MINIDRESS 2 15% 9 OUTER 2 15% 10 TUNIK 2 15% Melalui proses pembentukan itemset seperti pada tabel 2.3 dengan nilai minimum support 30% dapat diketahui bahwa sejumlah item tersebut yang memenuhi standar minimum support yaitu pada jenis pakaian blouse, gamis, kaos, dan kemeja. Selanjutnya hasil dari pembentukan 1 itemset ini akan dikombinasikan menjadi 2 itemset seperti pada tabel 2.4.
17 2.3.4 Kombinasi Dua Itemset Proses pembentukan kombinasi dua itemset berdasarkan frequent Itemset yang telah terbentuk pada tabel 2.3 dengan nilai minimum support 30%, maka diperoleh kombinasi dua itemset seperti pada tabel 2.4: Tabel 2.4 Kombinasi dua itemset MINGGU KE BLOUSE GAMIS BLOUSE KAOS BLOUSE KEMEJA GAMIS KAOS GAMIS KEMEJA KAOS KEMEJA 1 0 0 0 1 1 1 2 0 1 1 0 0 1 3 0 0 1 0 0 0 4 0 0 0 1 0 0 5 0 1 0 0 0 0 6 0 0 0 0 0 0 7 0 0 0 0 0 0 8 0 0 1 0 0 0 9 1 1 0 1 0 0 10 0 0 0 0 0 0 11 0 0 0 0 0 0 12 0 1 1 0 0 1 13 0 0 0 1 0 0 TOTAL 1 4 4 4 1 3 Melalui perhitungan pada tabel 2.4 diperoleh nilai support dengan perhitungan berdasarkan rumus 2.2 seperti pada tabel 2.5: Tabel 2.5 Nilai support dari kombinasi dua itemset NO ITEM JUMLAH SUPPORT 1 BLOUSE, GAMIS 1 8% 2 BLOUSE, KAOS 4 31% 3 BLOUSE, KEMEJA 4 31% 4 GAMIS, KAOS 4 31% 5 GAMIS, KEMEJA 1 8% 6 KAOS, KEMEJA 3 23% 18 Pada tabel 2.5 kombinasi dua itemset dengan nilai minimum support 30% yang memenuhi standar
minimum support yaitu kombinasi pakaian blouse dan kaos, blouse dan kemeja, serta gamis dan kaos. Dari kombinasi 2 itemset yang telah terbentuk ini akan dikombinasikan menjadi 3 itemset seperti pada tabel 2.6 2.3.5 Kombinasi Tiga Itemset Proses pembentukan kombinasi tiga itemset berdasarkan kombinasi dua itemset yang telah terbentuk pada tabel 2.5 dengan nilai minimum support 30%, maka diperoleh kombinasi tiga itemset seperti pada tabel 2.6: Tabel 2.6 Kombinasi tiga itemset MINGGU KE BLOUSE KAOS KEMEJA BLOUSE GAMIS KAOS BLOUSE KEMEJA GAMIS GAMIS KAOS KEMEJA 1 0 0 0 1 2 1 0 0 0 3 0 0 0 0 4 0 0 0 0 5 0 0 0 0 6 0 0 0 0 7 0 0 0 0 8 0 0 0 0 9 0 1 0 0 10 0 0 0 0 11 0 0 0 0 12 1 0 0 0 13 0 0 0 0 TOTAL 2 1 0 1 19 Melalui perhitungan pada tabel 2.6 diperoleh nilai support seperti pada tabel 2.7: Tabel 2.7 Nilai support dari kombinasi tiga itemset NO ITEM JUMLAH SUPPORT 1 BLOUSE, KAOS, KEMEJA 2 15% 2 BLOUSE, GAMIS, KAOS 1 8% 3 BLOUSE, KEMEJA, GAMIS 0 0% 4 GAMIS, KAOS, KEMEJA 1 8% Karena pada kombinasi tiga itemset tidak ditemukan kombinasi yang memenuhi minimum support 30% maka kombinasi dua itemset yang memenuhi pembentukan asosiasi. 2.3.6 Aturan Asosiasi yang Diperoleh Dari seluruh pola frekuensi tinggi yang telah ditemukan, maka tahapan selanjutnya yaitu mencari aturan asosiasi yang memenuhi syarat minimum confidence 70% dengan menghitung masing-masing nilai confidence seperti pada rumus 2.3, maka diperoleh hasil seperti tabel 2.8: Tabel 2.8 Perhitungan nilai confidence NO ITEM CONFIDENCE 1 BLOUSE, KAOS 67% 2 BLOUSE, KEMEJA 67% 3 GAMIS, KAOS 67% 4 KAOS, BLOUSE 44% 5 KEMEJA, BLOUSE 80% 6 KAOS, GAMIS 44% 20 Berdasarkan tabel 2.8, diperoleh aturan asosiasi dengan barang yang memenuhi kriteria minimum confidence adalah kemeja dan blouse, maka output pada aplikasi berupa aturan asosiasi seperti pada tabel 2.9: Tabel 2.9 Aturan Asosiasi Barang yang paling sering dibeli setiap pekan yaitu kemeja dan blouse. Dengan mengetahui aturan asosiasi ini, maka pemilik online shop dapat menyusun strategi dalam menentukan barang yang cocok dijadikan sebagai acuan promosi berdasarkan kombinasi itemset barang yang terbentuk. ATURAN CONFIDENCE Jika membeli KEMEJA maka membeli BLOUSE 80% 21 2.4 Desain Sistem 2.4.1 Use Case Diagram Menurut dan M.Shalahuddin dan Rosa A.S. (2016: 155), diagram use case dimaknai sebagai berikut: Diagram use case merupakan pemodelan untuk kelakukan (behavior) sistem informasi yang akan dibuat. Use case mendeskripsikan sebuah interaksi antara satu atau lebih aktor dengan sistem informasi yang akan dibuat dan digunakan untuk mengetahui fungsi apa saja yang ada dalam sistem informasi dan siapa saja yang berhak menggunakan fungsi-fungsi tersebut. Gambar 2.1 Use Case Diagram Berdasarkan gambar 2.1 diketahui bahwa terdapat dua aktor yaitu admin atau user aplikasi dan pemilik online shop. User terlebih dahulu melakukan login pada aplikasi dengan mengisi username dan password dengan benar, kemudian melakukan pengolahan data transaksi dengan algoritma apriori, hasil yang diperoleh berupa aturan asosiasi dijadikan laporan yang kemudian dapat dimanfaatkan pemilik online shop untuk dijadikan sebagai acuan promosi sesuai hasil yang didapatkan. 22 2.4.2 Class Diagram Menurut dan M.Shalahuddin dan Rosa A.S. (2016: 141), Diagram kelas (class diagram) dimaknai sebagai berikut: Diagram kelas menggambarkan struktur sistem dari segi pendefinisian kelas-kelas yang akan dibuat untuk metode atau operasi. Gambar 2.2 Class Diagram Berdasarkan gambar 2.2, class diagram pada sistem meliputi beberapa objek antara lain admin, login, barang, perhitungan, dan history dengan atribut sebagai berikut: 1. Admin : id_admin, nama, username, password 2. Login : username, password 3. Barang : id_barang, jenis_barang 4. Perhitungan : tanggal, hasil_apriori 5. History : tanggal, hasil_apriori 23 2.4.3 Activity Diagram Menurut dan M.Shalahuddin dan Rosa A.S. (2016: 161), Diagram aktivitas (activity diagram) dimaknai sebagai berikut: Diagram aktivitas menggambarkan workflow atau aliran kerja dan aktivitas dari sebuah sistem atau proses bisnis atau menu yang terdapat pada perangkat lunak. Gambar 2.3 Activity Diagram Berdasarkan pada gambar 2.3, Aktivitas yang dilakukkan oleh admin sebagai pengguna aplikasi yaitu melakukan login terlebih dahulu kemudian sistem memproses dan memvalidasi berdasarkan kecocokan username dan password pada databas, apabila data admin tidak sesuai maka harus melakukan login kembali. Apabila telah berhasil login, maka admin dapat melanjutkan ke halaman utama aplikasi
kemudian menuju menu perhitungan dan memproses data transaksi penjualan online shop ya tidak 24 dengan algoritma Apriori yang telah diimplementasikan pada sistem. Selanjutnya hasil aturan asosiasi yang diperoleh tersimpan dan dapat dicetak untuk diserahkan kepada pemilik online shop. Hasil berupa aturan asosiasi yang diperoleh tersebut nantinya dapat dimanfaatkan sebagai acuan promosi. 2.5 Desain Interface 2.5.1 Halaman Login USERNAME PASSWORD Gambar 2.4 Tampilan halaman login pada aplikasi Pada gambar 2.4 menunjukkan tampilan halaman login saat pertama kali pengguna mengakses aplikasi. Untuk menampilkan halaman utama aplikasi maka pengguna atau admin harus mengisi username dan password dengan benar. 2.5.2 Halaman Utama Aplikasi ONLINE SHOP TATA OS Gambar 2.5 Tampilan halaman utama pada aplikasi LOGIN RESET DATA TRANSAKSI PERHITUNGAN HISTORY KELUAR 25 Pada gambar 2.5 menunjukkan tampilan halaman utama aplikasi untuk online shop TATA
OS. Terdapat menu data transaksi yang berisi data transaksi penjualan pakaian setiap pekan, menu perhitungan dengan algoritma Apriori memberikan output berupa aturan asosiasi yang akan dijadikan sebagai acuan promosi dan history berisi informasi hasil yang telah diperoleh pada periode sebelumnya. Tombol keluar digunakan untuk keluar sekaligus log out dari aplikasi. 2.5.3 Hasil Perhitungan Gambar 2.6 Tampilan hasil aturan asosiasi Sistem menampilkan hasil perhitungan Apriori seperti pada gambar 2.6. Hasil yang ditampilkan berupa aturan asosiasi yang diperoleh dengan syarat memenuhi nilai minimum support dan minimum confidence. ATURAN CONFIDENCE Jika membeli KEMEJA maka membeli BLOUSE 80% 26 BAB III PENUTUP 3.1 Kesimpulan Berdasarkan hasil pembahasan pada proposal ini dapat dianalisis sebagai berikut: 1. Rancangan sistem untuk menentukan barang yang cocok dijadikan sebagai acuan promosi online shop Tata OS telah berhasil dirancang. 2. Berdasarkan simulasi perhitungan dan sistem yang telah dirancang, maka algoritma apriori akan diterapkan pada strategi promosi pakaian pada online shop Tata OS. 3.2 Harapan Penulis berharap agar perancangan sistem berdasarkan yang tertulis pada proposal ini dapat bermanfaat bagi perkembangan usaha online shop Tata OS, memudahkan pemilik online shop dalam
menentukan jenis pakaian yang cocok dijadikan sebagai bahan promosi, serta meningkatkan angka penjualan.27 DAFTAR PUSTAKA Adiwihardja, C., Cahyati, M. dan Hilma, R. 2018. Implementasi Data Mining Penjualan Tas Pada Toko Fabella Shop Menggunakan Algoritma Apriori. Journal Speed - Sentra Penelitian Engineering dan Edukasi.
Vol.10, No.4: 92-97. Fayyad, U.M. Advances in Knowledge Discovery and Data Mining. 1996. MIT Press. Kurniawan, S., Gata W. dan Wiyana H. 2018. Analisis Algoritma FP-GROWTH untuk Rekomendasi Produk pada Data Retail Penjualan Produk Kosmetik (Studi Kasus : MT Shop Kelapa Gading). Seminar Nasional Teknologi Informasi dan Komunikasi 2018 (SENTIKA 2018): 61-69. Kusrini, dan Luthfi, E.T. ALGORITMA DATA MINING. 2009. Yogyakarta: ANDI. MF, Mundzir. PHP TUTORIAL BOOK FOR BEGINNER. 2014. Yogyakarta: NOTEBOOK. Muningsih, L. 2016. Penentuan Rekomendasi Produk dengan Metode Data Mining Asosisasi Generalized Sequence Pattern (GSP). Seminar Riset
Teknologi Informasi (SRITI): 218-224. Shalahuddin, M., dan Rosa A.S., dan Rekayasa Perangkat Lunak (Terstruktur dan Berorientasi Objek). 2016. Bandung: Informatika Bandung. Susanto, S., dan Suryadi, D. 2010. PENGANTAR DATA MINING Menggali Pengetahuan dan Bongkahan Data. Yogyakarta: ANDI. 28 Syahdan, S.A., dan Sindar, A. 2018.
Data Mining Penjualan Produk Dengan Metode Apriori Pada Indomaret Galang Kota. Jurnal Nasional Komputasi dan Teknologi Informasi. Vol.1, No.2: 56-63. Valerian, A. dan Hakim, L. 2018. Implementasi Algoritma Apriori Untuk Prediksi Stok Peralatan Tulis pada Toko XYZ. Jurnal Ilmiah Teknologi Informasi Terapan. Vol.V, No.1: 18-22.
