Penerapan Data Mining Pada Penjualan Produk Benang Di PT. Bandung Perkasa Jaya Menggunakan Metode Associantion Rule

Gratis

0
10
84
2 years ago
Preview
Full text

BAB 1 PENDAHULUAN I.1. Latar Belakang Masalah PT. Bandung Perkasa Jaya merupakan sebuah perusahaan yang bergerak di

  Penentuan produksi benang berdasarkan laporan transaksi penjualan jenis produk benang yang sering dijual mengakibatkan penumpukanhasil produksi, yang merupakan akibat dari adanya kesalahan informasi jenis produk benang yang seharusnya diproduksi. Data mining diartikan sebagai menambang data atau upaya menggali informasi yang berharga dan berguna pada database yang sangat besar ( Agrawal,R., Srikant, 1996 ).

I. 2. Rumusan Masalah

  Modeling adalah fase menentukan teknik data mining yang digunakan, menentukan tools data mining, teknik data mining, algoritma data mining, menentukan parameter dengan nilai yang optimal. TINJAUAN PUSTAKA Bab ini membahas tentang profil perusahaan, proses produksi, hasil produksi serta berbagai konsep dasar dan teori-teori yang berkaitandengan topik penelitian yang dilakukan dan hal-hal yang berguna dalam proses analisis permasalahan.

BAB II TINJAUAN PUSTAKA II.1. Tentang PT. Bandung Perkasa Jaya PT. Bandung Perkasa Jaya merupakan perusahaan yang bergerak dibidang

  Bandung Perkasa Jaya yang dapat dilihat pada Gambar II.1 : PengelolaMengawasi kegiatan produksi, penjualan, keuangan, pembelian, administrasi dan kegiatan lain dalam rangka pencapaian tujuan perusahaan 2. Landasan Teori Landasan teori yang berkaitan dengan materi atau teori yang digunakan sebagai acuan dalam melakukan penelitian.

II. 4. Pengertian data mining

  Didalamnya juga terdapar proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai basis data. Menurut FajarAstuti Hermawati, “Data mining adalah proses yang memperkerjakan satu atau lebih teknik pembelajaran komputer untukmenganalisis dan mengekstrasi pengetahuan secara otomatis.” Menurut Han Jiawei, “Data mining adalah sebuag proses berulang bertujuan 1.

II. 4.1. Tahapan data mining

  Juga dilakukan proses enrichment, yaituproses “meperkaya” data yang sudah ada dengan data atau informasi lain yang relevan dan diperlukan untuk KDD. Pre-processing data adalah halyang harus dilakukan dalam proses data mining karena tidak semua data atau atribut data dalam data digunakan dalam proses data mining.

II. 4.2. Arsitektur data mining

  Pattern evaluation moduleMerupakan bagian dari software yang berguna untuk menemukan pattern atau pola-pola yang terdapat di dalam database yang diolah sehingga nantinyaproses data mining dapat menemukan knowledge yang sesuai. Graphical user interfaceMerupakan sarana antara pengguna dan sistem data mining untuk berkomunikasi, dimana pengguna dapat berinteraksi dengan sistem melaluidata mining query, untuk menyediakan informasi yang dapat membantu dalam pencarian knowledge.

II. 5. Association Rule

  Misalkan kita memilih himpunan item A dan himpunan item lain B, kemudian aturna asosiasi akan berbentuk : Dimana antecedent A dan consequent B merupakan subset dari I, dan A dan B merupakan mutually exclusive dimana aturan :Tidak berartiSebuah itemset adalah himpunan item-item yang ada dalam I, dan k-temset adalah itemset yang berisi k item. Tahap pencarian frequent itemsetTahap-tahap tersebut merupakan tahap yang akan dilakukan untuk mendapat frequent itemset yang dapat dilihat pada algortima berikut : { 01 : if Tree mengandung single path P;02 : then untuk tiap kombinasi ( dinotasikan _ ) dari node node dalam path do 03 : bangkitkan pola _ _ dengan support daro node-node dalam _;04 : else untuk tiap a 1 dalam header dari Tree do{ 05 : bangkitkan pola06 : bangun _ = a 1 _ dengan support = a 1.

2. Setiap simpul dalam fp-tree mengandung tiga informasi penting, yaitu

label item, menginformasikan jenis item yang dipresentasikan simpul tersebut, support count mempresentasikan jumlah lintasan transaksi yang melalui simpul tersebut, dan pointer penghubung yang menghubungkan

II. 8. Basis Data (Database)

  Database adalah kumplan data yang saling berkaitan, berhubungan yang disimpan secara bersama-sama sedemikian rupa tanpa pengulangan yang tidakperlu, untuk memenuhi berbagai kebutuhan. Cara pemasukan data sehingga memudahkan tugas operator dan menyangkut pula waktu yang diperlukan oleh pemakai untukmendapatkan data serta hak-hak yang dimiliki terhadap data yang ditangani.

II. 9. Database Management System (DBMS)

  Dalam hal ini data dan informasi merupakan kesatuan yang saling berhubungan dan berkerjasama yang terdiri dari: peralatan, tenaga pelaksana dan prosedur data. Peralatan dalam hal iniberupa perangakat keras (hardware) yang digunakan, dan prosedur data yaitu Manipulasi basis data meliputi pembuatan pernyataan (query) untuk mendapatkan informasi tertentu, melakukan pembaharuan atau penggantian(update) data, serta pembuatan report dari data.

II. 10. Entity Relationship Diagram (ERD)

  Basis data Relasional adalah kumpulandari relasi-relasi yang mengandung seluruh informasi berkenaan suatu entitas/ objek yang akan disimpan di dalam database. ERD adalah suatu pemodelan dari basis data relasional yang didasarkan atas persepsi di dalam dunia nyata, dunia ini senantiasa terdiri dari sekumpulanobjek yang saling berhubungan antara satu dengan yang lainnya.

II. 11. Data Flow Diagram (DFD)

  DFD adalah suatu model logika data atau proses yang dibuat untuk menggambarkan dari mana asal data dan kemana tujuan data yang keluar darisistem, dimana data disimpan, proses apa yang menghasilkan data tersebut dan interaksi antara data yang tersimpan dan proses yang dikenakan pada datatersebut. Aliran data yang masuk dan keluar pada suatu proses di level x harus berhubungan dengan aliran data yang masuk dankeluar pada level x+1 yang mendefinisikan proses pada level x tersebut.

II. 12. Kamus Data (Data Dictionary)

  Merupakan katalog (tempat penyimpanan) dari elemen-elemen yang Kamus data mendefinisikan elemen data dengan fungsi sebagai berikut : a. Mendeskripsikan komposisi paket data yang bergerak melalui aliran misalnya alamat diuraikan menjadi kota, negara dan kode pos.

II. 13. MySQL

  MySQL adalah sebuah program database server yang mampu menerima dan mengirimkan datanya dengan sangat cepat, multi user serta menggunakanperintah standar SQL (structure Query Language). Di dalam sistemnya,MySQL merekam semua data user dalam sebuah tabel user yang berada pada database yang bernama mysql.

1. Local Client

  Web BrowserDapat diakses menggunakan program yang dibuat dengan sebuah program yang berbasis server site yang berjalan di bawah Web Browser. Scripting LanguageDapat diakses melalui programaplikasi client yang kita ciptakan sendiri dengan menggunakan pemrograman visual maupun non visual yangberjalan di dalam jaringan.

II. 14. Microsoft Visual Studio .Net dan C#

  Microsoft Visual Studio merupakan sebuahperangkat lunak lengkap (suite) yang dapat digunakan untuk melakukan pengembangan aplikasi, baik itu aplikasi bisnis, aplikasi personal, ataupunkomponen aplikasinya, dalam bentuk aplikasi console, aplikasi Windows, ataupun aplikasi Web. C# adalah sebuah bahasa pemrograman yang dikembangkan oleh Microsoft dan menjadi salah satu bahasa pemrograman yang mendukung .

BAB II I ANALISIS DAN PERANCANGAN SISTEM III.1. Analisis Sistem Analisis sistem adalah pengurain dari suatu sistem informasi yang utuh

  kedalam bagian-bagian komponennya dengan maksud untuk mengidentifikasi dan mengevaluasi permasalahan, kesempatan, hambatan yang terjadi dan kebutuhanyang diharapkan sehingga dapat diusulkan perbaikan. Tahap analisis sistem merupakan tahapan yang sangat kritis dan penting, karena kesalahan di dalamtahap ini akan menyebabkan juga kesalahan di tahap selanjutnya.

III. 1.2. Analisis Penerapan Data Mining

  Penentuan Sasaran Data Mining Tujuan dari penerapan data mining pada penjualan produk jenis benang ini adalah untuk mengetahui bagaimana pola pembelian dari pelanggan dan jenisproduk benang apa saja yang sering dipesan secara bersamaan oleh pelanggan. Bandung Perkasa Jaya data yang digunakan dalam penelitian ini adalah laporan transaksi penjualan produk jenisbenang pada bulan Januari 2014 sampai dengan Desember 2014 yang berasal dari file microsoft excel (.xlsx).

1. Pemilihan Atribut

  Berdasarkan informasi yang ingin didapat oleh pengguna mengenai jenis produk apa saja yang dibeli secara bersamaan oleh pelanggan, maka dalamtahap ini atribut yang akan digunakan dari tabel D-1 dalam lampiran D hanyalah NoNota dan KodeBarang. Penyiapan Data AwalSetelah semua proses telah berhasil dilakukan dan data transaksi telah sesuai dengan kebutuhan yang diperlukan dalam proses data mining, maka datatransaksi pada tabel D-3 dalam lampiran D disederhanakan agar mempermudah dalam pembacaan.

III. 1.2.4. Pemodelan

  Pemodelan ini dilakukan dengan menggunakan metode Association Rule dengan algoritma FP-Growth terhadap data awal pada tabel D-4 dalam lampiranD untuk mendapatkan rule yang dihasilkan. Adapun tahapan-tahapan dalam metode Association Rule dengan algortima FP-Growth adalah sebagai berikut : PembangunanFP-Tree Hasil data awal pada tabel D-4 pada lampiran D akan diolah untuk mendapatkan rule dengan mengasumsikan minimum support 10.

a. Penentuan Frequent Itemset

  Tahap Pembangkitan Conditional Pattern Base Berikut adalah langkah-langkah pembentukan conditional pattern base :  Dimulai dari item yang memiliki priority paling rendah dalam tabel III.6. Telusuri fp-tree yang sebelumnya telah dibentuk mulai dari root sampai pada item yang memiliki priority terendah. Jika jumlah count pada item yang dicari lebih besar atau sama dengan jumlah count pada item yang berada pada path yang dilewati maka conditonal fp-tree dapat dibentuk karena termasuk item yang frequent.

III. 1.3. Analisis Kebutuhan Non-Fungsional

III. 1.4.1. Analisis Kebutuhan Perangkat Keras

  Evaluasi kebutuhan perangkat keras Dari data spesifikasi perangkat keras yang dimiliki oleh PT. BandungPerkasa Jaya, sudah cukup untuk menjalankan aplikasi pengolahan data transaksi yang akan dibangun.

III. 1.4.2. Analisis Kebutuhan Perangkat Lunak

  Analisis kebutuhan perangkat lunak untuk menjalankan sistem yang akan dibangun adalah :a. Bandung Perkasa Jaya, spesifikasi pernagkat lunak yang akan digunakan kurang memenuhi spesifikasi lunak yang dibutuhkan.

III. 1.4.3. Analisis Pengguna

  Analisis pengguna dibuat untuk memenuhi siapa saja dan seperti apa karakteristik yang dimiliki oleh orang yang dapat menggunakan aplikasi yangakan dibuat. Staf dalamhal ini adalah orang yang bekerja di bagian produksi yang akan menggunakan aplikasi yang dibangun.

III. 1.4. Analisis Kebutuhan Fugsional

III. 1.5.1. Diagram konteks

  Data Flow Diagram Data Flow Diagram (DFD) merupakan proses yang menggambarkan suatu alir informasi yang lebih terperinci yang merupakan pengembangan dari diagram konteks. Berikut ini merupakan data flow diagram dari sistem yang akandibangun : a.

b. DFD Level 2 untuk Proses 1

  Berikut adalah gambar DFD level 2 Proses 1 dapat dilihat pada Gambar3.24 dibawah ini : Data Transaksi.xlsx Data Alamat File Info Data Transaksi Pilih Data1.1 Data Transaksi Penjualan Data Transaksi.xlsxUser Pemilihan atribut Pilih Data Penjualan Info Pemilihan atribut Atribut1.2 Hasil Pemilihan Data transaksi Info Pembersihan Data Pembersihan preprocessing Pembersihan Data Pemilihan Atribut Data Hasil1.3 Pembersihan Data Data Hasil Data Gambar III.24. DFD Level 2 Proses 1 c.

III. 1.5.3. Spesifikasi Proses

  Adapun spesifikasi proses dari DFD yang telah dibuatakan dijelaskan pada tabel berikut : Tabel III.14. Spesifikasi ProsesNo Proses Keterangan 1 No Proses 1 Nama Proses Persiapan dataSource (sumber) User Input -Alamat data transaksi penjualan.xlsx Output -Info data transaksi penjualan Destination (tujuan) simpan data ke databaseLogika Proses 1.

1.1 Nama Proses Pilih Data

  Source (sumber) User Input Alamat data transaksi penjualanOutput Info data transaksi penjualan Logika Proses 1. Aplikasi menampilkan form untuk memilih data yang akan digunakan 2.

1.2 Nama Proses Pilih Atribut

1.3 Nama Proses Pembersihan data

  Aplikasi menampilkan form aturan asosiasi Destination (tujuan) UserLogika Proses Output -info frekuensi produk 2 Nama Proses Penentuan rule pola pembelian pelangganSource (sumber) User Input -Frekuensi Produk 5 No Proses 3. Aplikasi menerima data hasil pemilihan atribut Source (sumber) User Input Data hasil Pemilihan atributOutput Info pembesihan data Destination (tujuan) - User 4 No Proses 2.

2.1 Nama Proses Frekuensi produk

2.2 Nama Proses Pengurutan Data

  Source (sumber) User Input Data frekuensi produkOutput Menampilkan info pengurutan data Destination (tujuan) - User 1. Aplikasi mengeluarkan tabel dari proses hasil frekuensi produk 3.

2.3 Nama Proses Algoritma FP-Growth

  Kamus Data Kamus data berfungsi untuk menjelaskan semua data yang digunakan di dalam sistem. Berikut adalah kamus data untuk perangkat lunak yang akandibangun : Nama Data Data Transaksi Deskripsi File excel data transaksiStruktur Data NoNota, KodeBarang, NamaBarang, Jumlah, TanggalNoNota {0..9}KodeBarang {A..

III. 1.5.5. Perancangan Sistem

  Proses perancangan yang akan dilakukan pada tahapan ini adalah perancangan sistem basis data, perancangan struktur menu, perancangan antarmuka, perancangan pesan, jaringan semantik dan perancangan procedural Perancangan Basis Data Perancangan tabel pada aplikasi yang akan dibangun meliputi struktur tabel a. Perancangan Tampilan Program Perancangan tampilan program dari aplikasi data mining association rule yang akan dibangun adalah sebagai berikut : Ukuran, font, Background dan warna disesuaikan Klik Persiapan Data untuk menuju T02 Klik Proses asosiasi untuk menuju T03 T01 a.

BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM IV.1. Implementasi Sistem Tahap implementasi sistem merupakan tahap untuk mengaplikasikan apa

  Implementasi sistem dilakukan untuk menerapkan hasil analisis danperancangan sistem pada keadaan yang sebenarnya. Hasil dari penerapan tersebut diharapkan dapat menjadi sebuah sisitem yang siap diuji dan digunakan.

IV. 1.1. Implementasi Perangkat Keras

  File program untuk melakukanproses dari awal menyimpan data transaksi ke dalamdatabse, memilih atribut yang sesuai dengan informasi aturan Preprocessing Data Preprocessing.csasosiasi yang akan dihasilkan, membersihkan data hasilpemilihan atribut untuk dilanjutkan ke proses datamining. File yang digunakan untukmenganalisis data hasilpreprocessing berdasarkanmasukan minimum support Proses Asosiasi Asosiasi.cs dan minimum confidence danmenampilkan hasil akhir dari aturan asosiasi yang telahdianalisis.

IV. 1.4. Implementasi Basis Data

  Data yang dibutuhkan pada sistem dibuat menjadi tabel-tabel yang dimasukan ke dalam suatu database. Pengujian Perangkat Lunak Pengujian sistem merupakan tahapan untuk melakukan beberapa tes untuk mencoba sistem yang telah dibangun sebelumnya dengan tujuan untuk 1.

IV. 2.1. Rencana Pengujian

  Pengujian Pemilihan File TranskasiKasus dan hasil uji (data normal) Data masukan Yang diharapkan Pengamatan kesimpulan Alamat file excel data Dapat menampilkan Dapat menampilkan [√] Diterimalaporan transaksi penjualan pesan untuk pesan untuk [ ] Ditolak yang akan disimpan dan di- konfirmasi konfirmasipreprocessing penyimpanan dalam penyimpanan ke Contoh : database. Pengujian Proses AsosiasiKasus dan hasil uji (data normal) Data masukan Yang diharapkan Pengamatan kesimpulan Nilai minimum support : meghasilkan aturan asosiasi Dapat menampilkan [√] Diterima4 yang sesuai dengan nilai aturan asosiasi [ ] Ditolak Nilai minimum minimum support dan dengan ketentuanconfidence : 50 minimum confidence dari nilai minimum proses data mining association support dan nilairule.

IV. 2.3. Pengujian Beta

  Pengujian beta dilakukan pada satu atau lebih user yang merupakan pemakai akhir perangkat lunak yang dibangun. Apakah sistem yang dibangun ini dapat memberikan informasi berupa jenis benang apa saja yang sering dibeli secara bersamaan oleh pelanggan?

IV. 2.4. Pengujian Sample

  Data hasil preprocessing dapat dilihat pada tabel D-4 dalam lampiran D dan data rule yang dihasilkan dari penerapan metode aturan asosiasi dapat dilihat pada tabel III.10, sedangkan data rule hasil dari perangkat lunak dapat dilihat pada tabel IV.7. data yang dihasilkan dari perangkat lunakKombinasi Support Confidence CO20  CA40 15 57.6 % CO24  CA4013 54.1 % CO24  CO2014 58.3 % CA30  CA4013 68.4 % Jadi, dapat disimpulkan bahwa hasil perhitungan dari aplikasi yang dibangun telah sesuai dengan hasil perhitungan secara manual karena data yang dihasilkan sama.

BAB V KESIMPULAN DAN SARAN V.1. Kesimpulan Berdasarkan hasil implementasi dan pengujian yang telah dilakukan pada

  Aplikasi yang dibangun dapat membantu pihak perusahaan menentukan kombinasi item apa saja yang saling berketerkaitan. Aplikasi yang dibangun dapat membantu pihak perusahaan mengetahui jenis benang apa saja yang pernah dipesan secara bersamaan oleh pelanggan.

V. 2. Saran

  Penambahan fitur untuk menambahkan data transaksi baru dengan tidak menghapus data yang telah ada sebelumnya sehingga dapat menghasilkan ruleyang baru. Pengembangan dalam menentukan frequent itemset dapat dikembangkan lagi menggunakan algoritma lain sehingga dapat dibandingkan dengan algortima FP- Growth.

BIODATA PENULIS 1

  Data Pribadi Nama : Dian Kusumah ArsyadTempat dan Tanggal Lahir : Bandung, 10 Januari 1993Jenis Kelamin : Laki-lakiAgama : IslamWarga Negara : Indonesia Alamat : Jl. Sukaresmi No.54/210BRW 05 RT 06 Bandung 40282 Email : diankusumaharsyad@gmail.com 2.

DIAN KUSUMAH ARSYAD 10110437 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS KOMPUTER INDONESIA 2015

  Arsitektur data mining..................................................................... Net dan C# .................................................

DAFTAR PUSTAKA 1

  Kamber, Data Mining : Concept and Techniques, 2nd ed. Santoni, “Implementasi Data Mining Dengan Metode Market Basket Analysis,” Teknologi Informasi dan Pendidikan, vol.

KATA PENGANTAR

  Assalaamu’alaikum wr.wb, Alhamdulillahi Rabbil alamiin, segala puji dan syukur penulis panjatkan kepada Allah SWT atas rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul “Penerapan Data Mining Pada PenjualanProduk Benang Di PT. Penyusunan skripsi ini tidak akan terwujud tanpa adanya dukungan, bantuan, kerjasama dan masukan dari berbagai pihak dan rahmat dari Allah SWTsehingga penulis dapat mengatasa kendala-kendala yang dihadapi.

4. Bapak Adam Mukharil Bachtiar, S.Kom., M.T. selaku dosen reviewer yang

  Teman-teman IF10 angkatan 2010 yang telah bersama-sama melewati masa- masa perkuliahan ada yang 4 tahun, ada yang 5 tahun, ada yang 9 semesterdan sisanya. Oleh karena itu, sadandan kritik yang membangun sangat diharapkan untuk pengembangan ke arah yang lebih baik.

Dokumen baru

Download (84 Halaman)
Gratis

Tags

Dokumen yang terkait

Penerapan Data Mining Menggunakan Metode Association Rule Dengan Algoritma FP-Growth pada Perekomendasian Barang di Distro Fresh Wearhouse Batujajar
3
20
48
Penerapan Data Mining Menggunakan Metode Association Rule Pada Data Transaksi Kartika Kosmetik
9
45
138
Penerapan Data Mining Untuk Penyusunan Layout Produk di Summit The Boutique Outlet Menggunakan Metode Association Rule
9
31
47
Pembangunan Aplikasi Data Mining Untuk Menentukan Penempatan Produk Menggunakan Metode Association Rule di Iteung Pusat Oleh Oleh Bandung
0
18
41
Penerapan Data Mining Pada Penjualan Produk Benang Di PT. Bandung Perkasa Jaya Menggunakan Metode Associantion Rule
0
10
84
Penerapan Data Mining Pada Penjualan Produk Di PT. Trimitra Tunas Sakti Wilayah Jawa Timur Menggunakan Metode Clustering
12
61
170
Penerapan Data Mining pada Data Penjualan di Slasher Clothing Menggunakan Metode Association Rule
0
13
109
Penerapan Data Mining Pada Penjualan Produk Baju Di Air Plane SYTM
8
30
126
Penerapan Data Mining Association Rule pada PT Patisa Chakra Mandiri Menggunakan Algoritma FP-Growth
0
19
1
Penerapan Data Mining Untuk Membentuk Kelompok Belajar Menggunakan Metode Clustering Di SMPN 19 Bandung
2
47
1
Implementasi Data Mining Dalam Pemaketan Produk Menggunakan Metode Association Rule Di Minimarket Warga Tunggal Bandung
6
26
124
Penerapan Data Mining Pada penjualan Produk Minuman Di PT. Pepsi Cola Indobeverages Menggunakan Metode Clustering
10
80
168
Penerapan Data Mining Menggunakan Metode Association Rule Dengan Algoritma FP-Growth pada Perekomendasian Barang di Distro Fresh Wearhouse Batujajar
1
10
48
Penerapan Data Mining Pada Penjualan Unit Pesawat Di PT. Dirgantara Indonesia Bandung Dengan Metode Clustering
0
7
25
Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Pada Toko Oase Menggunakan Algoritma Apriori
0
2
6
Show more